KR102118588B1 - 전용 인공 지능 시스템 - Google Patents

전용 인공 지능 시스템 Download PDF

Info

Publication number
KR102118588B1
KR102118588B1 KR1020190170334A KR20190170334A KR102118588B1 KR 102118588 B1 KR102118588 B1 KR 102118588B1 KR 1020190170334 A KR1020190170334 A KR 1020190170334A KR 20190170334 A KR20190170334 A KR 20190170334A KR 102118588 B1 KR102118588 B1 KR 102118588B1
Authority
KR
South Korea
Prior art keywords
artificial intelligence
information
output information
processing
external
Prior art date
Application number
KR1020190170334A
Other languages
English (en)
Inventor
방성철
Original Assignee
주식회사 유니온플레이스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 유니온플레이스 filed Critical 주식회사 유니온플레이스
Priority to KR1020190170334A priority Critical patent/KR102118588B1/ko
Application granted granted Critical
Publication of KR102118588B1 publication Critical patent/KR102118588B1/ko
Priority to PCT/KR2020/013457 priority patent/WO2021125517A1/ko
Priority to US17/497,752 priority patent/US20220027793A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

기업의 업무 처리를 수행하는 전산 시스템과 연결되는 전용 인공 지능 시스템으로서, 통신 인터페이스; 및 상기 통신 인터페이스와 연결되는 연산 처리부를 포함하고, 상기 연산 처리부는, (a) 상기 전산 시스템으로부터 전송되는 입력 정보를 상기 통신 인터페이스를 통하여 수신하는 처리; (b) 인공 지능 모델을 이용하여 상기 입력 정보로부터 제1 출력 정보를 생성하는 처리; (c) 상기 입력 정보를 기초로 외부 질의 정보를 생성하는 처리; (d) 상기 외부 질의 정보를 하나 이상의 외부 인공 지능 시스템으로 상기 통신 인터페이스를 통하여 각각 전송하는 처리; (e) 상기 하나 이상의 외부 인공 지능 시스템으로부터 각각 전달되는 하나 이상의 제2 출력 정보를 상기 통신 인터페이스를 통하여 수신하는 처리; (f) 상기 제1 출력 정보와 상기 하나 이상의 제2 출력 정보를 상기 인공 지능 모델을 이용하여 비교하여 제3 출력 정보를 생성하는 처리; 및 (g) 상기 제3 출력 정보를 상기 전산 시스템으로 상기 통신 인터페이스를 통하여 전송하는 처리를 수행하는 것이고, 상기 처리 (f)는, (f-1) 상기 제1 출력 정보와 상기 하나 이상의 제2 출력 정보 중에서 가장 빈도수가 높은 것을 기초로 상기 제3 출력 정보를 생성하는 처리; 및 (f-2) 상기 제1 출력 정보와 상기 하나 이상의 제2 출력 정보 중에서 상기 인공 지능 모델에 의해서 결정되는 정확도가 가장 높은 것을 기초로 상기 제3 출력 정보를 생성하는 처리 중 적어도 하나를 포함하는 것인 전용 인공 지능 시스템이 개시된다.

