AISA LAB
컴퓨터공학과 부석준
AISA LAB(인공지능 시스템과 응용 연구실)은 경상국립대학교 컴퓨터과학부 소속으로, 첨단 인공지능 기술의 이론적 연구와 실제 응용을 선도하는 연구실입니다. 본 연구실은 딥러닝, 그래프 신경망, 강화학습, 생성 모델 등 다양한 AI 기술을 융합하여, 보안, 제조, 의료, 금융 등 다양한 산업 분야의 현실 문제를 해결하는 데 주력하고 있습니다.
특히, 피싱 탐지와 블록체인 기반 이상거래 분석 분야에서 국내외 최고 수준의 연구 성과를 보이고 있습니다. URL, HTML, 트랜잭션 그래프 등 멀티모달 데이터를 통합적으로 분석하는 딥러닝 모델을 개발하여, 피싱 웹페이지 및 가상화폐 거래 내역에서의 이상 행위를 정밀하게 탐지합니다. 실제 이더리움 등 대규모 블록체인 데이터셋에서 기존 대비 월등한 성능을 입증하였으며, 관련 특허와 산학협력 프로젝트를 통해 산업 현장에 기술을 적용하고 있습니다.
또한, 오디오 및 센서 신호의 인식과 복원, 이상 탐지 분야에서도 지속적 학습, 생성 모델, 분리표현 학습 등 최신 AI 기법을 적극 도입하고 있습니다. 음성인식, 초음파 센서, 차량 내 소음 분류, 제조 현장 이상 감지 등 다양한 응용 분야에서 실질적인 성능 개선을 이루었으며, 국내외 학술상 수상 및 특허 출원 등으로 연구의 우수성을 인정받고 있습니다.
AISA LAB은 신경망 기반 딥러닝과 기호적 추론을 결합한 뉴로-심볼릭 AI, 설명 가능한 AI(XAI) 등 차세대 인공지능 기술 개발에도 앞장서고 있습니다. 퍼지 로직, 베이지안 네트워크, 전문가 규칙 기반 시스템 등 다양한 기호적 AI 기법을 딥러닝 모델과 융합하여, 투명하고 신뢰할 수 있는 AI 시스템을 구현하고 있습니다.
이 밖에도, 대규모 언어모델(LLM), 멀티모달 신호 해석, 데이터 증강, 강화학습 기반 최적화 등 다양한 연구 주제를 다루며, 국내외 산학협력, 특허, 학술상 수상 등 활발한 대외 활동을 이어가고 있습니다. AISA LAB은 미래 인공지능 기술의 혁신과 사회적 가치 창출을 목표로, 창의적이고 도전적인 연구를 지속하고 있습니다.
Phishing Scam Detection
Cryptocurrency Transaction Analysis
Graph Neural Networks
딥러닝 기반 피싱 탐지 및 블록체인 이상거래 분석
AISA LAB은 딥러닝과 그래프 신경망 기술을 활용하여 피싱 탐지 및 블록체인 기반 이상거래 분석 분야에서 선도적인 연구를 수행하고 있습니다. 피싱 공격은 인터넷 사용자의 보안 위협 중 하나로, 기존의 탐지 기법은 진화하는 공격 패턴에 효과적으로 대응하지 못하는 한계가 있습니다. 이에 연구실은 URL 문자열, HTML 구조, 트랜잭션 그래프 등 다양한 멀티모달 데이터를 통합적으로 분석하는 딥러닝 모델을 개발하여, 피싱 웹페이지와 가상화폐 거래 내역에서의 이상 행위를 정밀하게 탐지합니다.
특히, 트리플렛 네트워크, 프로토타입 기반 그래프 컨볼루션 네트워크, 트랜스포머 등 최신 딥러닝 아키텍처를 적용하여, 정상과 이상 데이터의 분포를 효과적으로 분리하고, 데이터 불균형 문제를 극복합니다. 실제 이더리움 등 블록체인 네트워크의 대규모 트랜잭션 데이터를 활용한 실험에서 기존 대비 F1-score가 30%p 이상 향상되는 등, 실질적인 성능 개선을 입증하였습니다. 또한, 강화학습 기반 하이퍼파라미터 최적화, 퍼지 로직 결합 등 다양한 기법을 통해 모델의 적응성과 실시간 대응력을 높이고 있습니다.
이러한 연구는 금융 보안, 데이터 프라이버시, 블록체인 신뢰성 확보 등 다양한 산업 분야에 직접적으로 기여하고 있습니다. AISA LAB의 연구 결과는 국내외 주요 학술지와 특허로도 이어지고 있으며, 실제 산업 현장과의 협업을 통해 기술의 실효성과 확장성을 지속적으로 검증하고 있습니다.
