KR102131922B1 - 복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스 - Google Patents

복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스 Download PDF

Info

Publication number
KR102131922B1
KR102131922B1 KR1020180102178A KR20180102178A KR102131922B1 KR 102131922 B1 KR102131922 B1 KR 102131922B1 KR 1020180102178 A KR1020180102178 A KR 1020180102178A KR 20180102178 A KR20180102178 A KR 20180102178A KR 102131922 B1 KR102131922 B1 KR 102131922B1
Authority
KR
South Korea
Prior art keywords
data
coefficient
normal
probability
peripheral devices
Prior art date
Application number
KR1020180102178A
Other languages
English (en)
Other versions
KR20200025196A (ko
Inventor
박상천
정은정
김성륜
Original Assignee
국방과학연구소
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 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020180102178A priority Critical patent/KR102131922B1/ko
Priority to CN201980002304.2A priority patent/CN111108712B/zh
Priority to US16/605,497 priority patent/US11362905B2/en
Priority to PCT/KR2019/005391 priority patent/WO2020045791A1/ko
Priority to JP2019555183A priority patent/JP6936871B2/ja
Publication of KR20200025196A publication Critical patent/KR20200025196A/ko
Application granted granted Critical
Publication of KR102131922B1 publication Critical patent/KR102131922B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
    • H04L1/203—Details of error rate determination, e.g. BER, FER or WER
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y30/00—IoT infrastructure
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
    • H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Computer And Data Communications (AREA)

Abstract

본 발명은 복수의 주변 디바이스로부터 정상 데이터를 수신하는 확률을 높일 수 있는 데이터 수신 방법 및 그 디바이스에 관한 것이다.
본 발명의 일 실시예에 따른 디바이스의 데이터 수신 방법은 복수의 주변 디바이스 중 어느 하나의 주변 디바이스로부터 현재 데이터를 수신하는 단계, 상기 수신한 현재 데이터가 정상 데이터인지 여부를 판단하는 단계, 상기 판단 결과에 따라 다음 데이터가 정상 데이터일 확률을 산출하는 단계, 및 상기 산출된 확률에 따라 상기 다음 데이터에 대한 수신 여부를 결정하는 단계를 포함할 수 있으며, 이때 상기 다음 데이터는 상기 어느 하나의 주변 디바이스 또는 다른 어느 하나의 주변 디바이스가 송신한 데이터일 수 있다.

Description

복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스{Method and device for receiving data from a plurality of peripheral devices}
본 발명은 데이터를 수신하는 방법에 관한 것으로서, 보다 상세하게는 복수의 주변 디바이스로부터 정상 데이터를 수신하는 확률을 높이기 위한 데이터 수신 방법에 관한 것이다.
사물인터넷(internet of things, IoT)은 디바이스에 센서와 통신 기능을 내장하여 인터넷에 연결하는 기술로서, 무선 통신을 통해 복수의 디바이스들을 연결하는 기술을 의미한다.
사물인터넷의 적용 대상은, 그 명칭에서 알 수 있듯이, 모든 사물이다. 다만, 모바일 디바이스 등과 같이 독립된 전원으로 동작하는 디바이스들의 경우 자원이 제한될 수 있으며, 이러한 디바이스들을 대상으로 하는 사물네트워크 환경에서는 컴퓨팅 파워, 메모리 용량, 배터리 파워 등의 다양한 환경적 특수성이 고려되어야 한다.
한편, 사물인터넷 환경에서 복수의 디바이스들 간의 데이터 송수신 과정에서 비정상 데이터가 확산될 수 있다. 이를 방지하기 위해 종래에는 단위 시간마다 신뢰도 정보를 업데이트하고 이를 서로 교환해야 했다. 이러한 종래 방식의 경우 디바이스의 개수가 증가할수록 신뢰도 정보를 교환하는 데 소요되는 시간 및 소요되는 자원이 증가하게 된다.
한국 공개특허공보 제10-2017-0120291호
본 발명은 복수의 디바이스들 간에 비정상 데이터가 확산되는 것을 방지하기 위한 방법을 제공하고자 한다.
또한 본 발명은 주변 디바이스들의 개수가 증가하더라도, 디바이스에서 소요되는 자원을 최소화하며 주변 디바이스들로부터 비정상 데이터가 유입되는 것을 방지할 수 있는 방법을 제공하고자 한다.
또한 본 발명은 주변 디바이스들로부터 데이터를 수용하기 전, 사전에 예방적으로 비정상 데이터가 유입되는 것을 방지할 수 있는 방법을 제공하고자 한다.
본 발명의 과제들은 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상술한 기술적 과제를 해결하기 위한 수단으로서, 복수의 주변 디바이스로부터 데이터를 수신하는 디바이스에 있어서, 상기 복수의 주변 디바이스 중 어느 하나의 주변 디바이스로부터 현재 데이터를 수신하는 데이터 수신부; 상기 수신한 현재 데이터가 정상 데이터인지 여부를 판단하는 데이터 판단부; 상기 판단 결과에 따라 다음 데이터가 정상 데이터일 확률을 산출하는 데이터 예측부; 및 상기 산출된 확률에 따라 상기 다음 데이터에 대한 수신 여부를 결정하는 데이터 수신 결정부를 포함하고, 상기 다음 데이터는 상기 어느 하나의 주변 디바이스 또는 다른 어느 하나의 주변 디바이스가 송신한 데이터일 수 있다..
상기 데이터 판단부는, 상기 현재 데이터와 기존에 수신한 데이터를 비교하여 상기 현재 데이터가 정상 데이터인지 여부를 판단할 수 있다.
상기 데이터 판단부는, 상기 현재 데이터가 복구가 요구되는 손상된 데이터인 경우 비정상 데이터로 판단할 수 있다.
상기 데이터 예측부는, 하기 수학식에 의해 상기 다음 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00001
을 산출하고,
(수학식)
Figure 112018085924270-pat00002
상기
Figure 112018085924270-pat00003
는 상기 현재 데이터가 정상 데이터일 확률, 상기
Figure 112018085924270-pat00004
은 상기
Figure 112018085924270-pat00005
에 대한 상기
Figure 112018085924270-pat00006
의 증가율을 조정하기 위한 제1 계수, 상기
Figure 112018085924270-pat00007
은 상기
Figure 112018085924270-pat00008
에 대한 상기
Figure 112018085924270-pat00009
의 감소율을 조정하기 위한 제2 계수, 상기 a는 상기 데이터 판단부에서 상기 현재 데이터를 정상 데이터로 판단하면 1, 비정상 데이터로 판단하면 0의 값을 갖는 제3 계수이다.
상기 제1 계수(
Figure 112018085924270-pat00010
)는 양의 값, 상기 제2 계수(
Figure 112018085924270-pat00011
)는 음의 값을 갖는 상수일 수 있다.
상기 제1 계수(
Figure 112018085924270-pat00012
)는 상기 복수의 주변 디바이스로부터 정상 데이터를 수신한 경우 보상이 부여되는 학습에 따라, 상기 보상이 최대화되도록 선정된 값일 수 있다.
상기 데이터 수신 결정부는, 상기 산출된 확률이 기준값 이상의 값을 갖는 경우 상기 다음 데이터를 수신하도록 결정하고, 그 외의 경우 상기 다음 데이터를 수신하지 않도록 결정하고, 상기 기준값은 상기 데이터 수신 결정부가 상기 다음 데이터에 대한 수신 여부를 결정할 때마다 0이상 1이하의 범위에서 랜덤으로 생성되는 값일 수 있다.
상기 데이터 예측부는, 상기 데이터 수신 결정부에서 상기 다음 데이터를 수신하지 않도록 결정한 경우, 다다음 데이터가 정상 데이터일 확률을 상기 다음 데이터가 정상 데이터일 확률과 동일하게 설정할 수 있다.
상기 데이터 수신부는 상기 복수의 주변 디바이스와 직접 통신을 수행할 수 있다.
상기 복수의 주변 디바이스와 사물인터넷 환경에서 통신을 수행할 수 있다.
상술한 기술적 과제를 해결하기 위한 수단으로서, 디바이스의 데이터 수신 방법에 있어서, 복수의 주변 디바이스 중 어느 하나의 주변 디바이스로부터 현재 데이터를 수신하는 단계; 상기 수신한 현재 데이터가 정상 데이터인지 여부를 판단하는 단계; 상기 판단 결과에 따라 다음 데이터가 정상 데이터일 확률을 산출하는 단계; 및 상기 산출된 확률에 따라 상기 다음 데이터에 대한 수신 여부를 결정하는 단계를 포함하고, 상기 다음 데이터는 상기 어느 하나의 주변 디바이스 또는 다른 어느 하나의 주변 디바이스가 송신한 데이터인, 데이터 수신 방법.
상기 다음 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00013
은 하기 수학식에 의해 산출되고,
(수학식)
Figure 112018085924270-pat00014
상기
Figure 112018085924270-pat00015
는 상기 현재 데이터가 정상 데이터일 확률, 상기
Figure 112018085924270-pat00016
은 상기
Figure 112018085924270-pat00017
에 대한 상기
Figure 112018085924270-pat00018
의 증가율을 조정하기 위한 제1 계수, 상기
Figure 112018085924270-pat00019
은 상기
Figure 112018085924270-pat00020
에 대한 상기
Figure 112018085924270-pat00021
의 감소율을 조정하기 위한 제2 계수, 상기 a는 상기 현재 데이터가 정상 데이터로 판단되면 1, 비정상 데이터로 판단되면 0의 값을 갖는 제3 계수이다.
상기 복수의 주변 디바이스로부터 정상 데이터를 수신한 경우 보상을 부여하는 학습을 수행하여 상기 제1 계수(
Figure 112018085924270-pat00022
)를 산출하는 단계를 더 포함할 수 있다.
상기 제1 계수(
Figure 112018085924270-pat00023
)를 산출하는 단계는, 상기 제1 계수(
Figure 112018085924270-pat00024
)의 값을 설정하는 제1 단계; 상기 설정된 제1 계수(
Figure 112018085924270-pat00025
)에 대하여, 복수의 주변 디바이스로부터 순차적으로 데이터를 수신하며, 수신한 데이터가 정상 데이터이면 보상(reward)을 부여하고, 수신한 데이터가 비정상 데이터이면 패널티(penalty)를 부여하는 에피소드를 수행하는 제2 단계; 상기 보상과 상기 패널티를 종합하여 점수를 산출하는 제3 단계; 상기 제1 단계 내지 상기 제3 단계를 복수 회 반복하는 제4 단계; 및 상기 복수 회 중 상기 에피소드에 대한 최적의 점수가 산출된 회에서 설정된 상기 제1 계수(
Figure 112018085924270-pat00026
)의 값을 출력하는 제5 단계를 포함할 수 있다.
상기 디바이스는 상기 복수의 주변 디바이스와 사물인터넷 환경에서 직접 통신을 수행할 수 있다.
본 발명에 따르면, 다음 데이터가 정상 데이터일 확률에 따라 다음 데이터를 선택적으로 수신하도록 하며, 무조건적으로 다음 데이터를 수신하는 것을 전제하지 않는다. 따라서 비정상 데이터가 디바이스로 유입되어 확산되는 것을 예방할 수 있다.
또한 본 발명에 따르면, 기준 디바이스와 어느 하나의 주변 디바이스 간에 일대일로 데이터 수신 여부를 결정하지 않고, 기준 디바이스가 복수의 주변 디바이스들로부터 송신되는 데이터를 수신할지 여부를 결정한다. 따라서 주변 디바이스의 개수가 증가하더라도 데이터 수신 여부를 결정하기 위해 소요되는 자원은 일정하게 유지될 수 있다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.
도 1은 일 실시예에 따른 데이터 수신 방법의 적용 대상이 되는 복수의 디바이스들을 나타낸다.
도 2는 일 실시예에 따른 기준 디바이스 및 복수의 주변 디바이스들을 나타낸다.
도 3 및 도 4는 일 실시예에 따른 기준 디바이스의 구성을 나타낸다.
도 5 및 도 6은 일 실시예에 따른 데이터 수신 방법을 나타낸다.
도 7은
Figure 112018085924270-pat00027
을 학습시키기 위한 방법의 일 실시예를 나타낸다.
도 8은
Figure 112018085924270-pat00028
의 그래프 개형의 일 실시예를 나타낸다.
이하 첨부된 도면을 참조하면서 오로지 예시를 위한 실시예들을 상세히 설명하기로 한다. 하기 설명은 실시예들을 구체화하기 위한 것일 뿐 발명의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 상세한 설명 및 실시예로부터 당해 기술분야의 전문가가 용이하게 유추할 수 있는 것은 권리범위에 속하는 것으로 해석된다.
본 명세서에서 사용되는 '구성된다' 또는 '포함한다' 등의 용어는 명세서 상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
도 1은 일 실시예에 따른 데이터 수신 방법의 적용 대상이 되는 복수의 디바이스들을 나타낸다.
복수의 디바이스들(100)은 서로 인터넷 통신이 가능한 디바이스들로, 가전 기기, 자동차, 스마트 폰 등과 같은 다양한 디바이스들로 구성될 수 있다. 즉, 복수의 디바이스들(100)은 사물인터넷이 접목된 디바이스들일 수 있다.
복수의 디바이스들(100)은 서버 또는 라우터 없이 직접 통신을 통해 서로 데이터를 주고 받을 수 있다. 복수의 디바이스들(100)은 유/무선 통신방식을 이용할 수 있으며, 예를 들어 Wi-Fi, 블루투스(bluetooth), wireless personal area networks(WPAN), long term evolution(LTE), 이더넷(ethernet), ZigBee, Z-Wave 등의 통신방식을 이용할 수 있다.
도 2는 일 실시예에 따른 기준 디바이스 및 복수의 주변 디바이스들을 나타낸다. 도 3 및 도 4는 일 실시예에 따른 기준 디바이스의 구성을 나타낸다. 도 5 및 도 6은 일 실시예에 따른 데이터 수신 방법을 나타낸다. 이하에서는 도 2 내지 도 6을 함께 참조하여 기준 디바이스의 구성 및 데이터 수신 방법을 설명한다.
본 발명의 일 실시예에 따른 데이터 수신 방법을 설명하기 위해, 기준 디바이스(200)가 두 개의 주변 디바이스들(300, 400)로부터 데이터를 수신하는 경우로 가정한다. 이는 설명의 편의를 위할 뿐, 주변 디바이스들의 개수를 제한하는 것은 아니며, 주변 디바이스들은 가정과 달리 3개 이상의 디바이스들로 구성될 수 있다. 또한 설명의 편의를 위해 임의의 디바이스를 기준 디바이스(200)로 선정하여 데이터 수신 방법을 설명하고자 하는 것이며, 이하에서 설명하는 디바이스의 구성 및 데이터 수신 방법은 기준 디바이스(200)뿐만 아니라 복수의 주변 디바이스들에도 적용될 수 있다.
먼저 기준 디바이스의 구성에 대해 설명하면, 기준 디바이스(200)는 데이터 수신부(210), 데이터 판단부(220), 데이터 예측부(230), 및 데이터 수신 결정부(240)를 포함할 수 있다.
데이터 수신부(210)는 주변 디바이스들(300, 400)로부터 데이터를 수신하는 기능을 수행할 수 있다. 데이터 수신부(210)는 데이터 수신 결정부(240)에 의해 데이터를 수신하기로 결정된 경우, 이를 트리거(trigger)로 하여 주변 디바이스들(300, 400)로부터 데이터를 수신할 수 있다.
주변 디바이스들(300, 400) 중 어느 하나의 주변 디바이스(300)만 데이터를 송신한 경우, 데이터 수신부(210)는 해당 데이터를 수신할 수 있다. 또는 주변 디바이스들(300, 400) 모두가 데이터를 동시에 송신한 경우, 데이터 수신부(210)는 그 중 어느 하나를 선택하여 수신할 수 있다.
데이터 판단부(220)는 데이터 수신부(210)를 통해 수신한 현재 데이터가 정상 데이터인지 여부를 판단할 수 있다.
데이터 판단부(220)는 기존에 수집한 데이터와 수신한 현재 데이터를 비교하여, 수신한 현재 데이터가 기존에 수집한 데이터의 패턴과 어긋나는 경우 비정상 데이터로 판단할 수 있다. 기존에 수집한 데이터와 비교를 위한 패턴에는 데이터에 포함된 값, 데이터 수신 빈도 등이 사용될 수 있다.
또는 데이터 판단부(220)는 수신한 데이터가 손상된 데이터인 경우 비정상 데이터로 판단할 수 있다. 이때, 손상된 데이터라 함은 이용할 수 없을 정도로 손상되어 복구가 요구되는 데이터를 의미할 수 있다.
데이터 예측부(230)는 데이터 판단부(220)에서 판단한 결과를 토대로 다음 데이터가 정상 데이터일 확률을 예측할 수 있다. 이때, 다음 데이터는 현재 데이터 이후에 현재 데이터를 송신한 주변 디바이스로부터 송신된 데이터이거나, 또는 다른 주변 디바이스로부터 송신된 데이터일 수 있다.
즉, 다음 데이터는 복수의 주변 디바이스로부터 송신되는 모든 데이터를 대상으로 하므로, 기준 디바이스가 어느 하나의 주변 디바이스와 일대일로 데이터 수신 여부를 결정하지 않고, 복수의 주변 디바이스들을 대상으로 데이터를 수신할지 여부를 결정할 수 있다. 따라서 주변 디바이스의 개수가 증가하더라도 데이터 수신 여부를 결정하기 위해 소요되는 자원은 일정하게 유지될 수 있다.
다음 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00029
은 아래의 수학식 1을 통해 계산될 수 있다.
(수학식 1)
Figure 112018085924270-pat00030
여기서
Figure 112018085924270-pat00031
는 수신한 현재 데이터가 정상 데이터일 확률로, 데이터 예측부(230)에 의해 현재 데이터를 수신하기 이전에, 이전 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00032
를 토대로 산출된 확률을 나타낸다.
Figure 112018085924270-pat00033
은
Figure 112018085924270-pat00034
에 대한
Figure 112018085924270-pat00035
의 증가율을 조정하기 위한 계수를 나타낸다.
Figure 112018085924270-pat00036
은 증가율을 나타내므로 양의 값을 갖는 상수일 수 있다.
Figure 112018085924270-pat00037
은 임의의 상수로 설정될 수 있다. 또는 기준 디바이스(200)가 데이터 수신을 시작하기 전, 학습부(250)를 통해 사전에 학습을 수행하여 그 값이 결정될 수 있다.
Figure 112018085924270-pat00038
을 학습시키는 방법에 대해서는 도 7을 참조하여 후술한다.
Figure 112018085924270-pat00039
는
Figure 112018085924270-pat00040
에 대한
Figure 112018085924270-pat00041
의 감소율을 조정하기 위한 계수를 나타낸다.
Figure 112018085924270-pat00042
는 감소율을 나타내므로 음의 값을 갖는 상수일 수 있다. 또는
Figure 112018085924270-pat00043
과 마찬가지로 학습을 통해 결정되는 계수일 수 있다.
a는 데이터 판단부(220)에 의해 수신한 현재 데이터가 정상 데이터로 판단되면 1, 비정상 데이터로 판단되면 0의 값을 갖는 계수를 나타낸다.
데이터 예측부(230)는 이와 같이 데이터 판단부(220)에서 현재 데이터를 대상으로 판단한 결과를 토대로, 다음 데이터가 정상 데이터일 확률을 예측하게 된다. 만약 데이터 수신 결정부(240)에서 다음 데이터를 수신하지 않기로 결정한 경우, 데이터 예측부(230)는 다다음 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00044
을 임의의 값으로 설정하거나 또는 다음 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00045
로 설정할 수 있다.
데이터 수신 결정부(240)는 데이터 예측부(230)에 의해 산출된 다음 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00046
을 토대로, 다음 데이터를 수신할지 여부를 결정할 수 있다.
이를 위해, 데이터 수신 결정부(240)는 산출된
Figure 112018085924270-pat00047
의 값과 기준값을 비교하여,
Figure 112018085924270-pat00048
의 값이 기준값 이상인 경우 다음 데이터를 수신하도록, 그렇지 않은 경우 다음 데이터를 수신하지 않도록 결정할 수 있다.
여기서, 기준값은 0 이상 1 이하의 범위에서 랜덤으로 선정되는 값일 수 있다. 기준값을 랜덤으로 선정하는 방법에는 유니폼 랜덤 변수, 가우시안 랜덤 변수 등과 같은 다양한 랜덤 변수들이 이용될 수 있다.
이와 같이 데이터 수신 결정부(240)에서 결정한 결과에 따라 다음 데이터를 선택적으로 수신하므로, 무조건적으로 다음 데이터를 수신하지 않을 수 있다. 따라서 비정상 데이터가 디바이스로 유입되어 확산되는 것을 예방할 수 있다.
다음으로, 기준 디바이스(200)에서 주변 디바이스들(300, 400)로부터 데이터를 수신하는 방법에 대해 설명한다.
Figure 112018085924270-pat00049
이 임의에 상수로 설정되는 경우, 설정된
Figure 112018085924270-pat00050
을 이용하여 도 5에 도시된 방법에 따라 데이터 수신 여부가 결정될 수 있다.
또는 도 6에 도시된 것처럼, 데이터 수신 전에
Figure 112018085924270-pat00051
을 학습 알고리즘에 따라 설정한 뒤, 설정된
Figure 112018085924270-pat00052
을 이용하여 데이터 수신 여부를 결정할 수 있다. 도 5 및 도 6은
Figure 112018085924270-pat00053
을 학습시키는 단계를 포함하는지 여부만 다르므로, 이하에서는 도 6을 기준으로 데이터 수신 방법에 대해 설명한다.
먼저, 단계 10에서 학습부(250)가 본격적인 데이터 수신에 앞선 사전 작업으로
Figure 112018085924270-pat00054
을 학습시킬 수 있다.
Figure 112018085924270-pat00055
을 학습시키기 위해, 기준 디바이스(200)가 주변 디바이스들(300, 400)로부터 데이터를 수신하고, 정상 데이터를 수신한 경우 보상이 부여되는 에피소드를 수행할 수 있다. 이를 위한 학습 방법으로 Q-learning, deep Q-networks(DQN) 등과 같은 강화 학습(reinforcement learning)이 이용될 수 있다.
도 7은
Figure 112018085924270-pat00056
을 학습시키기 위한 방법의 일 실시예를 나타낸다. 단계 10을 보다 구체적으로 살펴보기 위해, 도 7을 함께 참조하여
Figure 112018085924270-pat00057
을 학습시키기 위한 방법을 살펴본다.
Figure 112018085924270-pat00058
을 학습시키기 위해서는 임의의 에피소드가 적용될 수 있다. 임의의 에피소드는 K개의 스테이트들(states)로 구성될 수 있으며, 각 스테이트에서는 주변 디바이스들(300, 400)의 특성을 고려하여, 주변 디바이스들(300, 400)이 임의로 정상 데이터 또는 비정상 데이터를 송신하도록 구성될 수 있다.
예를 들어, K개의 스테이트들은 다음의 표 1과 같이 구성될 수 있다.
스테이트 1 2 3 4 … K
제1 주변 디바이스(300) 정상 - 정상 비정상 … 정상
제2 주변 디바이스(400) 비정상 비정상 비정상 - … -
이때, 하나의 스테이트에서 주변 디바이스들(300, 400)이 모두 데이터를 송신하는 경우, 기준 디바이스(200)는 랜덤으로 어느 하나의 데이터만 선택하여 수신할 수 있다.임의의 에피소드가 선정되면 단계 11에서,
Figure 112018085924270-pat00059
을 학습시키기 위해서
Figure 112018085924270-pat00060
및
Figure 112018085924270-pat00061
의 초기값이 선정될 수 있다.
Figure 112018085924270-pat00062
은 다음 데이터에 대한 수신 확률을 높이는 요인으로 작용하므로, 기본적으로 양의 값을 갖는 상수로 선정될 수 있다. 예를 들어, 초기값으로
Figure 112018085924270-pat00063
이 선정될 수 있다.
단계 12에서는 선정된 초기값에 대해 아래의 수학식 2가 적용될 수 있다.
(수학식 2)
Figure 112018085924270-pat00064
여기서
Figure 112018085924270-pat00065
는 k+1번째 스테이트에서 수신하는 데이터가 정상 데이터일 확률을 나타낸다.
Figure 112018085924270-pat00066
k번째 스테이트에서 수신한 데이터가 정상 데이터일 확률을 나타낸다.
Figure 112018085924270-pat00067
는
Figure 112018085924270-pat00068
에 대한
Figure 112018085924270-pat00069
의 감소율을 조정하기 위한 계수를 나타낸다. 예를 들어,
Figure 112018085924270-pat00070
는 -0.5와 같은 음의 값을 갖는 상수로 설정될 수 있다.
a는 k번째 스테이지에서 수신한 데이터가 정상 데이터이면 1, 비정상 데이터이면 0의 값을 갖는 계수를 나타낸다.
단계 12에서 학습부(250)는 상기 수학식 2에 따라 k+1번째 스테이트에서 수신할 데이터가 정상 데이터일 확률을 산출하며, 산출된 확률에 따라 k+1번째 스테이트에서 데이터를 수신할지 여부를 결정한다.
학습부(250)는 산출된 확률이 기준값 이상인 경우 k+1번째 스테이트에서 데이터를 수신하도록, 그렇지 않은 경우 데이터를 수신하지 않도록 결정할 수 있다. 여기서, 기준값은 0 이상 1 이하의 범위에서 랜덤으로 선정되는 값일 수 있다. 기준값을 랜덤으로 선정하는 방법에는 유니폼 랜덤 변수, 가우시안 랜덤 변수 등과 같은 다양한 랜덤 변수들이 이용될 수 있다.
단계 12에서 학습부(250)는 K번째 스테이트까지 에피소드를 진행하며, 각 스테이트에서 데이터를 수신한 결과에 대해 보상 또는 패널티를 부여할 수 있다.
보상은 수신한 데이터가 실제 정상 데이터인 경우(경우 1) 또는 수신하지 않은 데이터가 실제 비정상 데이터인 경우(경우 2) 부여될 수 있다.
패널티는 수신한 데이터가 실제 비정상 데이터인 경우(경우 3) 또는 수신하지 않은 데이터가 실제 정상 데이터인 경우(경우 4) 부여될 수 있다.
다음의 표 2는 부여된 보상 및 패널티의 일 실시예를 나타낸다.
스테이트 1 2 3 4 … N
제1 주변 디바이스(300) 정상 - 정상 비정상 … 정상
제2 주변 디바이스(400) 비정상 비정상 비정상 - … -
보상 5 2 … 5
패널티 -3 -1 …
표 2를 참조하면, 1번째 스테이트에서 제1 주변 디바이스(300)로부터 데이터를 수신한 경우, 수신한 데이터가 실제 정상 데이터이므로 보상이 부여된다. 또한 2번째 스테이트에서 제2 주변 디바이스(400)로부터 데이터를 수신한 경우, 수신한 데이터가 실제 비정상 데이터이므로 패널티가 부여된다. 또한 3번째 스테이트에서 제1 디바이스(400)로부터 데이터를 수신하지 않은 경우, 수신하지 않은 데이터가 실제 정상 데이터이므로 패널티가 부여된다. 또한 4번째 스테이트에서 제1 주변 디바이스(300)로부터 데이터를 수신하지 않은 경우, 수신하지 않은 데이터가 실제 비정상 데이터이므로 보상이 부여된다.이때, 보상은 수신한 데이터가 실제 정상 데이터인 경우(경우 1)가 수신하지 않은 데이터가 실제 비정상 데이터인 경우(경우 2)보다 더 크도록 부여될 수 있다. 또한 패널티는 수신한 데이터가 실제 비정상 데이터인 경우(경우 3)가 수신하지 않은 데이터가 실제 정상 데이터인 경우(경우 4)보다 더 크도록 부여될 수 있다.
단계 13에서 학습부(250)는 부여된 보상 및 패널티를 종합한 점수를 산출할 수 있다.
단계 14에서 학습부(250)는
Figure 112018085924270-pat00071
의 값을 증가시키며 임의의 에피소드를 N회 반복할 수 있다. 예를 들어,
Figure 112018085924270-pat00072
는 매 에피소드마다 0.01씩 증가되도록 설정될 수 있다.
단계 15에서 학습부(250)는 N회 수행된 에피소드에 대하여 최적의 점수를 갖는 에피소드를 선정하고, 선정된 에피소드에서 설정된
Figure 112018085924270-pat00073
의 값을 출력할 수 있다.
예를 들어, N회 수행된 에피소드에서 산출된 점수는 아래 표 3과 같을 수 있다.
에피소드
Figure 112018085924270-pat00074
설정값		 점수
1회 0.2 17
2회 0.21 25
3회 0.22 38
… … …
N회 0.6 23
표 3을 참조하면, 에피소드 3회에서 산출된 점수 38점이 가장 높은 점수인 경우, 학습부(250)는 해당 에피소드에서 설정된 값인 0.22를
Figure 112018085924270-pat00075
의 값으로 출력한다.이상 도 7을 참조한 설명에 따라, 학습부(250)에 의해
Figure 112018085924270-pat00076
의 값이 선정될 수 있다.
다음으로 단계 20에서 데이터 수신부(210)는 주변 디바이스들(300, 400)들로부터 현재 데이터를 수신할 수 있다. 현재 데이터는 주변 디바이스들(300, 400)들 중 어느 하나의 주변 디바이스(300)로부터 수신한 데이터일 수 있다.
단계 30에서 데이터 판단부(220)는 데이터 수신부(210)를 통해 수신한 현재 데이터가 정상 데이터인지 여부를 판단할 수 있다. 이를 위해, 데이터 판단부(220)는 기존에 수집한 데이터와 수신한 현재 데이터를 비교하여, 수신한 현재 데이터가 기존에 수집한 데이터의 패턴과 어긋나는 경우 비정상 데이터로 판단할 수 있다. 기존에 수집한 데이터와 비교를 위한 패턴에는 데이터에 포함된 값, 데이터 수신 빈도 등이 사용될 수 있다.
또는 데이터 판단부(220)는 수신한 데이터가 손상된 데이터인 경우 비정상 데이터로 판단할 수 있다. 이때, 손상된 데이터라 함은 이용할 수 없을 정도로 손상되어 복구가 요구되는 데이터를 의미할 수 있다.
단계 40에서 데이터 예측부(230)는 데이터 판단부(220)에서 판단한 결과를 토대로 다음 데이터가 정상 데이터일 확률을 예측할 수 있다. 이때, 다음 데이터는 어느 하나의 주변 디바이스(300)가 현재 데이터를 송신한 이후, 어느 하나의 주변 디바이스(300)가 송신한 데이터이거나 또는 다른 어느 하나의 주변 디바이스(400)가 송신한 데이터일 수 있다.
즉, 다음 데이터는 복수의 주변 디바이스로부터 송신되는 모든 데이터를 대상으로 하므로, 기준 디바이스가 어느 하나의 주변 디바이스와 일대일로 데이터 수신 여부를 결정하지 않고, 복수의 주변 디바이스들을 대상으로 데이터를 수신할지 여부를 결정할 수 있다. 따라서 주변 디바이스의 개수가 증가하더라도 데이터 수신 여부를 결정하기 위해 소요되는 자원은 일정하게 유지될 수 있다.
다음 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00077
은 하기 수학식 3을 통해 계산될 수 있다.
(수학식 3)
Figure 112018085924270-pat00078
여기서
Figure 112018085924270-pat00079
는 수신한 현재 데이터가 정상 데이터일 확률로, 데이터 예측부(230)에 의해 현재 데이터를 수신하기 전, 이전 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00080
를 토대로 산출된 확률을 나타낸다.
Figure 112018085924270-pat00081
은
Figure 112018085924270-pat00082
에 대한
Figure 112018085924270-pat00083
의 증가율을 조정하기 위한 계수로, 도 7을 참조한 설명에 따라 학습부(250)에서 강화 학습에 의해 사전에 설정된 값일 수 있다. 도 7을 참조한 일 실시예에서
Figure 112018085924270-pat00084
는 0.22로 설정되었다. 강화 학습에 의해 기준 디바이스가 운용되는 환경에 적합한
Figure 112018085924270-pat00085
을 사전에 설정할 수 있으며, 그에 따라 주변 디바이스들로부터 정상 데이터를 수신할 확률을 향상시킬 수 있다.
Figure 112018085924270-pat00086
는
Figure 112018085924270-pat00087
에 대한
Figure 112018085924270-pat00088
의 감소율을 조정하기 위한 계수를 나타낸다.
Figure 112018085924270-pat00089
는 임의로 결정되는 음의 값을 갖는 상수일 수 있다.
a는 데이터 판단부(220)에 의해 수신한 현재 데이터가 정상 데이터로 판단되면 1, 비정상 데이터로 판단되면 0의 값을 갖는 계수를 나타낸다.
수학식 3에 따라 계산되는 확률
Figure 112018085924270-pat00090
의 개형은 도 8과 같을 수 있다. 지점 C는 현재 데이터가 정상 데이터로 판단된 경우, 지점 D는 현재 데이터가 비정상 데이터로 판단된 경우에 해당하는 지점이다.
지점 C에서 a는 1의 값을 가지므로, 수학식 3은 아래의 수학식 4와 같이 정리된다.
(수학식 4)
Figure 112018085924270-pat00091
Figure 112018085924270-pat00092
은 양의 값을 가지므로, 지점 C에서 확률
Figure 112018085924270-pat00093
의 그래프는 상승 곡선을 나타내게 된다.
지점 D에서 a는 0의 값을 가지므로, 수학식 3은 아래의 수학식 5와 같이 정리된다.
(수학식 5)
Figure 112018085924270-pat00094
Figure 112018085924270-pat00095
는 음의 값을 가지므로, 지점 D에서 확률
Figure 112018085924270-pat00096
의 그래프는 하강 곡선을 나타내게 된다.
단계 50에서 데이터 수신 결정부(240)는 데이터 예측부(230)에 의해 산출된 다음 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00097
을 토대로, 다음 데이터를 수신할지 여부를 결정할 수 있다.
이를 위해, 데이터 수신 결정부(240)는 산출된
Figure 112018085924270-pat00098
의 값과 기준값을 비교하여,
Figure 112018085924270-pat00099
의 값이 기준값 이상인 경우 다음 데이터를 수신하도록, 그렇지 않은 경우 다음 데이터를 수신하지 않도록 결정할 수 있다.
여기서, 기준값은 0 이상 1 이하의 범위에서 랜덤으로 선정되는 값일 수 있다. 기준값을 랜덤으로 선정하는 방법에는 유니폼 랜덤 변수, 가우시안 랜덤 변수 등과 같은 다양한 랜덤 변수들이 이용될 수 있다.
데이터 수신 결정부(240)가 다음 데이터를 수신하도록 결정한 경우, 데이터 수신부(210)가 다음 데이터를 수신하며 단계 20 내지 단계 50이 반복된다.
또는 데이터 수신 결정부(240)가 다음 데이터를 수신하지 않도록 결정한 경우 데이터 수신부(210)는 다음 데이터를 수신하지 않게 된다. 이 경우, 데이터 예측부(230)는 다다음 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00100
을 임의의 값으로 설정하거나 또는 다음 데이터가 정상 데이터일 확률
Figure 112018085924270-pat00101
로 설정할 수 있다.
이와 같이, 본 발명에 따른 데이터 수신 방법은 다음 데이터가 정상 데이터일 확률에 따라 다음 데이터를 선택적으로 수신하도록 하며, 무조건적으로 다음 데이터를 수신하는 것을 전제하지 않는다. 따라서 비정상 데이터가 디바이스로 유입되어 확산되는 것을 예방할 수 있다.
이상에서 실시예들에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.
100: 복수의 디바이스들 200: 기준 디바이스
210: 데이터 수신부 220: 데이터 판단부
230: 데이터 예측부 240: 데이터 수신 결정부
250: 학습부 300, 400: 주변 디바이스

Claims (15)

  1. 복수의 주변 디바이스로부터 데이터를 수신하는 디바이스에 있어서,
    상기 복수의 주변 디바이스 중 어느 하나의 주변 디바이스로부터 현재 데이터를 수신하는 데이터 수신부;
    상기 수신한 현재 데이터가 정상 데이터인지 여부를 판단하는 데이터 판단부;
    상기 판단 결과에 따라 다음 데이터가 정상 데이터일 확률을 산출하는 데이터 예측부; 및
    상기 산출된 확률에 따라 상기 다음 데이터에 대한 수신 여부를 결정하는 데이터 수신 결정부를 포함하고,
    상기 다음 데이터는 상기 어느 하나의 주변 디바이스 또는 다른 어느 하나의 주변 디바이스가 송신한 데이터인, 디바이스.
  2. 제1항에 있어서,
    상기 데이터 판단부는,
    상기 현재 데이터와 기존에 수신한 데이터를 비교하여 상기 현재 데이터가 정상 데이터인지 여부를 판단하는, 디바이스.
  3. 제1항에 있어서,
    상기 데이터 판단부는,
    상기 현재 데이터가 복구가 요구되는 손상된 데이터인 경우 비정상 데이터로 판단하는, 디바이스.
  4. 제1항에 있어서,
    상기 데이터 예측부는,
    하기 수학식에 의해 상기 다음 데이터가 정상 데이터일 확률
    Figure 112018085924270-pat00102
    을 산출하고,
    (수학식)
    Figure 112018085924270-pat00103

    상기
    Figure 112018085924270-pat00104
    는 상기 현재 데이터가 정상 데이터일 확률, 상기
    Figure 112018085924270-pat00105
    은 상기
    Figure 112018085924270-pat00106
    에 대한 상기
    Figure 112018085924270-pat00107
    의 증가율을 조정하기 위한 제1 계수, 상기
    Figure 112018085924270-pat00108
    은 상기
    Figure 112018085924270-pat00109
    에 대한 상기
    Figure 112018085924270-pat00110
    의 감소율을 조정하기 위한 제2 계수, 상기 a는 상기 데이터 판단부에서 상기 현재 데이터를 정상 데이터로 판단하면 1, 비정상 데이터로 판단하면 0의 값을 갖는 제3 계수인, 디바이스.
  5. 제4항에 있어서,
    상기 제1 계수(
    Figure 112018085924270-pat00111
    )는 양의 값, 상기 제2 계수(
    Figure 112018085924270-pat00112
    )는 음의 값을 갖는 상수인, 디바이스.
  6. 제4항에 있어서,
    상기 제1 계수(
    Figure 112018085924270-pat00113
    )는 상기 복수의 주변 디바이스로부터 정상 데이터를 수신한 경우 보상이 부여되는 학습에 따라, 상기 보상이 최대화되도록 선정된 값인, 디바이스.
  7. 제1항에 있어서,
    상기 데이터 수신 결정부는,
    상기 산출된 확률이 기준값 이상의 값을 갖는 경우 상기 다음 데이터를 수신하도록 결정하고,
    그 외의 경우 상기 다음 데이터를 수신하지 않도록 결정하고,
    상기 기준값은 상기 데이터 수신 결정부가 상기 다음 데이터에 대한 수신 여부를 결정할 때마다 0이상 1이하의 범위에서 랜덤으로 생성되는 값인, 디바이스.
  8. 제1항에 있어서,
    상기 데이터 예측부는,
    상기 데이터 수신 결정부에서 상기 다음 데이터를 수신하지 않도록 결정한 경우,
    다다음 데이터가 정상 데이터일 확률을 상기 다음 데이터가 정상 데이터일 확률과 동일하게 설정하는, 디바이스.
  9. 제1항에 있어서,
    상기 데이터 수신부는 상기 복수의 주변 디바이스와 직접 통신을 수행하는, 디바이스.
  10. 제1항에 있어서,
    상기 복수의 주변 디바이스와 사물인터넷 환경에서 통신을 수행하는, 디바이스.
  11. 디바이스의 데이터 수신 방법에 있어서,
    복수의 주변 디바이스 중 어느 하나의 주변 디바이스로부터 현재 데이터를 수신하는 단계;
    상기 수신한 현재 데이터가 정상 데이터인지 여부를 판단하는 단계;
    상기 판단 결과에 따라 다음 데이터가 정상 데이터일 확률을 산출하는 단계; 및
    상기 산출된 확률에 따라 상기 다음 데이터에 대한 수신 여부를 결정하는 단계를 포함하고,
    상기 다음 데이터는 상기 어느 하나의 주변 디바이스 또는 다른 어느 하나의 주변 디바이스가 송신한 데이터인, 데이터 수신 방법.
  12. 제11항에 있어서,
    상기 다음 데이터가 정상 데이터일 확률
    Figure 112020011819691-pat00114
    은 하기 수학식에 의해 산출되고,
    (수학식)
    Figure 112020011819691-pat00115

    상기
    Figure 112020011819691-pat00116
    는 상기 현재 데이터가 정상 데이터일 확률, 상기
    Figure 112020011819691-pat00117
    은 상기
    Figure 112020011819691-pat00118
    에 대한 상기
    Figure 112020011819691-pat00119
    의 증가율을 조정하기 위한 제1 계수, 상기
    Figure 112020011819691-pat00120
    은 상기
    Figure 112020011819691-pat00121
    에 대한 상기
    Figure 112020011819691-pat00122
    의 감소율을 조정하기 위한 제2 계수, 상기 a는 상기 현재 데이터가 정상 데이터로 판단되면 1, 비정상 데이터로 판단되면 0의 값을 갖는 제3 계수인, 데이터 수신 방법.
  13. 제12항에 있어서,
    상기 복수의 주변 디바이스로부터 정상 데이터를 수신한 경우 보상을 부여하는 학습을 수행하여 상기 제1 계수(
    Figure 112018085924270-pat00123
    )를 산출하는 단계를 더 포함하는, 데이터 수신 방법.
  14. 제13항에 있어서,
    상기 제1 계수(
    Figure 112020011819691-pat00124
    )를 산출하는 단계는,
    상기 제1 계수(
    Figure 112020011819691-pat00125
    )의 값을 설정하는 제1 단계;
    상기 설정된 제1 계수(
    Figure 112020011819691-pat00126
    )에 대하여, 복수의 주변 디바이스로부터 순차적으로 데이터를 수신하며, 수신한 데이터가 정상 데이터이면 보상(reward)을 부여하고, 수신한 데이터가 비정상 데이터이면 패널티(penalty)를 부여하는 에피소드를 수행하는 제2 단계;
    상기 보상과 상기 패널티를 종합하여 점수를 산출하는 제3 단계;
    상기 제1 단계 내지 상기 제3 단계를 복수 회 반복하는 제4 단계; 및
    상기 복수 회 중 상기 에피소드에 대한 가장 높은 점수가 산출된 회에서 설정된 상기 제1 계수(
    Figure 112020011819691-pat00127
    )의 값을 출력하는 제5 단계를 포함하는, 데이터 수신 방법.
  15. 제11항에 있어서,
    상기 디바이스는 상기 복수의 주변 디바이스와 사물인터넷 환경에서 직접 통신을 수행하는, 데이터 수신 방법.

KR1020180102178A 2018-08-29 2018-08-29 복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스 KR102131922B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020180102178A KR102131922B1 (ko) 2018-08-29 2018-08-29 복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스
CN201980002304.2A CN111108712B (zh) 2018-08-29 2019-05-07 用于从多个外围设备接收数据的方法及设备
US16/605,497 US11362905B2 (en) 2018-08-29 2019-05-07 Method and device for receiving data from a plurality of peripheral devices
PCT/KR2019/005391 WO2020045791A1 (ko) 2018-08-29 2019-05-07 복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스
JP2019555183A JP6936871B2 (ja) 2018-08-29 2019-05-07 複数の周辺デバイスからデータを受信する方法及びそのデバイス

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180102178A KR102131922B1 (ko) 2018-08-29 2018-08-29 복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스

Publications (2)

Publication Number Publication Date
KR20200025196A KR20200025196A (ko) 2020-03-10
KR102131922B1 true KR102131922B1 (ko) 2020-07-08

Family

ID=69644470

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180102178A KR102131922B1 (ko) 2018-08-29 2018-08-29 복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스

Country Status (5)

Country Link
US (1) US11362905B2 (ko)
JP (1) JP6936871B2 (ko)
KR (1) KR102131922B1 (ko)
CN (1) CN111108712B (ko)
WO (1) WO2020045791A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012161085A (ja) 2004-03-23 2012-08-23 Regents Of The Univ Of California ネットワーク上で収集されるセンサデータの信頼性を高める装置と方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040199368A1 (en) * 2001-05-24 2004-10-07 Simmonds Precision Products, Inc. Poor data quality identification
US8289150B2 (en) * 2008-12-05 2012-10-16 Industrial Technology Research Institute Wireless sensor network and data sensing method thereof
US20130054162A1 (en) * 2011-08-31 2013-02-28 Tollgrade Communications, Inc. Methods and apparatus for determining conditions of power lines
JP5739841B2 (ja) * 2012-06-13 2015-06-24 株式会社東芝 電子デバイスの生産管理装置、生産管理システム及び生産管理プログラム
KR20140111396A (ko) * 2013-03-11 2014-09-19 경희대학교 산학협력단 센서 모니터링 장치, 센서 모니터링 방법, 및 이를 위한 기록매체
CN103336906B (zh) 2013-07-15 2016-03-16 哈尔滨工业大学 环境传感器的采集数据流中连续异常检测的抽样高斯过程回归模型方法
JP6082341B2 (ja) * 2013-12-05 2017-02-15 株式会社日立ソリューションズ 異常検出装置及び異常検出方法
US9361463B2 (en) * 2013-12-11 2016-06-07 Ut-Batelle, Llc Detection of anomalous events
CN103974311B (zh) * 2014-05-21 2017-06-20 哈尔滨工业大学 基于改进高斯过程回归模型的状态监测数据流异常检测方法
KR102299260B1 (ko) * 2014-08-29 2021-09-07 삼성전자주식회사 데이터를 송수신하는 방법 및 장치
US10116424B2 (en) * 2014-08-29 2018-10-30 Samsung Electronics Co., Ltd. Method and apparatus for transmitting and receiving data
KR101599311B1 (ko) * 2014-11-20 2016-03-04 대진대학교 산학협력단 센서 네트워크의 열화 손상 판단 제어 시스템 및 제어 방법
US10911318B2 (en) 2015-03-24 2021-02-02 Futurewei Technologies, Inc. Future network condition predictor for network time series data utilizing a hidden Markov model for non-anomalous data and a gaussian mixture model for anomalous data
US9934061B2 (en) * 2015-12-28 2018-04-03 International Business Machines Corporation Black box techniques for detecting performance and availability issues in virtual machines
KR20170120291A (ko) 2016-04-21 2017-10-31 주식회사 나온웍스 사물인터넷 디바이스의 이상 디바이스 차단장치 및 차단방법
US20170364818A1 (en) * 2016-06-17 2017-12-21 Business Objects Software Ltd. Automatic condition monitoring and anomaly detection for predictive maintenance
KR101860015B1 (ko) * 2016-09-13 2018-05-21 주식회사 코이노 에러 예측 기반 사전 서비스 제공을 위한 IoT 기기 관리장치
KR20180072318A (ko) * 2016-12-21 2018-06-29 창신대학교 산학협력단 데이터 왜곡을 방지할 수 있는 사물 인터넷 네트워크 시스템
CN106844161B (zh) 2017-02-20 2020-03-17 重庆邮电大学 一种带状态流计算系统中的异常监控及预测方法和系统
US11481706B2 (en) * 2017-11-10 2022-10-25 Landmark Graphics Corporation Automatic abnormal trend detection of real time drilling data for hazard avoidance
CN110058961B (zh) * 2018-01-18 2023-05-05 伊姆西Ip控股有限责任公司 用于管理存储系统的方法和设备
CN108334417B (zh) * 2018-01-26 2021-03-02 创新先进技术有限公司 确定数据异常的方法和装置
WO2019191506A1 (en) * 2018-03-28 2019-10-03 Nvidia Corporation Detecting data anomalies on a data interface using machine learning
US11341374B2 (en) * 2018-05-29 2022-05-24 Microsoft Technology Licensing, Llc Data anomaly detection
CN108777873B (zh) * 2018-06-04 2021-03-02 江南大学 基于加权混合孤立森林的无线传感网络异常数据检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012161085A (ja) 2004-03-23 2012-08-23 Regents Of The Univ Of California ネットワーク上で収集されるセンサデータの信頼性を高める装置と方法

Also Published As

Publication number Publication date
KR20200025196A (ko) 2020-03-10
US11362905B2 (en) 2022-06-14
JP2020536295A (ja) 2020-12-10
CN111108712A (zh) 2020-05-05
JP6936871B2 (ja) 2021-09-22
CN111108712B (zh) 2022-08-09
WO2020045791A1 (ko) 2020-03-05
US20210377127A1 (en) 2021-12-02

Similar Documents

Publication Publication Date Title
CN111726826A (zh) 一种基站密集型边缘计算网络中的在线任务卸载方法
Lee Adaptive random access for cooperative spectrum sensing in cognitive radio networks
Yun et al. Optimal real-time monitoring of an information source under communication costs
Ji et al. Power optimization in device-to-device communications: A deep reinforcement learning approach with dynamic reward
Feng et al. Age-optimal transmission of rateless codes in an erasure channel
CN110225493B (zh) 基于改进蚁群的d2d路由选择方法、系统、设备及介质
CN111162888A (zh) 分布式天线系统、远程接入单元、功率分配方法和介质
KR102131922B1 (ko) 복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스
Albelaihi et al. Deep-Reinforcement-Learning-Assisted Client Selection in Nonorthogonal-Multiple-Access-Based Federated Learning
KR102097860B1 (ko) 인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법
Toorchi et al. Fast and low-complexity reinforcement learning for delay-sensitive energy harvesting wireless visual sensing systems
CN113286374A (zh) 调度方法、调度算法的训练方法及相关系统、存储介质
Constante et al. Enhanced association mechanism for IEEE 802.15. 4 networks
Hsu et al. eMBB and URLLC service multiplexing based on deep reinforcement learning in 5G and beyond
CN114126021A (zh) 一种基于深度强化学习的绿色认知无线电的功率分配方法
CN116491142A (zh) 对多个小区进行控制以向多个终端提供无线资源的方法以及执行该方法的电子装置
Kim et al. RL-based transmission completion time minimization with energy harvesting for time-varying channels
He et al. Transmission time minimization of an energy harvesting cognitive radio system
CN113645644B (zh) 一种反向散射辅助无线供能通信系统吞吐量优化方法
CN115802465B (zh) 基于强化学习框架的d2d边缘缓存网络能耗管理方法
Witheephanich et al. Ambulatory wireless sensor network power management using constrained explicit generalised predictive control
Lee et al. Deep Learning Frameworks for Solving Infeasible Optimization Problems in Vehicular Communications
WO2024032695A1 (zh) Csi预测处理方法、装置、通信设备及可读存储介质
Saad et al. Energy efficiency maximisation based on RALA protocol for underlay D2D communication
Kaur et al. Handover for 5G Networks using Fuzzy Logic: A Review

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant