소프트웨어 결함·오류 예측과 서비스 거부 공격 대응을 위한 신뢰성·보안 딥러닝 연구

Deep Learning for Software Defect/Fault Prediction and DoS-Resilient Secure Control

연구 내용

딥러닝 기반 소프트웨어 결함 예측을 메타휴리스틱으로 최적화하고, 스마트시티 제어에서 서비스 거부 공격에 대한 강건한 제어 설계를 수행하는 연구

이상금 연구실은 소프트웨어 품질과 제어 보안의 관점에서 모델링과 설계를 수행합니다. 소프트웨어 결함 예측에서는 RS(Residual/Shuffle) 네트워크로 코드의 의미·구조적 특징을 추출하고, 강화된 fish migration optimization으로 학습을 최적화하여 잠재 결함을 식별합니다. 또한 AST 토큰 의미를 MnasNet으로 추출하고 LSTM으로 핵심 특징을 유지한 뒤, improved lotus flower algorithm으로 분류 성능을 개선하는 하이브리드 구조를 활용합니다. 스마트시티 영역에서는 DoS 사이버공격 환경에서 모델 불확실성을 고려한 강건 제어를 선형 행렬 부등식 기반 설계 기준으로 도출하여 상태피드백과 적분 제어를 결합합니다.

관련 프로젝트

0건

연구 흐름

초기에는 소프트웨어 신뢰성 문제를 대상으로 코드 의미와 구조를 동시에 활용하는 딥러닝 기반 결함 예측 프레임을 구축했습니다. 이후 메타휴리스틱을 학습 단계에 접목하여 성능과 학습 효율을 함께 개선하는 방향으로 확장되었으며, RS 네트워크와 강화된 fish migration optimization 조합, MnasNet/LSTM과 improved lotus flower algorithm 조합으로 구체화되었습니다. 동시에 적용 도메인을 스마트시티 제어로 확장하여 서비스 거부 공격 하에서 통신 교란을 고려한 강건·보안 제어 설계를 선형 행렬 부등식 기반 기준으로 수행했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

소프트웨어 결함 탐지
소프트웨어 오류 분류
AST 기반 결함 예측
코드 품질 개선 자동화
메타휴리스틱 최적화 학습
강건 제어 설계
서비스 거부 공격 대응
스마트시티 제어 신뢰성 향상
보안 제어 시뮬레이션
개발 공정 품질 관리