지속적 학습 및 생성 모델을 활용한 오디오·신호 인식
AISA LAB은 오디오 및 센서 신호의 인식과 복원, 이상 탐지 분야에서 지속적 학습(Continual Learning)과 생성 모델(Generative Model)을 접목한 혁신적인 연구를 진행하고 있습니다. 기존 딥러닝 모델은 새로운 클래스나 환경 변화에 적응하는 데 한계가 있었으나, 연구실은 트리플렛 네트워크와 분리표현(Disentangled Representation), 동적 메모리 리플레이(Dynamic Memory Replay) 등 첨단 기법을 도입하여, 오디오 분류 및 신호 복원에서의 망각 문제를 효과적으로 해결하고 있습니다.
특히, Variational U-Net, Wave U-Net, Denoising Diffusion Probabilistic Model(DDPM) 등 생성 기반 신경망을 활용하여 왜곡된 음성·음향 신호를 고품질로 복원하고, 다양한 환경에서의 신호 이상을 정밀하게 탐지합니다. 이러한 기술은 음성인식, 초음파 센서, 차량 내 소음 분류, 제조 현장의 이상 감지 등 실제 응용 분야에서 높은 성능을 보이고 있습니다. 실제로 Audio MNIST, ESC-50 등 벤치마크 데이터셋에서 기존 방법 대비 10%p 이상의 성능 향상을 달성하였으며, 산업 현장 데이터에서도 우수한 결과를 입증하였습니다.
연구실은 또한, 멀티모달 신호 해석, 설명 가능한 AI, 데이터 증강 등 다양한 신호 처리 기술을 융합하여, 의료, 제조, 보안 등 다양한 도메인에 맞춤형 솔루션을 제공하고 있습니다. 이러한 연구는 국내외 특허 출원, 산학협력 프로젝트, 학술상 수상 등으로 이어지며, 실질적인 사회적·산업적 가치를 창출하고 있습니다.
뉴로-심볼릭 AI 및 설명 가능한 인공지능(XAI)
AISA LAB은 신경망 기반 딥러닝과 기호적 추론(Symbolic Reasoning)을 결합한 뉴로-심볼릭 AI 연구에 집중하고 있습니다. 기존의 딥러닝 모델은 높은 예측 성능에도 불구하고, 해석 가능성과 인간 수준의 추론 능력에서 한계를 보였습니다. 이에 연구실은 신경망의 데이터 기반 학습과 기호적 지식 표현 및 추론을 융합하여, 복잡한 문제에 대해 더 투명하고 신뢰할 수 있는 AI 시스템을 개발하고 있습니다.
연구실은 퍼지 로직, 베이지안 네트워크, 전문가 규칙 기반 시스템 등 다양한 기호적 AI 기법을 딥러닝 모델과 통합하여, 설명 가능한 AI(XAI) 모델을 설계합니다. 예를 들어, 퍼지-트랜스포머 네트워크를 활용한 피싱 URL 탐지, 베이지안 네트워크 기반 의료 진단, 전문가 지식이 반영된 강화학습 등 다양한 응용 사례를 통해, 모델의 결정 과정을 시각화하고, 사용자에게 신뢰성 있는 설명을 제공합니다.
이러한 연구는 AI의 투명성, 신뢰성, 법적·윤리적 요구에 부합하는 차세대 인공지능 시스템 개발에 중요한 역할을 하고 있습니다. AISA LAB의 뉴로-심볼릭 AI 연구는 국내외 학술대회, 특허, 산학협력 등 다양한 경로를 통해 확산되고 있으며, 실제 산업 및 공공 분야에서의 적용 가능성을 지속적으로 넓혀가고 있습니다.
1
Triplet-style dynamic graph network with Transformer encoder for scam detection in cryptocurrency transactions
남민우
IEEE Access, 2025.05
2
Deep generative replay with denoising diffusion probabilistic models for continual learning in audio classification
이현주, 부석준
IEEE Access, 2024
3
Graph anomaly detection with disentangled prototypical autoencoder for phishing scam detection in cryptocurrency transactions
강준하, 부석준
IEEE Access, 2024
1
중소벤처기업진흥공단: 사업전환 전용 성장경로 예측 모델 구축
2
중소벤처기업진흥공단: 중소기업 맞춤형 사업 공고 추천을 위한 심층 매칭 신경망 개발
3
(주)현대자동차: 바디시험 기술 향상을 위한 산학 자문