Description

전용 인공 지능 시스템{DEDICATED ARTIFICIAL INTELLIGENCE SYSTEM}
본 개시(開示)는 전용 인공 지능 시스템에 관한 것으로, 더욱 구체적으로는 보안성을 강화하면서도 외부 인공 지능 시스템의 출력 정보를 이용하여 학습 속도를 높일 수 있는 전용 인공 지능 시스템에 관한 것이다.
인공 지능은 인간의 지능을 통하여 수행되던 사고 및 학습과 같은 과정을 컴퓨터가 수행할 수 있는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야를 지칭한다. 인공 지능을 구현하기 위해서 예컨대 딥 러닝 알고리즘과 같은 인공 지능 모델이 이용될 수 있다. 예컨대 딥 러닝 알고리즘에 기초한 인공 지능 모델은 학습 데이터를 이용하여 학습된다.
예컨대 엘지전자 주식회사에 의해서 출원되고 2019년 9월 30일자로 공개된 "인공지능 서버"라는 명칭의 한국특허공개번호 제10-2019-0110500호(특허문헌 1)는 오답을 야기한 다양한 도메인들에 대하여 순차적으로 도메인 적응(domain adaptation)이 되도록 인공 지능 모델을 트레이닝함으로써 인공 지능 모델의 성능을 향상시킬 수 있는 인공 지능 서버를 개시하고 있다.
또한 엘지전자 주식회사에 의해서 출원되고 2019년 9월 20일자로 공개된 "인공지능 서버"라는 명칭의 한국특허공개번호 제10-2019-0107626호(특허문헌 2)는 인식을 요청한 사용자로부터 개인화 정보를 수신하고, 수신된 개인화 정보를 이용하여 개인 맞춤형의 인식을 수행함으로써, 서버의 저장 공간을 절약하고 개인 맞춤형 인식 서비스를 제공할 수 있는 인공 지능 서버를 개시하고 있다.
또한 엘지전자 주식회사에 의해서 출원되고 2019년 9월 20일자로 공개된 "인공지능 서버"라는 명칭의 한국특허공개번호 제10-2019-0106861호(특허문헌 3)는 실제 환경에서 수집되는 데이터 중에서 대상 인공 지능 모델의 학습에 적합한 데이터인지 판단하고, 학습에 적합한 데이터에 대하여 라벨링 데이터를 추가함으로써 학습 데이터를 생성하는 인공 지능 장치, 인공 지능 서버 및 그 방법을 개시하고 있다.
한편, 기업의 전산 시스템, 예컨대 CRM(Customer relationship management), 이상 거래 탐지 시스템(Fraud Detection System) 및 공장 관리 시스템과 같은 전산 시스템은 주로 룰 기반(rule-based)으로 업무를 처리한다. 기업의 전산 시스템에 인공 지능을 적용하면, 보다 효율적으로 업무를 처리하는 것이 가능하다.
기업의 전산 시스템에 인공 지능을 적용하여 기업의 업무 환경을 구축하는 경우, 다음과 같은 방법을 고려할 수 있다.
첫번째로, 외부 인공 지능 시스템과 기업의 전산 시스템을 연결하는 구성을 이용하는 방법이다. 외부 인공 지능 시스템은 "인공 지능 플랫폼"이라고도 지칭되며, 구글 및 아마존과 같은 정보 통신 기업에 의해서 제공될 수 있다. 외부 인공 지능 시스템과 기업의 전산 시스템을 연결하면, 간단하고 비교적 저렴한 비용으로 인공 지능을 적용한 업무 환경을 구축할 수 있다. 그러나, 기업의 민감 정보(sensitive information)가 외부 인공 지능 시스템으로 전달된다. 따라서, 기업의 영업 비밀 정보, 고객의 개인 정보 및 장치 식별 정보와 같은 민감 정보가 외부로 노출될 수 있다.
두번째로, 기업의 전용 인공 지능 시스템과 기업의 전산 시스템을 연결하는 방법이다. 기업의 전용 인공 지능 시스템과 기업의 전산 시스템을 연결하면, 기업의 민감 정보가 외부로 노출되는 것을 방지할 수 있다. 그러나 전용 인공 지능 시스템의 성능은 외부 인공 지능 시스템보다는 일반적으로 낮고, 또한 전용 인공 지능 시스템의 학습 속도는 외부 인공 지능 시스템보다 느리다. 따라서, 전용 인공 지능 시스템의 성능을 실제 업무에 적용할 수 있는 수준까지 향상시키기 위해서 많은 시간이 소요된다. 인공 지능 시스템의 학습 속도에 따라서 인공 지능 시스템의 성능이 결정되기 때문에, 전용 인공 지능 시스템의 성능은 외부 인공 지능 시스템의 성능에 비해서 현저하게 낮은 경우가 대부분이다.
1. 한국특허공개번호 제10-2019-0110500호. 2. 한국특허공개번호 제10-2019-0107626호. 3. 한국특허공개번호 제10-2019-0106861호.
본원에서 설명되는 기술의 목적은 보안성을 강화하면서도 외부 인공 지능 시스템의 출력 정보를 이용하여 학습 속도를 높일 수 있는 전용 인공 지능 시스템을 제공하는 데 있다.
상기 기술적 과제를 달성하기 위하여, 본원에서 설명되는 기술의 일 형태에 따르면, 기업의 업무 처리를 수행하는 전산 시스템과 연결되는 전용 인공 지능 시스템으로서, 통신 인터페이스; 및 상기 통신 인터페이스와 연결되는 연산 처리부를 포함하고, 상기 연산 처리부는, (a) 상기 전산 시스템으로부터 전송되는 입력 정보를 상기 통신 인터페이스를 통하여 수신하는 처리; (b) 인공 지능 모델을 이용하여 상기 입력 정보로부터 제1 출력 정보를 생성하는 처리; (c) 상기 입력 정보를 기초로 외부 질의 정보를 생성하는 처리; (d) 상기 외부 질의 정보를 하나 이상의 외부 인공 지능 시스템으로 상기 통신 인터페이스를 통하여 각각 전송하는 처리; (e) 상기 하나 이상의 외부 인공 지능 시스템으로부터 각각 전달되는 하나 이상의 제2 출력 정보를 상기 통신 인터페이스를 통하여 수신하는 처리; (f) 상기 제1 출력 정보와 상기 하나 이상의 제2 출력 정보를 상기 인공 지능 모델을 이용하여 비교하여 제3 출력 정보를 생성하는 처리; 및 (g) 상기 제3 출력 정보를 상기 전산 시스템으로 상기 통신 인터페이스를 통하여 전송하는 처리를 수행하는 것이고, 상기 처리 (f)는, (f-1) 상기 제1 출력 정보와 상기 하나 이상의 제2 출력 정보 중에서 가장 빈도수가 높은 것을 기초로 상기 제3 출력 정보를 생성하는 처리; 및 (f-2) 상기 제1 출력 정보와 상기 하나 이상의 제2 출력 정보 중에서 상기 인공 지능 모델에 의해서 결정되는 정확도가 가장 높은 것을 기초로 상기 제3 출력 정보를 생성하는 처리 중 적어도 하나를 포함하는 것인 전용 인공 지능 시스템이 제공된다.
본원에서 설명되는 기술에 따르면, 보안성을 강화하면서도 외부 인공 지능 시스템의 출력 정보를 이용하여 학습 속도를 높일 수 있는 전용 인공 지능 시스템을 제공할 수 있다.
도 1은 본원에서 설명되는 기술의 제1 실시예에 따른 전용 인공 지능 시스템의 예시적인 구성을 나타내는 도면.
도 2는 본원에서 설명되는 기술의 제1 실시예에 따른 전용 인공 지능 시스템을 포함하는 시스템 환경의 예시적인 구성을 나타내는 도면.
도 3은 제1 실시예에 따른 전용 인공 지능 시스템의 연산 처리부가 수행하는 처리를 예시적으로 나타내는 도면.
도 4는 제1 실시예에 따른 전용 인공 지능 시스템의 연산 처리부가 제1 출력 정보를 생성하는 처리를 보다 구체적으로 나타내는 도면.
도 5는 제1 실시예에 따른 전용 인공 지능 시스템의 연산 처리부가 제1 출력 정보를 생성하는 과정을 구체적으로 나타내는 도면.
도 6a 및 도 6b는 제1 실시예에 따른 전용 인공 지능 시스템의 연산 처리부가 외부 질의 정보를 생성하는 처리를 보다 구체적으로 나타내는 도면.
도 7a 및 도 7b는 제1 실시예에 따른 전용 인공 지능 시스템의 연산 처리부가 제3 출력 정보를 생성하는 처리를 보다 구체적으로 나타내는 도면.
도 8은 본원에서 설명되는 기술의 제2 실시예에 따른 전용 인공 지능 시스템의 예시적인 구성을 나타내는 도면.
도 9는 본원에서 설명되는 기술의 제2 실시예에 따른 전용 인공 지능 시스템을 포함하는 시스템 환경의 예시적인 구성을 나타내는 도면.
도 10은 본원에서 설명되는 기술의 제2 실시예에 따른 인터페이스 장치가 수행하는 처리를 예시적으로 나타내는 도면.
이하, 본원에서 설명되는 기술에 따른 전용 인공 지능 시스템의 실시예를 첨부한 도면을 참조로 보다 구체적으로 설명한다. 한편 본원에서 설명되는 기술의 실시예를 설명하기 위한 도면들에서, 설명의 편의를 위해서 실제 구성 중 일부만을 도시하거나 일부를 생략하여 도시하거나 변형하여 도시하거나 또는 축척이 다르게 도시될 수 있다.
<제1 실시예>
도 1은 본원에서 설명되는 기술의 제1 실시예에 따른 전용 인공 지능 시스템의 예시적인 구성을 나타내는 도면이다.
도 1을 참조하면, 전용 인공 지능 시스템(100)은 통신 인터페이스(110)와 연산 처리부(130)를 포함한다. 또한 도 1을 참조하면, 전용 인공 지능 시스템(100)은 데이터 저장소(data repository)(150)를 더 포함할 수 있다.
본원에서 설명되는 기술에 따른 전용 인공 지능 시스템(100)은 예컨대 개인용 컴퓨터 및 전용 컴퓨터와 같은 컴퓨팅 장치를 이용하여 구현될 수 있다.
통신 인터페이스(110)는 유선 또는 무선 통신을 이용하여 데이터를 송수신하도록 구성된다. 보다 구체적으로, 통신 인터페이스(110)는 예컨대 후술하는 전산 시스템(200) 및 하나 이상의 외부 인공 지능 시스템(300)과 전용 인공 지능 시스템(100) 사이에서 데이터를 송수신하도록 구성된다. 즉, 전용 인공 지능 시스템(100)은 통신 인터페이스(110)를 통하여 기업의 업무 처리를 수행하는 전산 시스템(도 2의 200)과 연결될 수 있고, 또한 통신 인터페이스(110)를 통하여 하나 이상의 외부 인공 지능 시스템(도 2의 300)과 직접 또는 간접적으로 연결될 수 있다.
통신 인터페이스(110)는 예컨대 통신 칩과 같은 반도체 소자에 의해서 구현될 수 있다.
연산 처리부(130)는 통신 인터페이스(110)와 연결된다. 연산 처리부(130)는 본원에서 개시되는 기술에 따라서 후술하는 처리를 수행하도록 구성된다. 연산 처리부(130)가 수행하는 처리의 상세한 구성은 후술한다. 연산 처리부(130)는 예컨대 CPU(central processing unit)와 같은 반도체 소자(즉, 프로세서)에 의해서 구현될 수 있다. 보다 구체적으로, 연산 처리부(130)는 직접 연결되거나 통신망을 통하여 서로 연결되는 하나 이상의 프로세서(130-1 내지 130-3)를 포함할 수 있다. 하나 이상의 프로세서(130-1 내지 130-3) 각각은 연산 처리부(130)에 의해서 수행되는 후술하는 처리 중 적어도 일부를 각각 수행하도록 구성된다. 도 1에서 하나 이상의 프로세서(130-1 내지 130-3)의 전체 개수는 3개로 도시되지만, 제1 실시예는 이에 한정되지 않는다. 예컨대 필요에 따라서 연산 처리부(130)는 1개의 프로세서를 포함할 수도 있고, 2개 또는 4개 이상의 프로세서를 포함할 수도 있다.
데이터 저장소(150)는 인공 지능 모델 및 관련된 정보를 저장한다. 관련된 정보는 예컨대 인공 지능 모델과 관련된 요소 정보(element information). 가중치 정보와 같은 파라미터 데이터, 룰(rule) 정보 및 이력(history) 정보를 포함할 수 있다. 데이터 저장소(150)는 예컨대 반도체 메모리와 같은 반도체 소자에 의해서 구현될 수 있다. 인공 지능 모델은 예컨대 RBM(restricted Boltzmann machine)/DBN(deep belief network) 모델, 신경망(recurrent neural network) 모델 및 RL(relation network) 모델 중 적어도 하나를 포함할 수 있다.
도 2는 본원에서 설명되는 기술의 제1 실시예에 따른 전용 인공 지능 시스템을 포함하는 시스템 환경의 예시적인 구성을 나타내는 도면이다.
도 2를 참조하면, 전용 인공 지능 시스템(100)은 기업의 전산 시스템(200)과 연결된다. 전용 인공 지능 시스템(100)과 전산 시스템(200)은 기업의 내부 네트워크를 통하여 연결되는 것이 바람직하다. 도 2를 참조하면, 전용 인공 지능 시스템(100)은 하나 이상의 외부 인공 지능 시스템(300)과 연결된다. 전용 인공 지능 시스템(100)과 하나 이상의 외부 인공 지능 시스템(300)은 예컨대 인터넷과 같은 네트워크를 통하여 연결될 수 있다. 전용 인공 지능 시스템(100)과 하나 이상의 외부 인공 지능 시스템(300)은 방화벽(400)과 같은 보안 구성을 통하여 연결되는 것이 바람직하다.
전산 시스템(200)은 예컨대 CRM, 이상 거래 탐지 시스템 및 공장 관리 시스템과 같이 기업 내부에서 업무를 수행하기 위해서 사용하는 구성을 포함한다. 전산 시스템(200)은 주로 룰 기반으로 업무를 처리한다. 이하, 이상 거래 탐지 시스템이 전산 시스템(200)으로서 사용되는 경우를 가정한다.
하나 이상의 외부 인공 지능 시스템(300)은 기업 외부에서 제공되는 인공 지능 시스템(인공 지능 플랫폼)이다. 예컨대 외부 인공 지능 시스템(300-1)은 구글 사에서 제공하는 인공 지능 시스템일 수 있으며, 외부 인공 지능 시스템(300-2)은 아마존 사에서 제공하는 인공 지능 시스템일 수 있고, 외부 인공 지능 시스템(300-3)은 애플 사에서 제공하는 인공 지능 시스템일 수 있다. 도 2에서 하나 이상의 외부 인공 지능 시스템(300)의 전체 개수는 3개로 도시되지만, 제1 실시예는 이에 한정되지 않는다. 예컨대 필요에 따라서 4개 이상의 외부 인공 지능 시스템이 이용될 수 있다.
도 3은 제1 실시예에 따른 전용 인공 지능 시스템의 연산 처리부가 수행하는 처리를 예시적으로 나타내는 도면이다.
우선 연산 처리부(130)는 전산 시스템(200)으로부터 전송되는 입력 정보를 통신 인터페이스(110)를 통하여 수신하는 처리 S110을 수행한다.
전산 시스템(200)으로서의 이상 거래 탐지 시스템은 예컨대 금융 거래 요청 정보를 입력 정보로서 전용 인공 지능 시스템(100)에 전송할 수 있다.
다음으로, 연산 처리부(130)는 인공 지능 모델을 이용하여 입력 정보로부터 제1 출력 정보를 생성하는 처리 S120을 수행한다. 인공 지능 모델은 전술하듯이 예컨대 RBM/DBN 모델, 신경망 모델 및 RL 모델 중 적어도 하나를 포함할 수 있다.
또한 인공 지능 모델의 학습을 위해서, 회귀 분석(regression analysis), 군집 분석(clustering analysis), KNN(k-nearest neighbor), 나이브 베이즈(naive bayes), SVM(support vector machine), 주성분 분석(PCA)과 밀도 기반 군집 분석(DBSCAN), 토픽 모델링(topic modeling), 유전자 알고리즘(genetic algorithm), 연관 규칙 분석(association rule analysis), 로지스틱 회귀분석(logistic regression analysis) 및 시계열 분석(time series analysis)과 같은 알고리즘이 이용될 수 있다.
도 4는 제1 실시예에 따른 전용 인공 지능 시스템의 연산 처리부가 제1 출력 정보를 생성하는 처리를 보다 구체적으로 나타내는 도면이고, 도 5는 제1 실시예에 따른 전용 인공 지능 시스템의 연산 처리부가 제1 출력 정보를 생성하는 과정을 구체적으로 나타내는 도면이다.
우선 연산 처리부(130)는 인공 지능 모델을 기초로 입력 정보로부터 제1 요소 정보(element information) 내지 제n 요소 정보(n은 2이상의 자연수)를 추출하는 처리 S121을 수행한다.
예컨대 입력 정보가 금융 거래 요청 정보인 경우, 제1 요소 정보 내지 제n 요소 정보(도 5의 x1 내지 xn)는 금융 거래 요청 정보를 기초로, 보다 바람직하게는 금융 거래 요청 정보 및 미리 저장된 이력 정보를 기초로 생성될 수 있다.
예컨대 제1 요소 정보는 금융 거래 요청의 시간 정보 및 장소 정보를 연산한 값이 될 수 있다. 또한 예컨대 제2 요소 정보는 금융 거래 요청의 시간 정보 및 금액 정보를 연산한 값이 될 수 있다. 또한 예컨대 제3 요소 정보는 금융 거래 요청의 로그인 시간 정보 및 로그아웃 시간 정보를 연산한 값이 될 수 있다. 요소 정보의 개수, 즉 n은 인공 지능 모델을 이용하여 적절하게 결정될 수 있다.
다음으로, 연산 처리부(130)는 제1 요소 정보 내지 제n 요소 정보 각각에 대해서 제1 가중치 내지 제n 가중치(도 5의 w1 내지 wn)를 부여하는 처리 S122를 수행한다.
예컨대 제1 요소 정보에 제1 가중치가 부여되고, 마찬가지로 제n 요소 정보에 제n 가중치가 부여된다. 초기의 경우, 제1 가중치 내지 제n 가중치는 동일하게 부여될 수 있으나, 제1 가중치 내지 제n 가중치가 저장되어 있다면, 예컨대 데이터 저장소(150)에 제1 가중치 내지 제n 가중치가 저장되어 있다면, 데이터 저장소(150)에 제1 가중치 내지 제n 가중치가 사용될 수 있다.
다음으로, 연산 처리부(130)는 전이 함수(transfer function)를 이용하여 제1 요소 정보 내지 제n 요소 정보, 제1 가중치 내지 제n 가중치를 연산하여 함수값을 생성하는 처리 S123을 수행한다. 예컨대, 제1 요소 정보와 제1 가중치를 곱한 값 내지 제n 요소 정보와 제n 가중치를 곱한 값을 합산된 후, 평균값을 내는 것에 의해서, 함수값이 생성될 수 있다.
다음으로, 연산 처리부(130)는 활성 함수(activation function)를 이용하여 함수값의 엔트로피값을 추출하는 처리 S124를 수행한다. 엔트로피값은 함수값과 그 이전 단계에서 추출된 함수값(또는 미리 지정된 초기값)의 차이로 정의될 수 있다.
다음으로, 연산 처리부(130)는 엔트로피값이 미리 지정된 범위 이내로 될 때까지, 제1 가중치 내지 제n 가중치를 조정하여 처리 S123 및 처리 S124를 반복 수행하는 처리 S125를 수행한다. 예컨대 함수값이 최대값이 1인 경우, 미리 지정된 범위는 0 내지 0.01과 같은 범위로 지정될 수 있다.
다음으로, 연산 처리부(130)는 처리 S125 이후에 함수값을 제1 출력 정보로 지정하는 처리 S126을 수행한다.
이와 같은 과정을 통해서, 제1 요소 정보 내지 제n 요소 정보 및 제1 가중치 내지 제n 가중치가 딥 러닝을 통하여 결정될 수 있다.
도 4를 참조하면, 연산 처리부(130)는 처리 S125 이후에 제1 가중치 내지 제n 가중치를 저장하는 처리 S127을 더 수행할 수 있다. 예컨대 연산 처리부(130)는 데이터 저장소(150)에 제1 가중치 내지 제n 가중치를 저장할 수 있다. 연산 처리부(130)는 제1 요소 정보 내지 제n 요소 정보를 데이터 저장소(150)에 저장할 수도 있다.
다시 도 3을 참조하면, 다음으로, 연산 처리부(130)는 입력 정보를 기초로 외부 질의 정보를 생성하는 처리 S130을 수행한다.
도 6a 및 도 6b는 제1 실시예에 따른 전용 인공 지능 시스템의 연산 처리부가 외부 질의 정보를 생성하는 처리를 보다 구체적으로 나타내는 도면이다.
도 6a를 참조하면, 연산 처리부(130)는 입력 정보에 포함된 민감 정보(sensitive information)를 필터링하여 외부 질의 정보를 생성하는 처리 S133을 수행할 수 있다. 즉, 기업의 영업 비밀 정보, 고객의 개인 정보 및 장치 식별 정보와 같은 민감 정보가 외부로 노출되는 것을 방지하기 위해서, 연산 처리부(130)는 처리 S133을 통하여 민감 정보를 예컨대 삭제하는 방식으로 필터링하여 외부 질의 정보를 생성한다.
또는 도 6b를 참조하면, 연산 처리부(130)는 입력 정보에 포함된 민감 정보를 무의미 정보(meaningless information)로 대체하여 외부 질의 정보를 생성하는 처리 S136을 포함할 수 있다. 예컨대 고객의 사용자 ID를 "U11" 과 같은 무의미 정보로 대체하여 외부 질의 정보를 생성할 수 있다.
다음으로, 연산 처리부(130)는 외부 질의 정보를 하나 이상의 외부 인공 지능 시스템(300)으로 통신 인터페이스(110)를 통하여 각각 전송하는 처리 S140을 수행한다.
다음으로, 연산 처리부(130)는 하나 이상의 외부 인공 지능 시스템(300)으로부터 각각 전달되는 하나 이상의 제2 출력 정보를 통신 인터페이스(110)를 통하여 수신하는 처리 S150을 수행한다.
다음으로, 연산 처리부(130)는 제1 출력 정보와 하나 이상의 제2 출력 정보를 인공 지능 모델을 이용하여 비교하여 제3 출력 정보를 생성하는 처리 S160을 수행한다.
예컨대 입력 정보가 금융 거래 요청 정보인 경우, 제3 출력 정보는 금융 거래 요청 정보의 이상 또는 정상 여부에 대한 값, 이상 형태 분류에 대한 값 및 관련 태그, 이상 징후에 대한 값 및 예상 대응 조치에 대한 값과 같은 정보를 포함할 수 있다. 즉 예컨대 함수값을 가지는 제1 출력 정보와 마찬가지로 함수값을 가지는 하나 이상의 제2 출력 정보를 기초로 전산 시스템(200)으로 전송될 제3 출력 정보를 생성한다.
도 7a 및 도 7b는 제1 실시예에 따른 전용 인공 지능 시스템의 연산 처리부가 제3 출력 정보를 생성하는 처리를 보다 구체적으로 나타내는 도면이다.
도 7a를 참조하면, 연산 처리부(130)는 제1 출력 정보와 하나 이상의 제2 출력 정보 중에서 가장 빈도수가 높은 것을 기초로 제3 출력 정보를 생성하는 처리 S163을 수행할 수 있다. 즉 제1 출력 정보의 값과 하나 이상의 제2 출력 정보의 값들 중에서 가장 빈도수가 높은 것을 기초로 제3 출력 정보를 생성할 수 있다. 예컨대 전용 인공 지능 시스템(100)의 성능이 아직 기업의 업무 처리를 인공 지능을 통하여 처리하기에 적합한 일정 수준에 미치지 못하는 경우, 또는 전용 인공 지능 시스템(100) 및 하나 이상의 외부 인공 지능 시스템(300) 각각의 지능 수준이 아직 일정 수준에 미치지 못하는 경우, 연산 처리부(130)는 처리 S163을 수행할 수 있다. 연산 처리부(130)는 제1 출력 정보와 하나 이상의 제2 출력 정보 중에서 가장 빈도수가 높은 것, 즉 전용 인공 지능 시스템(100) 및 하나 이상의 외부 인공 지능 시스템(300)을 통하여 출력된 정보 전체 중에서 동일한 또는 유사한 값이 나온 빈도수가 가장 높은 정보를 기초로 제3 출력 정보를 생성할 수 있다.
또는 도 7b를 참조하면, 연산 처리부(130)는 제1 출력 정보와 하나 이상의 제2 출력 정보 중에서 인공 지능 모델에 의해서 결정되는 정확도가 가장 높은 것을 기초로 제3 출력 정보를 생성하는 처리 S166을 수행할 수 있다. 예컨대 전용 인공 지능 시스템(100)의 성능이 기업의 업무 처리를 인공 지능을 통하여 처리하기에 적합한 일정 수준 이상에 도달한 경우, 연산 처리부(130)는 처리 S166을 수행할 수 있다. 정확도는 인공 지능 모델에 의해서 결정되며, 인공 지능 모델의 학습이 진행됨에 따라서 갱신될 수 있다.
다시 도 3을 참조하면, 다음으로, 연산 처리부(130)는 제3 출력 정보를 전산 시스템(200)으로 통신 인터페이스(110)를 통하여 전송하는 처리 S170을 수행한다.
도 3을 참조하면, 연산 처리부(130)는 제1 출력 정보, 하나 이상의 제2 출력 정보 및 제3 출력 정보 중 적어도 하나를 기초로 인공 지능 모델을 학습시키는 처리 S180을 더 수행할 수 있다. 즉 연산 처리부(130)는 제1 출력 정보, 하나 이상의 제2 출력 정보 및 제3 출력 정보와 같은 다양한 정보를 이용하여 인공 지능 모델을 학습시킬 수 있다. 처리 S180을 통하여, 전용 인공 지능 시스템(100)의 인공 지능 모델의 학습 수준은 빠른 속도로 향상될 수 있다. 즉 전용 인공 지능 시스템(100)의 인공 지능 모델의 학습 속도를 높일 수 있다.
도 3을 참조하면, 연산 처리부(130)는 전산 시스템(200)으로부터 제3 출력 정보에 대한 응답 정보를 통신 인터페이스(110)를 통하여 수신하는 처리 S190 및 제1 출력 정보, 하나 이상의 제2 출력 정보, 제3 출력 정보 및 응답 정보 중 적어도 하나를 기초로 인공 지능 모델을 학습시키는 처리 S200을 더 수행할 수 있다.
연산 처리부(130)는 응답 정보를 수신하면, 제3 출력 정보에 따른 결정이 정확한지를 확인할 수 있다. 예컨대 입력 정보가 금융 거래 요청 정보인 경우, 연산 처리부(130)가 제3 출력 정보로서 금융 거래 요청 정보가 정상이라고 판단한 내용을 전산 시스템(200)으로 전송하였으나, 실제 업무 담당자의 판단 또는 실제 금융 거래 결과는 이상일 수 있다.
연산 처리부(130)가 이러한 실제 응답 정보를 반영하여 인공 지능 모델을 학습시키는 처리 S200을 수행하는 것에 의해서, 전용 인공 지능 시스템(100)의 인공 지능 모델의 학습 수준은 빠른 속도로 향상될 수 있다. 또한, 응답 정보는 전용 인공 지능 시스템(100)에게만 제공되며 하나 이상의 외부 인공 지능 시스템(300)에게는 제공되지 않는다. 따라서 전용 인공 지능 시스템(100)의 인공 지능 모델의 학습 수준은 하나 이상의 외부 인공 지능 시스템(300)의 인공 지능 모델의 학습 수준보다 더 빠르게 향상될 수 있다. 즉 전용 인공 지능 시스템(100)의 인공 지능 모델의 학습 속도를 하나 이상의 외부 인공 지능 시스템(300)에 비해서 높일 수 있다.
<제2 실시예>
도 8은 본원에서 설명되는 기술의 제2 실시예에 따른 전용 인공 지능 시스템의 예시적인 구성을 나타내는 도면이고, 도 9는 본원에서 설명되는 기술의 제2 실시예에 따른 전용 인공 지능 시스템을 포함하는 시스템 환경의 예시적인 구성을 나타내는 도면이다. 이하 제2 실시예와 제1 실시예의 차이점을 위주로 제2 실시예를 설명한다.
도 8 및 도 9를 참조하면, 제2 실시예에 따른 전용 인공 지능 시스템(100')은 인터페이스 장치(170)를 더 포함하는 점에서, 제1 실시예에 따른 전용 인공 지능 시스템(100)과 차이가 있다. 인터페이스 장치(170)는 통신부(110)에 연결된다. 인터페이스 장치(170)는 예컨대 통신 칩, 메모리 및 CPU를 포함하는 컴퓨팅 장치에 의해서 구현될 수 있다.
제2 실시예에 따른 전용 인공 지능 시스템(100')에서, 연산 처리부(130)는 통신 인터페이스(110) 및 인터페이스 장치(170)를 통하여 하나 이상의 외부 인공 지능 시스템(300)과 연결된다. 전용 인공 지능 시스템(100')과 하나 이상의 외부 인공 지능 시스템(300)은 제1 실시예와 마찬가지로 방화벽(400)과 같은 보안 구성을 통하여 연결되는 것이 바람직하다.
도 10은 본원에서 설명되는 기술의 제2 실시예에 따른 인터페이스 장치가 수행하는 처리를 예시적으로 나타내는 도면이다.
도 10을 참조하면, 인터페이스 장치(170)는 연산 처리부(130)로부터 통신 인터페이스(110)를 통하여 전달되는 외부 질의 정보를 하나 이상의 외부 인공 지능 시스템(300)으로 각각 전송하고, 하나 이상의 외부 인공 지능 시스템(300)으로부터 하나 이상의 제2 출력 정보를 각각 수신하고 통신 인터페이스(110)를 통하여 연산 처리부(130)로 전송하는 처리 S210을 수행한다.
인터페이스 장치(170)에 의해서, 전용 인공 지능 시스템(100')과 하나 이상의 외부 인공 지능 시스템(300)은 간접적으로 접속된다. 따라서, 전용 인공 지능 시스템(100')으로부터 민감 정보가 노출될 수 있는 확률을 보다 더 줄일 수 있다. 바람직하게는, 인터페이스 장치(170) 역시 방화벽(400)을 통하여 하나 이상의 외부 인공 지능 시스템(300)과 접속될 수 있다.
도 10을 참조하면, 인터페이스 장치(170)는 하나 이상의 제2 출력 정보를 기초로 하나 이상의 외부 인공 지능 시스템(300)의 성능에 대한 통계 정보를 생성하는 처리 S220을 수행할 수 있다. 통계 정보는, 하나 이상의 외부 인공 지능 시스템(300) 각각이 하나 이상의 제2 출력 정보 중 대응되는 제2 출력 정보를 제공하는 속도 및 대응되는 제2 출력 정보의 데이터 크기 중 적어도 하나를 포함할 수 있다. 전술한 바와 같이, 인터페이스 장치(170) 역시 컴퓨팅 장치에 의해서 구현될 수 있으므로, 하나 이상의 제2 출력 정보를 기초로 하나 이상의 외부 인공 지능 시스템(300)의 성능에 대한 통계 정보를 생성하는 처리 S220을 수행할 수 있다. 인터페이스 장치(170)가 생성하는 통계 정보를 기초로, 전용 인공 지능 시스템(100')은 하나 이상의 외부 인공 지능 시스템(300) 각각을 평가할 수 있다.
<다른 실시예>
비록 본원에서 설명되는 기술의 실시예가 구체적으로 설명되었지만 이는 단지 본원에서 설명되는 기술을 예시적으로 설명한 것에 불과한 것으로, 본원에서 설명되는 기술이 속하는 기술 분야에서 통상의 지식을 가지는 자라면 본원에서 설명되는 기술의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 변형이 가능할 것이다.
따라서 본 명세서에 설명된 실시예들은 본원에서 설명되는 기술을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본원에서 설명되는 기술의 사상과 범위가 한정되는 것은 아니다. 본원에서 설명되는 기술의 권리 범위는 아래의 청구범위에 의해 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술은 본원에서 설명되는 기술의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
본원에서 설명되는 기술에 따르면, 보안성을 강화하면서도 외부 인공 지능 시스템의 출력 정보를 이용하여 학습 속도를 높일 수 있는 전용 인공 지능 시스템을 제공할 수 있다.
100, 100': 전용 인공 지능 시스템 110: 통신 인터페이스
130: 연산 처리부 150: 데이터 저장소
170: 인터페이스 장치 200: 전산 시스템
300: 외부 인공 지능 시스템 400: 방화벽

Claims (15)

  1. 기업의 업무 처리를 수행하는 전산 시스템과 연결되는 전용 인공 지능 시스템으로서,
    통신 인터페이스; 및
    상기 통신 인터페이스와 연결되는 연산 처리부
    를 포함하고,
    상기 연산 처리부는, (a) 상기 전산 시스템으로부터 전송되는 입력 정보를 상기 통신 인터페이스를 통하여 수신하는 처리; (b) 인공 지능 모델을 이용하여 상기 입력 정보로부터 제1 출력 정보를 생성하는 처리; (c) 상기 입력 정보를 기초로 외부 질의 정보를 생성하는 처리; (d) 상기 외부 질의 정보를 하나 이상의 외부 인공 지능 시스템으로 상기 통신 인터페이스를 통하여 각각 전송하는 처리; (e) 상기 하나 이상의 외부 인공 지능 시스템으로부터 각각 전달되는 하나 이상의 제2 출력 정보를 상기 통신 인터페이스를 통하여 수신하는 처리; (f) 상기 제1 출력 정보와 상기 하나 이상의 제2 출력 정보를 상기 인공 지능 모델을 이용하여 비교하여 제3 출력 정보를 생성하는 처리; 및 (g) 상기 제3 출력 정보를 상기 전산 시스템으로 상기 통신 인터페이스를 통하여 전송하는 처리를 수행하는 것이고,
    상기 처리 (f)는, (f-1) 상기 제1 출력 정보와 상기 하나 이상의 제2 출력 정보 중에서 가장 빈도수가 높은 것을 기초로 상기 제3 출력 정보를 생성하는 처리; 및 (f-2) 상기 제1 출력 정보와 상기 하나 이상의 제2 출력 정보 중에서 상기 인공 지능 모델에 의해서 결정되는 정확도가 가장 높은 것을 기초로 상기 제3 출력 정보를 생성하는 처리 중 적어도 하나를 포함하는 것인 전용 인공 지능 시스템.
  2. 제1항에 있어서,
    상기 연산 처리부는, (h) 상기 제1 출력 정보, 상기 하나 이상의 제2 출력 정보 및 상기 제3 출력 정보 중 적어도 하나를 기초로 상기 인공 지능 모델을 학습시키는 처리를 더 수행하는 것인 전용 인공 지능 시스템.
  3. 제1항에 있어서,
    상기 연산 처리부는,
    (i) 상기 전산 시스템으로부터 상기 제3 출력 정보에 대한 응답 정보를 상기 통신 인터페이스를 통하여 수신하는 처리; 및
    (j) 상기 제1 출력 정보, 상기 하나 이상의 제2 출력 정보, 상기 제3 출력 정보 및 상기 응답 정보 중 적어도 하나를 기초로 상기 인공 지능 모델을 학습시키는 처리
    를 더 수행하는 것인 전용 인공 지능 시스템.
  4. 제1항에 있어서,
    상기 처리 (b)는,
    (b-1) 상기 인공 지능 모델을 기초로 상기 입력 정보로부터 제1 요소 정보(element information) 내지 제n 요소 정보(n은 2이상의 자연수)를 추출하는 처리;
    (b-2) 상기 제1 요소 정보 내지 상기 제n 요소 정보 각각에 대해서 제1 가중치 내지 제n 가중치를 부여하는 처리;
    (b-3) 전이 함수(transfer function)를 이용하여 상기 제1 요소 정보 내지 상기 제n 요소 정보, 상기 제1 가중치 내지 상기 제n 가중치를 연산하여 함수값을 생성하는 처리;
    (b-4) 활성 함수(activation function)를 이용하여 상기 함수값의 엔트로피값을 추출하는 처리;
    (b-5) 상기 엔트로피값이 미리 지정된 범위 이내로 될 때까지 상기 제1 가중치 내지 상기 제n 가중치를 조정하여 상기 처리 (b-3) 및 상기 처리 (b-4)를 반복 수행하는 처리; 및
    (b-6) 상기 처리 (b-5) 이후에 상기 함수값을 상기 제1 출력 정보로 지정하는 처리
    를 포함하는 것인 전용 인공 지능 시스템.
  5. 제4항에 있어서,
    상기 처리 (b)는, (b-7) 상기 처리 (b-5) 이후에 상기 제1 가중치 내지 상기 제n 가중치를 저장하는 처리
    를 더 포함하는 것인 전용 인공 지능 시스템.
  6. 제1항에 있어서,
    상기 처리 (c)는, (c-1) 상기 입력 정보에 포함된 민감 정보(sensitive information)를 필터링하여 상기 외부 질의 정보를 생성하는 처리를 포함하는 것인 전용 인공 지능 시스템.
  7. 제1항에 있어서,
    상기 처리 (c)는, (c-2) 상기 입력 정보에 포함된 민감 정보를 무의미 정보(meaningless information)로 대체하여 상기 외부 질의 정보를 생성하는 처리를 포함하는 것인 전용 인공 지능 시스템.
  8. 삭제
  9. 삭제
  10. 제1항에 있어서,
    상기 연산 처리부는 직접 연결되거나 통신망을 통하여 연결되는 하나 이상의 프로세서를 포함하는 것인 전용 인공 지능 시스템.
  11. 제1항에 있어서,
    상기 인공 지능 모델을 저장하는 데이터 저장소
    를 더 포함하는 것인 전용 인공 지능 시스템.
  12. 제1항에 있어서,
    상기 통신 인터페이스와 연결되며, 상기 연산 처리부로부터 상기 통신 인터페이스를 통하여 전달되는 상기 외부 질의 정보를 상기 하나 이상의 외부 인공 지능 시스템으로 각각 전송하고, 상기 하나 이상의 외부 인공 지능 시스템으로부터 상기 하나 이상의 제2 출력 정보를 각각 수신하고 상기 통신 인터페이스를 통하여 상기 연산 처리부로 전송하는 인터페이스 장치
    를 더 포함하는 전용 인공 지능 시스템.
  13. 제12항에 있어서,
    상기 인터페이스 장치는, 상기 하나 이상의 제2 출력 정보를 기초로 상기 하나 이상의 외부 인공 지능 시스템의 성능에 대한 통계 정보를 생성하는 것인 전용 인공 지능 시스템.
  14. 제13항에 있어서,
    상기 통계 정보는, 상기 하나 이상의 외부 인공 지능 시스템 각각이 상기 하나 이상의 제2 출력 정보 중 대응되는 제2 출력 정보를 제공하는 속도 및 상기 대응되는 제2 출력 정보의 데이터 크기 중 적어도 하나를 포함하는 것인 전용 인공 지능 시스템.
  15. 제12항에 있어서,
    상기 인터페이스 장치는 방화벽을 통하여 상기 하나 이상의 외부 인공 지능 시스템과 접속되는 것인 전용 인공 지능 시스템.
KR1020190170334A 2019-12-19 2019-12-19 전용 인공 지능 시스템 KR102118588B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020190170334A KR102118588B1 (ko) 2019-12-19 2019-12-19 전용 인공 지능 시스템
PCT/KR2020/013457 WO2021125517A1 (ko) 2019-12-19 2020-10-05 전용 인공 지능 시스템
US17/497,752 US20220027793A1 (en) 2019-12-19 2021-10-08 Dedicated artificial intelligence system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190170334A KR102118588B1 (ko) 2019-12-19 2019-12-19 전용 인공 지능 시스템

Publications (1)

Publication Number Publication Date
KR102118588B1 true KR102118588B1 (ko) 2020-06-03

Family

ID=71088008

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190170334A KR102118588B1 (ko) 2019-12-19 2019-12-19 전용 인공 지능 시스템

Country Status (3)

Country Link
US (1) US20220027793A1 (ko)
KR (1) KR102118588B1 (ko)
WO (1) WO2021125517A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021125517A1 (ko) * 2019-12-19 2021-06-24 주식회사 유니온플레이스 전용 인공 지능 시스템

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112444858B (zh) * 2020-12-09 2022-03-22 中国科学院地质与地球物理研究所 基于边云协同的地震实时监测ai计算方法、装置及介质
US20230214276A1 (en) * 2022-01-04 2023-07-06 International Business Machines Corporation Artificial Intelligence Model Management

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180015640A (ko) * 2015-05-04 2018-02-13 사이드 캄란 하산 컴퓨터 네트워크에서의 보안 관리를 위한 방법 및 장치
KR20180056756A (ko) * 2015-09-24 2018-05-29 서케이든스 코퍼레이션 임무 기반의 게임-실행형 사이버 교육 시스템 및 방법
KR20190006901A (ko) * 2017-07-11 2019-01-21 더 보잉 컴파니 적응형 기계 학습 피처들을 가진 사이버 보안 시스템
KR20190106861A (ko) 2019-08-27 2019-09-18 엘지전자 주식회사 학습 데이터를 생성하는 인공 지능 장치, 인공 지능 서버 및 그 방법
KR20190107626A (ko) 2019-07-11 2019-09-20 엘지전자 주식회사 인공지능 서버
KR20190110500A (ko) 2019-08-08 2019-09-30 엘지전자 주식회사 인공지능 서버

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11436520B2 (en) * 2017-03-07 2022-09-06 Cylance Inc. Redaction of artificial intelligence training documents
KR20190118332A (ko) * 2018-04-10 2019-10-18 삼성전자주식회사 전자 장치 및 그 제어 방법
KR102118588B1 (ko) * 2019-12-19 2020-06-03 주식회사 유니온플레이스 전용 인공 지능 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180015640A (ko) * 2015-05-04 2018-02-13 사이드 캄란 하산 컴퓨터 네트워크에서의 보안 관리를 위한 방법 및 장치
KR20180056756A (ko) * 2015-09-24 2018-05-29 서케이든스 코퍼레이션 임무 기반의 게임-실행형 사이버 교육 시스템 및 방법
KR20190006901A (ko) * 2017-07-11 2019-01-21 더 보잉 컴파니 적응형 기계 학습 피처들을 가진 사이버 보안 시스템
KR20190107626A (ko) 2019-07-11 2019-09-20 엘지전자 주식회사 인공지능 서버
KR20190110500A (ko) 2019-08-08 2019-09-30 엘지전자 주식회사 인공지능 서버
KR20190106861A (ko) 2019-08-27 2019-09-18 엘지전자 주식회사 학습 데이터를 생성하는 인공 지능 장치, 인공 지능 서버 및 그 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021125517A1 (ko) * 2019-12-19 2021-06-24 주식회사 유니온플레이스 전용 인공 지능 시스템

Also Published As

Publication number Publication date
WO2021125517A1 (ko) 2021-06-24
US20220027793A1 (en) 2022-01-27

Similar Documents

Publication Publication Date Title
US20230013306A1 (en) Sensitive Data Classification
Sommer et al. Towards probabilistic verification of machine unlearning
KR102118588B1 (ko) 전용 인공 지능 시스템
US20210157666A1 (en) Determining server error types
Idris et al. Hybrid email spam detection model with negative selection algorithm and differential evolution
Wang et al. Against membership inference attack: Pruning is all you need
US10291559B1 (en) Systems and method for communications routing based on electronic communication data
US10805305B2 (en) Detection of operational threats using artificial intelligence
WO2020197747A1 (en) Cloud security using security alert feedback
Einy et al. Network intrusion detection system based on the combination of multiobjective particle swarm algorithm-based feature selection and fast-learning network
US10726123B1 (en) Real-time detection and prevention of malicious activity
US20230252416A1 (en) Apparatuses and methods for linking action data to an immutable sequential listing identifier of a user
Museba et al. Recurrent adaptive classifier ensemble for handling recurring concept drifts
US20230046813A1 (en) Selecting communication schemes based on machine learning model predictions
US11551121B2 (en) Methods and systems for privacy preserving inference generation in a distributed computing environment
US20220094699A1 (en) Detection of operational threats using artificial intelligence
US11861003B1 (en) Fraudulent user identifier detection using machine learning models
US10990762B2 (en) Chat analysis using machine learning
US20230252185A1 (en) Apparatuses and methods for revealing user identifiers on an immutable sequential listing
US20220147654A1 (en) Data anonymization
WO2019143360A1 (en) Data security using graph communities
Saranya et al. On viability of detecting malwares online using ensemble classification method with performance metrics
US11763000B1 (en) Malware detection using federated learning
US20230403293A1 (en) Systems and methods for risk aware outbound communication scanning
US11971900B2 (en) Rule-based data transformation using edge computing architecture

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant