KR102613058B1 - 이기종 빅데이터 호환 게이트웨이를 포함하는 ai 딥러닝 기반 위험탐지 시스템 - Google Patents
이기종 빅데이터 호환 게이트웨이를 포함하는 ai 딥러닝 기반 위험탐지 시스템 Download PDFInfo
- Publication number
- KR102613058B1 KR102613058B1 KR1020230140399A KR20230140399A KR102613058B1 KR 102613058 B1 KR102613058 B1 KR 102613058B1 KR 1020230140399 A KR1020230140399 A KR 1020230140399A KR 20230140399 A KR20230140399 A KR 20230140399A KR 102613058 B1 KR102613058 B1 KR 102613058B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- unit
- risk
- source
- heterogeneous big
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 98
- 238000013135 deep learning Methods 0.000 title claims description 26
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000003860 storage Methods 0.000 claims abstract description 17
- 238000013075 data extraction Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 7
- 238000011084 recovery Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 2
- 238000012790 confirmation Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 16
- 238000007405 data analysis Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 10
- 239000008186 active pharmaceutical agent Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 3
- 238000009634 analytical profile index Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000003570 air Substances 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B3/00—Audible signalling systems; Audible personal calling systems
- G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
- G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/66—Arrangements for connecting between networks having differing types of switching systems, e.g. gateways
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Emergency Management (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Manufacturing & Machinery (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
본 발명은 데이터 소스로부터 데이터를 수집하고, 관리하여, 데이터 기반의 의사 결정을 지원하는 이기종 빅데이터 호완 게이트웨이(10) 및 학습 과정을 거친 위험탐지 모델을 이용하여 위험 정보를 탐지하여, 통지하는 위험탐지 시스템(30)을 포함하고, 상기 이기종 빅데이터 호완 게이트웨이(10)는 데이터의 양, 종류, 소스 및 목적에 따라, 데이터에 대한 요구사항을 정의하는 요구사항 정의부(11), 상기 요구사항 정의부(11)에 의해 정의된 요구사항에 해당하는 데이터 소스에 연결하는 소스 연결부(12), 상기 소스 연결부(12)에 의해 연결된 데이터 소스에 대해 인증을 수행하고, 인증이 완료된 데이터 소스에 대해 사용자에게 접근 권한을 부여하는 인증부(13), 상기 인증부(13)에 의해 인증된 데이터 소스로부터 사전에 설정된 기준 주기마다 데이터를 추출하는 데이터 추출부(14), 상기 데이터 추출부(14)에 의해 추출된 다수의 데이터 중에서 중복된 데이터를 제거하고, 사용 가능한 데이터를 필터링하는 데이터 필터링부(15), 상기 데이터 필터링부(15)에 의해 필터링된 데이터를 사전에 설정된 표준 형식으로 변환하는 데이터 변환부(16), 상기 데이터 변환부(16)에 의해 변환된 데이터를 데이터의 유형, 소스 및 스킴에 따라 분류하는 데이터 분류부(17) 및 상기 데이터 분류부(17)에 의해 분류된 데이터가 저장하는 저장부(18)를 포함하는 것을 특징으로 한다.
Description
본 발명은 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템에 관한 것으로, 더욱 자세하게는 산업 분야에서 다양한 센서 또는 장비로 생성되는 이기종 빅데이터를 효율적으로 관리하고, 분석할 수 있도록 이기종 빅데이터 호완 게이트웨이를 구비하고, 상기 게이트웨이 상에 AI를 활용한 통합 정보분석을 수행할 수 있도록 위험탐지 시스템을 구비하여, 공정의 문제점을 사전에 예방하고, 산업 현장의 안전성 및 효율성을 향상시킬 수 있는 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템에 관한 것이다.
IT시장을 견인하고 있는 빅데이터 분야에서 가장 핵심적인 요소는 실시간 데이터 분석이다. 특히, 기업의 의사결정에 속도가 중요해지면서, 상기 의사결정을 뒷받침하기 위한 데이터의 분석 속도도 중요한 관심사가 되고 있다. 그리고, 예측 분석은 기업 리스크 관리에 있어서 시스템이 최종적으로 지향하는 단계이다.
최근 들어, 빅데이터 분석에 대한 기업의 관심이 증폭되면서 데이터 분석 시스템이 본격적으로 도입되고 있다.
그러나, 기존의 데이터 분석 시스템은 대용량 데이터의 분석에 약점을 보이고 있을 뿐만 아니라, SNS, 영상 등의 데이터를 분석하는데 필요한 설계 사상도 반영되어 있지 않다는 문제를 가지고 있다.
현재, 기업의 IT 투자 현실을 고려할 때 기존의 데이터 분석 시스템을 빅데이터 체제로 완벽하게 탈바꿈시키는 것은 거의 불가능하다. 따라서, 당분간은 기존 시스템과 빅데이터 분석을 위한 기술이 공존해야 한다는 것이 업계의 관측이다.
또한, 기업용 데이터웨어 하우스에 기업에 중요한 핵심 정보가 저장되어 있다는 점과 특정 데이터의 경우 중요 정보를 따로 분리해야 할 필요성이 있어 이를 모두 묶어 관리하는 것은 스토리지 자원의 낭비일 뿐 아니라 분석 효율성 면에서도 좋지 않다는 지적이다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 산업 분야에서 다양한 센서 또는 장비로 생성되는 이기종 빅데이터를 효율적으로 관리하고, 분석할 수 있도록 이기종 빅데이터 호완 게이트웨이를 구비하고, 상기 게이트웨이 상에 AI를 활용한 통합 정보분석을 수행할 수 있도록 위험탐지 시스템을 구비하여, 공정의 문제점을 사전에 예방하고, 산업 현장의 안전성 및 효율성을 향상시킬 수 있는 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템을 제공하는데 있다.
또한, 본 발명의 목적은 이기종 빅데이터 호완 게이트웨이를 통해 다양한 데이터 소스로부터 데이터를 효율적으로 수집하고, 관리하여 데이터 기반 의사 결정 및 분석을 지원할 수 있어, 기업이 비즈니스 인텔리전스 및 데이터 분석을 위한 일관된 데이터 환경을 구축할 수 있는 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템을 제공하는데 있다.
또한, 본 발명의 목적은 위험탐지 시스템을 통해 사전에 학습 AI를 이용하여 다양한 위험 요소를 탐지하여, 위험 발생 요인을 사전에 제거할 수 있는 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템을 제공하는데 있다.
상기와 같은 기술적인 문제점을 해결하기 위하여, 본 발명에 의한 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템은 데이터 소스로부터 데이터를 수집하고, 관리하여, 데이터 기반의 의사 결정을 지원하는 이기종 빅데이터 호완 게이트웨이(10) 및 학습 과정을 거친 위험탐지 모델을 이용하여 위험 정보를 탐지하여, 통지하는 위험탐지 시스템(30)을 포함하고, 상기 이기종 빅데이터 호완 게이트웨이(10)는 데이터의 양, 종류, 소스 및 목적에 따라, 데이터에 대한 요구사항을 정의하는 요구사항 정의부(11), 상기 요구사항 정의부(11)에 의해 정의된 요구사항에 해당하는 데이터 소스에 연결하는 소스 연결부(12), 상기 소스 연결부(12)에 의해 연결된 데이터 소스에 대해 인증을 수행하고, 인증이 완료된 데이터 소스에 대해 사용자에게 접근 권한을 부여하는 인증부(13), 상기 인증부(13)에 의해 인증된 데이터 소스로부터 사전에 설정된 기준 주기마다 데이터를 추출하는 데이터 추출부(14), 상기 데이터 추출부(14)에 의해 추출된 다수의 데이터 중에서 중복된 데이터를 제거하고, 사용 가능한 데이터를 필터링하는 데이터 필터링부(15), 상기 데이터 필터링부(15)에 의해 필터링된 데이터를 사전에 설정된 표준 형식으로 변환하는 데이터 변환부(16), 상기 데이터 변환부(16)에 의해 변환된 데이터를 데이터의 유형, 소스 및 스킴에 따라 분류하는 데이터 분류부(17) 및 상기 데이터 분류부(17)에 의해 분류된 데이터가 저장하는 저장부(18)를 포함하는 것을 특징으로 한다.
또한, 상기 이기종 빅데이터 호완 게이트웨이(10)는 상기 저장부(18)에 저장된 데이터의 보안이 유지될 수 있도록 사용자에 대한 권한을 관리하여, 접근을 제어하는 보안부(19), 상기 이기종 빅데이터 호완 게이트웨이(10)의 성능을 모니터링하여, 최적화를 수행하는 모니터링부(20), 상기 이기종 빅데이터 호완 게이트웨이(10)의 장애를 탐지하는 장애 탐지부(21), 상기 장애 탐지부(21)가 장애 탐지 시, 상기 이기종 빅데이터 호완 게이트웨이(10)를 복구하는 복구부(22) 및 상기 이기종 빅데이터 호완 게이트웨이(10)를 통해 데이터에 접근할 수 있도록 API를 제공하는 API 제공부(23)를 더 포함하는 것을 특징으로 한다.
또한, 상기 위험탐지 시스템(30)은 위험의 대상을 정의하는 대상 정의부(31), 상기 대상 정의부(31)에 의해 정의된 위험의 대상에 따라, 다수의 데이터를 수집하는 수집부(32), 상기 수집부(32)에 의해 수집된 다수의 데이터에서 이상 데이터를 제거하고, 누락 데이터를 보완한 후, 데이터를 정규화하는 전처리부(33), 상기 전처리부(33)에 의해 처리된 데이터를 사전에 설정된 기준 형식으로 변환하는 변환부(34), 상기 변환부(34)에 의해 변환된 다수의 데이터로부터 학습용 데이터셋을 생성하는 데이터셋 생성부(35) 및 상기 데이터셋 생성부(35)에 의해 생성된 학습용 데이터셋을 이용하여 위험탐지 모델을 훈련하는 학습부(36)를 포함하는 것을 특징으로 한다.
또한, 상기 위험탐지 시스템(30)은 상기 대상 정의부(31)에 의해 정의된 위험의 대상에 따른 데이터를 감지하는 센서부(37), 상기 학습부(36)에 의해 학습된 위험탐지 모델을 사용하여 위험 정보를 식별하는 식별부(38), 상기 식별부(38)가 위험 정보 식별 시, 즉각적으로 알림음을 표출하는 알림부(39), 상기 식별부(38)에 의해 식별된 위험 정보를 관리자가 용이하게 인지할 수 있도록 시각적으로 표시하는 표시부(40), 상기 학습부(36)에 의해 학습된 위험탐지 모델을 주기적으로 모니터링하는 점검부(41) 및 상기 점검부(41)에 의한 모니터링 결과에 따라 상기 위험탐지 모델을 재학습시켜, 상기 위험탐지 모델의 성능을 개선하는 성능 개선부(42)를 더 포함하고, 상기 식별부(38)는 상기 센서부(37)에 의해 감지된 데이터가 사전에 설정된 정상 구간에 속하지 않는 경우, 위험 정보로 식별하는 것을 특징으로 한다.
본 발명에 의한 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템은 산업 분야에서 다양한 센서 또는 장비로 생성되는 이기종 빅데이터를 효율적으로 관리하고, 분석할 수 있도록 이기종 빅데이터 호완 게이트웨이를 구비하고, 상기 게이트웨이 상에 AI를 활용한 통합 정보분석을 수행할 수 있도록 위험탐지 시스템을 구비하여, 공정의 문제점을 사전에 예방하고, 산업 현장의 안전성 및 효율성을 향상시킬 수 있는 효과가 있다.
또한, 본 발명에 의한 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템은 이기종 빅데이터 호완 게이트웨이를 통해 다양한 데이터 소스로부터 데이터를 효율적으로 수집하고, 관리하여 데이터 기반 의사 결정 및 분석을 지원할 수 있어, 기업이 비즈니스 인텔리전스 및 데이터 분석을 위한 일관된 데이터 환경을 구축할 수 있는 효과가 있다.
또한, 본 발명에 의한 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템은 위험탐지 시스템을 통해 사전에 학습 AI를 이용하여 다양한 위험 요소를 탐지하여, 위험 발생 요인을 사전에 제거할 수 있는 효과가 있다.
도 1은 본 발명에 의한 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템의 개념도이다.
도 2는 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템의 데이터 흐름도이다.
도 3은 이기종 빅데이터 호완 게이트웨이의 데이터 처리 과정에 대한 도면이다.
도 4는 이기종 빅데이터 호완 게이트웨이의 보안, 장애탐지, 복구, API 제공 및 연동 과정에 대한 도면이다.
도 5는 위험탐지 시스템의 데이터 학습 과정에 대한 도면이다.
도 6는 위험탐지 시스템의 위험탐지 과정에 대한 도면이다.
도 7은 위험의 대상이 침입 탐지 분야인 경우, 데이터 흐름도이다.
도 8은 위험의 대상이 화재 감지 분야인 경우, 데이터 흐름도이다.
도 2는 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템의 데이터 흐름도이다.
도 3은 이기종 빅데이터 호완 게이트웨이의 데이터 처리 과정에 대한 도면이다.
도 4는 이기종 빅데이터 호완 게이트웨이의 보안, 장애탐지, 복구, API 제공 및 연동 과정에 대한 도면이다.
도 5는 위험탐지 시스템의 데이터 학습 과정에 대한 도면이다.
도 6는 위험탐지 시스템의 위험탐지 과정에 대한 도면이다.
도 7은 위험의 대상이 침입 탐지 분야인 경우, 데이터 흐름도이다.
도 8은 위험의 대상이 화재 감지 분야인 경우, 데이터 흐름도이다.
이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 실시예를 첨부한 도면을 참조하여 설명하기로 한다.
그러나, 하기 실시예는 본 발명의 이해를 돕기 위한 일 예에 불과한 것으로 이에 의해 본 발명의 권리범위가 축소되거나 한정되는 것은 아니다.
또한, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
도 1은 본 발명에 의한 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템(5)의 개념도이고, 도 2는 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템(5)의 데이터 흐름도이다.
도 1 및 도 2를 참조하면, 본 발명에 의한 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템(5)는 이기종 빅데이터 호완 게이트웨이(10) 및 위험탐지 시스템(30)을 포함하여 구성된다.
먼저, 이기종 빅데이터 호완 게이트웨이(10)는 데이터 소스로부터 데이터를 수집하고, 관리하여, 데이터 기반의 의사 결정을 지원한다. 이를 통해, 데이터의 호환성을 확보할 수 있을 뿐만 아니라, 분석, 시각화 또는 기계 학습과 같은 작업을 수행할 수 있다.
그리고, 위험탐지 시스템(30)은 학습 과정을 거친 위험탐지 모델을 이용하여 위험 정보를 탐지하여, 통지한다.
도 3은 이기종 빅데이터 호완 게이트웨이(10)의 데이터 처리 과정에 대한 도면이다.
도 3을 참조하면, 상기 이기종 빅데이터 호완 게이트웨이(10)는 요구사항 정의부(11), 소스 연결부(12), 인증부(13), 데이터 추출부(14), 데이터 변환부(16), 데이터 분류부(17), 저장부(18), 보안부(19), 모니터링부(20), 장애 탐지부(21), 복구부(22), API 제공부(23) 및 연동부(24)를 포함하여 구성된다.
먼저, 요구사항 정의부(11)는 데이터의 양, 종류, 소스 및 목적에 따라, 데이터에 대한 요구사항을 정의한다.
그리고, 소스 연결부(12)는 상기 요구사항 정의부(11)에 의해 정의된 요구사항에 해당하는 데이터 소스에 연결한다.
이때, 데이터 소스는 데이터베이스, 웹 서비스, 클라우드 스토리지 및 외부 API를 포함할 수 있다.
그리고, 인증부(13)는 상기 소스 연결부(12)에 의해 연결된 데이터 소스에 대해 인증을 수행하고, 인증이 완료된 데이터 소스에 대해 사용자에게 접근 권한을 부여한다.
그리고, 데이터 추출부(14)는 상기 인증부(13)에 의해 인증된 데이터 소스로부터 사전에 설정된 기준 주기마다 데이터를 추출한다. 이를 통해, 데이터 추출부(14)는 데이터 소스로부터 최신 데이터를 추출할 수 있다.
그리고, 데이터 필터링부(15)는 상기 데이터 추출부(14)에 의해 추출된 다수의 데이터 중에서 중복된 데이터를 제거하고, 사용 가능한 데이터를 필터링한다.
그리고, 데이터 변환부(16)는 상기 데이터 필터링부(15)에 의해 필터링된 데이터를 사전에 설정된 표준 형식으로 변환한다. 이를 통해, 데이터의 품질이 현저히 향상될 수 있다.
그리고, 데이터 분류부(17)는 상기 데이터 변환부(16)에 의해 변환된 데이터를 데이터의 유형, 소스 및 스킴에 따라 분류한다. 이를 통해, 데이터의 검색 및 문서화에 대한 효율성이 향상될 수 있다.
그리고, 저장부(18)에는 상기 데이터 분류부(17)에 의해 분류된 데이터가 저장된다. 이때, 저장부(18)는 데이터 웨어하우스, 데이터 레이크, 데이터베이스 또는 클라우드 스토리지의 형태로 구현될 수 있다.
이를 통해, 데이터를 백업 및 데이터를 복구할 수 있어, 데이터가 유실되는 것을 미연에 방지할 수 있다.
도 4는 이기종 빅데이터 호완 게이트웨이(10)의 보안, 장애탐지, 복구, API 제공 및 연동 과정에 대한 도면이다.
도 4를 참조하면, 보안부(19)는 상기 저장부(18)에 저장된 데이터의 보안이 유지될 수 있도록 사용자에 대한 권한을 관리하여, 접근을 제어한다.
또한, 보안부(19)는 저장부(18)에 저장된 데이터를 암호화하고, 감사 로깅을 수행한다.
그리고, 모니터링부(20)는 상기 이기종 빅데이터 호완 게이트웨이(10)의 성능을 모니터링하여, 최적화를 수행한다.
그리고, 장애 탐지부(21)는 상기 이기종 빅데이터 호완 게이트웨이(10)의 장애를 탐지한다.
그리고, 복구부(22)는 상기 장애 탐지부(21)가 장애 탐지 시, 상기 이기종 빅데이터 호완 게이트웨이(10)를 복구한다.
그리고, API 제공부(23)는 상기 이기종 빅데이터 호완 게이트웨이(10)를 통해 데이터에 접근할 수 있도록 API를 제공한다.
그리고, 연동부(24)는 다른 시스템과의 연동을 지원한다. 이를 통해, 기업은 비즈니스 인텔리전스 및 데이터 분석을 위해 일관된 데이터 환경을 구축할 수 있다.
본 발명에서는 다양한 형식과 프로토콜로 생성되는 데이터를 효율적으로 수집하고, 표준 형식으로 변환하는 게이트웨이를 성공적으로 구현할 수 있다. 이를 통해, 이기종 데이터의 호환성 문제를 해결하고, 데이터를 중앙 집중식으로 관리할 수 있다.
도 5는 위험탐지 시스템(30)의 데이터 학습 과정에 대한 도면이다.
도 5를 참조하면, 상기 위험탐지 시스템(30)은 대상 정의부(31), 수집부(32), 전처리부(33), 변환부(34), 데이터셋 생성부(35), 학습부(36), 센서부(37), 식별부(38), 알림부(39), 표시부(40), 점검부(41) 및 성능 개선부(42)를 포함하여 구성된다.
먼저, 대상 정의부(31)는 위험의 대상을 정의한다. 예를 들어, 위험의 대상은 침입 탐지, 화재 감지, 금융 사기 감지, 환경 모니터링, 공장 자동화 및 의료 진단 분야를 포함할 수 있다.
그리고, 수집부(32)는 상기 대상 정의부(31)에 의해 정의된 위험의 대상에 따라, 다수의 데이터를 수집한다.
그리고, 전처리부(33)는 상기 수집부(32)에 의해 수집된 다수의 데이터에서 이상 데이터를 제거하고, 누락 데이터를 보완한 후, 데이터를 정규화한다.
그리고, 변환부(34)는 상기 전처리부(33)에 의해 처리된 데이터를 사전에 설정된 기준 형식으로 변환한다.
그리고, 데이터셋 생성부(35)는 상기 변환부(34)에 의해 변환된 다수의 데이터로부터 학습용 데이터셋을 생성한다.
그리고, 학습부(36)는 상기 데이터셋 생성부(35)에 의해 생성된 학습용 데이터셋을 이용하여 위험탐지 모델을 훈련시킨다. 구체적으로, 학습부(36)는 딥러닝, 머신 러닝 및 통계 분석 기술을 이용하여 위험탐지 모델을 학습시킬 수 있다.
도 6는 위험탐지 시스템(30)의 위험탐지 과정에 대한 도면이다.
도 6을 참조하면, 센서부(37)는 상기 대상 정의부(31)에 의해 정의된 위험의 대상에 따른 데이터를 감지한다.
그리고, 식별부(38)는 상기 학습부(36)에 의해 학습된 위험탐지 모델을 사용하여 위험 정보를 식별한다.
그리고, 알림부(39)는 상기 식별부(38)가 위험 정보 식별 시, 즉각적으로 알림음을 표출한다. 이를 통해, 위험 정보는 관리자 또는 중앙 서버로 전달될 수 있다.
그리고, 표시부(40)는 상기 식별부(38)에 의해 식별된 위험 정보를 관리자가 용이하게 인지할 수 있도록 시각적으로 표시한다. 이때, 표시부(40)는 대시보드 또는 리포팅 도구의 형태로 구현될 수 있다.
그리고, 점검부(41)는 상기 학습부(36)에 의해 학습된 위험탐지 모델을 주기적으로 모니터링한다.
그리고, 성능 개선부(42)는 상기 점검부(41)에 의한 모니터링 결과에 따라 상기 위험탐지 모델을 재학습시켜, 상기 위험탐지 모델의 성능을 개선시킨다.
한편, 상기 식별부(38)는 상기 센서부(37)에 의해 감지된 데이터가 사전에 설정된 정상 구간에 속하지 않는 경우, 위험 정보로 식별한다. 이때, 식별부(38)는 지연 시간이 최대한 단축될 수 있도록 실시간으로 위험 정보를 식별한다.
그리고, 성능 개선부(42)는 위험탐지 모델의 업그레이드 및 보안 강화를 통해 위험탐지 모델의 성능을 개선시킬 수 있다.
한편, 센서부(37)는 위험의 대상이 화재 감지 분야인 경우, 건물 내부의 온도를 감지하는 온도 센서, 건물 내부의 연기를 감지하는 연기 센서 및 건물 내부의 가스의 농도를 감지하는 가스 센서를 포함할 수 있다.
그리고, 센서부(37)는 위험의 대상이 금융 사기 탐지 분야인 경우, 금융 거래 데이터를 분석하여, 비정상적인 트랜잭션을 탐지하는 트랜잭션 탐지부를 포함할 수 있다.
그리고, 센서부(37)는 위험의 대상이 공장 자동화 분야인 경우, 샌상 과정에서 불량 제품 및 오류를 각각 감지하는 IoT 디바이스를 포함할 수 있다.
그리고, 센서부(37)는 위험의 대상이 환경 모니터링 분야인 경우, 대기, 수질 및 토양 오염을 각각 감지하는 환경 센서를 포함할 수 있다.
그리고, 센서부(37)는 위험의 대상이 의료 진단 분야인 경우, 환자의 건강 상태를 감지하는 건강 센서를 포함할 수 있다.
도 7은 위험의 대상이 침입 탐지 분야인 경우, 데이터 흐름도이다.
도 7을 참조하면, 센서부(37)는 위험의 대상이 침입 탐지인 경우, 카메라부(45) 및 GPS 센서(46)를 더 포함할 수 있다.
먼저, 카메라부(45)는 건물의 내부에 다수 구비되어, 건물 내부의 침입을 탐지한다.
그리고, GPS 센서(46)는 사용자에게 착용되어, 사용자의 현재 위치를 감지한다.
한편, 본 발명에 의한 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템(5)는 사용자 단말기(50)를 더 포함할 수 있다.
먼저, 사용자 단말기(50)는 사용자에게 제공되어, AI 기반 위험탐지 시스템(30)에 의해 탐지된 위험 탐지 데이터를 디스플레이한다.
그리고, AI 기반 위험 탐지 시스템은 저장 모듈(55), 침입 확인부(56), 침입 제어부(57), 통신부(58), 경로 확인부(59) 및 도피 확인부(60)를 더 포함할 수 있다.
먼저, 저장 모듈(55)에는 건물 내부의 도피 경로, 도피 장소, 건물 내부의 잠금 장치의 위치, 사용자의 신상 데이터가 각각 저장된다. 이때, 사용자의 신상 데이터는 사용자의 성별, 연령, 키 및 몸무게 데이터를 포함할 수 있다.
그리고, 침입 확인부(56)는 카메라부(45)에 의해 촬영된 영상 데이터에 따라, 침입자의 성별, 연령 및 키, 몸무게, 복면 착용 여부 및 흉기 소지 여부와 같은 침입자 신상 데이터를 파악한다.
그리고, 침입 제어부(57)는 침입 확인부(56)에 의해 파악된 침입자의 신상 데이터 및 사용자의 신상 데이터를 비교하여, 침입자의 제압 가능 여부를 판단한다.
그리고, 통신부(58)는 침입 제어부(57)에 의해 판단된 침입자의 제압 가능 여부 데이터를 문자 또는 음성으로 사용자 단말기(50)로 전송한다.
그리고, 경로 확인부(59)는 카메라부(45)에 의해 촬영된 영상 데이터 및 GPS 센서(46)에 의해 감지된 사용자의 위치 데이터에 따라, 침입자 및 사용자 간의 거리, 침입자의 최초 침입 경로 및 추후 예상 침입 경로를 파악한다.
그리고, 도피 확인부(60)는 경로 확인부(59)에 의해 파악된 침입자 및 사용자 간의 거리, 침입자의 최초 침입 경로 및 침입자의 추후 예상 침입 경로 데이터에 따라 침입자와 사용자가 서로 마주치지 않도록 사용자의 예상 도피 경로, 침입자의 이동이 차단될 수 있도록 상기 예상 도피 경로 상에 구비된 잠금 장치의 위치 및 도피 장소를 각각 파악한다.
그리고, 통신부(58)는 도피 확인부(60)에 의해 파악된 사용자의 예상 도피 경로, 잠금 장치의 위치 및 도피 장소 데이터를 문자 또는 음성으로 사용자 단말기(50)로 전송한다.
사용자는 사용자 단말기(50)에 표시된 예상 도피 경로 및 잠금 장치의 위치에 따라, 예상 도피 경로를 따라 이동하며, 잠금 장치를 잠금 상태로 전환할 수 있고, 사용자 단말기(50)에 표시된 예상 도피 경로를 따라 도피 장소로 이동할 수 있다.
도 8은 위험의 대상이 화재 감지 분야인 경우, 데이터 흐름도이다.
도 8을 참조하면, 센서부(37)는 위험의 대상이 화재 감지 분야인 경우, 촬영부(47)를 더 포함할 수 있다.
먼저, 촬영부(47)는 건물의 내부에 다수 구비되어, 건물 내부의 화재 발생 여부를 탐지한다.
그리고, AI 기반 위험 탐지 시스템은 메모리부(65), 화재 확인부(66), 화재 판단부(66), 통신 모듈(67) 및 화재 제어부(68)를 더 포함할 수 있다.
먼저, 메모리부(65)에는 건물 내부의 화재 대피 경로, 화재 대피 장소, 건물 내부의 소화기의 위치 데이터가 각각 저장된다.
그리고, 화재 확인부(66)는 촬영부(47)에 의해 촬영된 영상 데이터에 따라 화재의 최초 발화 지점, 화재의 규모, 최초 발화 지점 주변에 배치된 인화 물질의 분포도를 파악한다. 이때, 화재의 규모는 소형, 준중형, 중형, 준대형 및 대형 화재를 포함할 수 있다. 여기서, 화재의 규모는 소형, 준중형, 중형, 준대형 및 대형 화재로 갈수록 크게 설정된다.
그리고, 화재 판단부(66)는 화재 확인부(66)에 의해 파악된 화재의 최초 발화 지점, 화재의 규모, 최초 발화 지점 주변에 배치된 인화 물질의 분포도에 따라, 화재의 진압 가능 여부를 판단한다.
그리고, 통신 모듈(67)은 화재 판단부(66)에 의해 판단된 화재의 진압 가능 여부 데이터를 문자 또는 음성으로 사용자 단말기(50)로 전송한다.
그리고, 화재 제어부(68)는 상기 화재 판단부(66)가 화재의 진압이 가능한 것으로 판단한 경우, 최초 발화 지점과 가장 근접한 소화기의 위치 및 화재의 진압 방법을 파악한다.
그리고, 통신 모듈(67)은 상기 화재 제어부(68)에 의해 파악된 최초 발화 지점과 가장 근접한 소화기의 위치 및 화재의 진압 방법 데이터를 문자 또는 음성으로 사용자 단말기(50)로 전송한다.
그리고, 화재 제어부(68)는 상기 화재 판단부(66)가 화재의 진압이 불가능한 것으로 판단한 경우, GPS 센서(46)에 의해 감지된 사용자의 위치에 따라 화재의 확산 경로, 화재 대피 경로, 상기 화재 대피 경로 상에 배치된 소화기의 위치 및 대피 방법을 각각 파악한다.
그리고, 통신 모듈(67)은 화재 제어부(68)에 의해 파악된 화재의 확산 경로, 화재 대피 경로, 화재 대피 장소, 상기 화재 대피 경로 상에 배치된 소화기의 위치 및 대피 방법 데이터를 문자 또는 음성으로 사용자 단말기(50)로 전송한다.
그리고, 사용자는 사용자 단말기(50)에 표시된 화재 대피 경로, 상기 화재 대피 경로 상에 배치된 소화기의 위치에 따라 화재 대피 경로에 화재가 번지는 경우, 상기 화재 대피 경로 상에 배치된 소화기를 사용하여 대피 경로를 확보할 수 있다.
또한, 사용자는 사용자 단말기(50)에 표시된 화재의 확산 경로, 화재 대피 경로, 화재 대피 장소 및 대피 방법 데이터에 따라 화재 대피 경로를 따라 화재 대피 장소로 이동할 수 있다.
본 발명에 의한 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템(5)는 산업 분야에서 다양한 센서 또는 장비로 생성되는 이기종 빅데이터를 효율적으로 관리하고, 분석할 수 있도록 이기종 빅데이터 호완 게이트웨이(10)를 구비하고, 상기 게이트웨이 상에 AI를 활용한 통합 정보분석을 수행할 수 있도록 위험탐지 시스템(30)을 구비하여, 공정의 문제점을 사전에 예방하고, 산업 현장의 안전성 및 효율성을 향상시킬 수 있는 효과가 있다.
또한, 본 발명에 의한 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템(5)는 이기종 빅데이터 호완 게이트웨이(10)를 통해 다양한 데이터 소스로부터 데이터를 효율적으로 수집하고, 관리하여 데이터 기반 의사 결정 및 분석을 지원할 수 있어, 기업이 비즈니스 인텔리전스 및 데이터 분석을 위한 일관된 데이터 환경을 구축할 수 있는 효과가 있다.
또한, 본 발명에 의한 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템(5)는 위험탐지 시스템(30)을 통해 사전에 학습 AI를 이용하여 다양한 위험 요소를 탐지하여, 위험 발생 요인을 사전에 제거할 수 있는 효과가 있다.
이상과 같이 본 발명은 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템(5)를 제공하고자 하는 것을 주요한 기술적 사상으로 하고 있으며, 도면을 참고하여 상술한 실시예는 단지 하나의 실시예에 불과하고, 본 발명의 진정한 권리 범위는 특허 청구범위를 기준으로 하되, 다양하게 존재할 수 있는 균등한 실시예에도 미친다 할 것이다.
5: 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템
10: 이기종 빅데이터 호완 게이트웨이
11: 요구사항 정의부 12: 소스 연결부
13: 인증부 14: 데이터 추출부
15: 데이터 필터링부 16: 데이터 변환부
17: 데이터 분류부 18: 저장부
19: 보안부 20: 모니터링부
21: 장애 탐지부 22: 복구부
23: API 제공부 24: 연동부
30: 위험탐지 시스템 31: 대상 정의부
32: 수집부 33: 전처리부
34: 변환부 35: 데이터셋 생성부
36: 학습부 37: 센서부
38: 식별부 39: 알림부
40: 표시부 41: 점검부
42: 성능 개선부 45: 카메라부
46: GPS 센서 47: 촬영부
50: 사용자 단말기 55: 저장 모듈
56: 침입 확인부 57: 침입 제어부
58: 통신부 59: 경로 확인부
60: 도피 확인부 65: 메모리부
66: 화재 확인부 66: 화재 판단부
67: 통신 모듈 68: 화재 제어부
10: 이기종 빅데이터 호완 게이트웨이
11: 요구사항 정의부 12: 소스 연결부
13: 인증부 14: 데이터 추출부
15: 데이터 필터링부 16: 데이터 변환부
17: 데이터 분류부 18: 저장부
19: 보안부 20: 모니터링부
21: 장애 탐지부 22: 복구부
23: API 제공부 24: 연동부
30: 위험탐지 시스템 31: 대상 정의부
32: 수집부 33: 전처리부
34: 변환부 35: 데이터셋 생성부
36: 학습부 37: 센서부
38: 식별부 39: 알림부
40: 표시부 41: 점검부
42: 성능 개선부 45: 카메라부
46: GPS 센서 47: 촬영부
50: 사용자 단말기 55: 저장 모듈
56: 침입 확인부 57: 침입 제어부
58: 통신부 59: 경로 확인부
60: 도피 확인부 65: 메모리부
66: 화재 확인부 66: 화재 판단부
67: 통신 모듈 68: 화재 제어부
Claims (4)
- 데이터 소스로부터 데이터를 수집하고, 관리하여, 데이터 기반의 의사 결정을 지원하는 이기종 빅데이터 호완 게이트웨이(10); 및
학습 과정을 거친 위험탐지 모델을 이용하여 위험 정보를 탐지하여, 통지하는 위험탐지 시스템(30);을 포함하고,
상기 이기종 빅데이터 호완 게이트웨이(10)는
데이터의 양, 종류, 소스 및 목적에 따라, 데이터에 대한 요구사항을 정의하는 요구사항 정의부(11);
상기 요구사항 정의부(11)에 의해 정의된 요구사항에 해당하는 데이터 소스에 연결하는 소스 연결부(12);
상기 소스 연결부(12)에 의해 연결된 데이터 소스에 대해 인증을 수행하고, 인증이 완료된 데이터 소스에 대해 사용자에게 접근 권한을 부여하는 인증부(13);
상기 인증부(13)에 의해 인증된 데이터 소스로부터 사전에 설정된 기준 주기마다 데이터를 추출하는 데이터 추출부(14);
상기 데이터 추출부(14)에 의해 추출된 다수의 데이터 중에서 중복된 데이터를 제거하고, 사용 가능한 데이터를 필터링하는 데이터 필터링부(15);
상기 데이터 필터링부(15)에 의해 필터링된 데이터를 사전에 설정된 표준 형식으로 변환하는 데이터 변환부(16);
상기 데이터 변환부(16)에 의해 변환된 데이터를 데이터의 유형, 소스 및 스킴에 따라 분류하는 데이터 분류부(17); 및
상기 데이터 분류부(17)에 의해 분류된 데이터가 저장하는 저장부(18);를 포함하는 것을 특징으로 하는 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템. - 제 1항에 있어서,
상기 이기종 빅데이터 호완 게이트웨이(10)는
상기 저장부(18)에 저장된 데이터의 보안이 유지될 수 있도록 사용자에 대한 권한을 관리하여, 접근을 제어하는 보안부(19);
상기 이기종 빅데이터 호완 게이트웨이(10)의 성능을 모니터링하여, 최적화를 수행하는 모니터링부(20);
상기 이기종 빅데이터 호완 게이트웨이(10)의 장애를 탐지하는 장애 탐지부(21);
상기 장애 탐지부(21)가 장애 탐지 시, 상기 이기종 빅데이터 호완 게이트웨이(10)를 복구하는 복구부(22); 및
상기 이기종 빅데이터 호완 게이트웨이(10)를 통해 데이터에 접근할 수 있도록 API를 제공하는 API 제공부(23);를 더 포함하는 것을 특징으로 하는 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템. - 제 1항에 있어서,
상기 위험탐지 시스템(30)은
위험의 대상을 정의하는 대상 정의부(31);
상기 대상 정의부(31)에 의해 정의된 위험의 대상에 따라, 다수의 데이터를 수집하는 수집부(32);
상기 수집부(32)에 의해 수집된 다수의 데이터에서 이상 데이터를 제거하고, 누락 데이터를 보완한 후, 데이터를 정규화하는 전처리부(33);
상기 전처리부(33)에 의해 처리된 데이터를 사전에 설정된 기준 형식으로 변환하는 변환부(34);
상기 변환부(34)에 의해 변환된 다수의 데이터로부터 학습용 데이터셋을 생성하는 데이터셋 생성부(35); 및
상기 데이터셋 생성부(35)에 의해 생성된 학습용 데이터셋을 이용하여 위험탐지 모델을 훈련하는 학습부(36);를 포함하는 것을 특징으로 하는 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템. - 제 3항에 있어서,
상기 위험탐지 시스템(30)은
상기 대상 정의부(31)에 의해 정의된 위험의 대상에 따른 데이터를 감지하는 센서부(37);
상기 학습부(36)에 의해 학습된 위험탐지 모델을 사용하여 위험 정보를 식별하는 식별부(38);
상기 식별부(38)가 위험 정보 식별 시, 즉각적으로 알림음을 표출하는 알림부(39);
상기 식별부(38)에 의해 식별된 위험 정보를 관리자가 용이하게 인지할 수 있도록 시각적으로 표시하는 표시부(40);
상기 학습부(36)에 의해 학습된 위험탐지 모델을 주기적으로 모니터링하는 점검부(41); 및
상기 점검부(41)에 의한 모니터링 결과에 따라 상기 위험탐지 모델을 재학습시켜, 상기 위험탐지 모델의 성능을 개선하는 성능 개선부(42);를 더 포함하고,
상기 식별부(38)는
상기 센서부(37)에 의해 감지된 데이터가 사전에 설정된 정상 구간에 속하지 않는 경우, 위험 정보로 식별하는 것을 특징으로 하는 이기종 빅데이터 호환 게이트웨이를 포함하는 AI 딥러닝 기반 위험탐지 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230140399A KR102613058B1 (ko) | 2023-10-19 | 2023-10-19 | 이기종 빅데이터 호환 게이트웨이를 포함하는 ai 딥러닝 기반 위험탐지 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230140399A KR102613058B1 (ko) | 2023-10-19 | 2023-10-19 | 이기종 빅데이터 호환 게이트웨이를 포함하는 ai 딥러닝 기반 위험탐지 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102613058B1 true KR102613058B1 (ko) | 2023-12-14 |
Family
ID=89166839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230140399A KR102613058B1 (ko) | 2023-10-19 | 2023-10-19 | 이기종 빅데이터 호환 게이트웨이를 포함하는 ai 딥러닝 기반 위험탐지 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102613058B1 (ko) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102354814B1 (ko) | 2021-04-26 | 2022-01-21 | 서울대학교산학협력단 | 진동 신호 이미지를 활용한 직접 연결 모델 기반 회전체 시스템 고장 진단 방법 |
| KR20220110366A (ko) * | 2021-01-29 | 2022-08-08 | 주식회사 청담홀딩스 | IoT 기반 수자원 통합 센싱 데이터 수집 및 분석 플랫폼 시스템 그리고 그 방법 |
| KR20220121745A (ko) * | 2021-02-25 | 2022-09-01 | 유용환 | 스마트팩토리 시스템 |
| KR20220164976A (ko) * | 2021-06-07 | 2022-12-14 | 충북대학교 산학협력단 | 머신러닝 기반 클린룸 관리 시스템 및 방법 |
| KR102480449B1 (ko) * | 2022-10-07 | 2022-12-23 | (주)바이브컴퍼니 | 이기종 다중센서 기반의 재난 상황 예측 및 진단 방법 |
| KR20230068809A (ko) * | 2021-11-11 | 2023-05-18 | 주식회사 에코시안 | 이종 데이터 분석을 통한 인공지능 기반 위험 상황 인지 방법 및 장치 |
-
2023
- 2023-10-19 KR KR1020230140399A patent/KR102613058B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220110366A (ko) * | 2021-01-29 | 2022-08-08 | 주식회사 청담홀딩스 | IoT 기반 수자원 통합 센싱 데이터 수집 및 분석 플랫폼 시스템 그리고 그 방법 |
| KR20220121745A (ko) * | 2021-02-25 | 2022-09-01 | 유용환 | 스마트팩토리 시스템 |
| KR102354814B1 (ko) | 2021-04-26 | 2022-01-21 | 서울대학교산학협력단 | 진동 신호 이미지를 활용한 직접 연결 모델 기반 회전체 시스템 고장 진단 방법 |
| KR20220164976A (ko) * | 2021-06-07 | 2022-12-14 | 충북대학교 산학협력단 | 머신러닝 기반 클린룸 관리 시스템 및 방법 |
| KR20230068809A (ko) * | 2021-11-11 | 2023-05-18 | 주식회사 에코시안 | 이종 데이터 분석을 통한 인공지능 기반 위험 상황 인지 방법 및 장치 |
| KR102480449B1 (ko) * | 2022-10-07 | 2022-12-23 | (주)바이브컴퍼니 | 이기종 다중센서 기반의 재난 상황 예측 및 진단 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106790256B (zh) | 用于危险主机监测的主动机器学习系统 | |
| JP5560397B2 (ja) | 自律型防犯警戒システム及び自律型防犯警戒方法 | |
| CN107688884A (zh) | 安检集中管理系统 | |
| CN109379374A (zh) | 基于事件分析的威胁识别预警方法和系统 | |
| CN107317718A (zh) | 一种运维服务管理方法及管理平台 | |
| KR102289219B1 (ko) | 화재 방호 방법 및 화재 방호 시스템 | |
| CN117095506B (zh) | 一种基于报警区域模型的消防安全监控系统及其方法 | |
| US20150358292A1 (en) | Network security management | |
| CN113824682A (zh) | 一种模块化的scada安全态势感知系统架构 | |
| CN115643282A (zh) | 基于大数据的消防评估方法 | |
| WO2020167155A1 (ru) | Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания | |
| CN106850293A (zh) | 一种企业安全运营中心Bot | |
| Kanade | Securing drone-based ad hoc network using blockchain | |
| KR102613058B1 (ko) | 이기종 빅데이터 호환 게이트웨이를 포함하는 ai 딥러닝 기반 위험탐지 시스템 | |
| CN117220917A (zh) | 一种基于云计算的网络实时监控方法 | |
| Dai et al. | Data driven methods | |
| CN112541656A (zh) | 一种具有风险隐患预测能力的智能安防集成平台 | |
| KR20060058186A (ko) | 정보기술 위험관리시스템 및 그 방법 | |
| Salazar et al. | Monitoring approaches for security and safety analysis: application to a load position system | |
| Kim et al. | Framework for analyzing critical incident management systems (CIMS) | |
| CN114281656A (zh) | 一种智能中控系统 | |
| Itano et al. | Evaluation of the effectiveness of a crowdsourcing-based crime detection system | |
| CN110503131A (zh) | 基于大数据分析的风力发电机健康监测系统 | |
| CN117746630B (zh) | 一种基于大数据的行业安全生产监督管理系统 | |
| Mokashi et al. | Video Analytics Technologies Available for Surveillance Systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A302 | Request for accelerated examination | ||
| N231 | Notification of change of applicant | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |