코어기술 – LiberVance

LiberVance

끊임없는 도전과 혁신을 통하여 신뢰받는 기업이 되겠습니다.

블록체인 기술

ECCPoW – ECCBTC

LDPC 디코더와 해쉬 함수를 결합한 오류-정정 부호 기반의 작업증명 (ECCPoW, Error Correction Codes Proof-of-Work)을 연구하고 있습니다.
오류-정정 부호는 무선 통신에서 발생하는 오류를 정정하기 위해 사용됩니다.
대표적인 부호들 중 하나로 LDPC 부호가 있습니다.
LDPC 디코더의 ASIC 구현은 구조적/비용적 문제로 인하여 구현의 유연성이 떨어집니다.
우리는 이 특징을 이용하여 ASIC 구현을 매우 비효율적으로 만듭니다.
ECCPoW에서는 매 블록 마다 LDPC 디코더의 입력 값으로써 활용되는 PCM을 무작위로 생성한다.
이는 매 블록 다른 해시문제를 푸는 효과를 가져옵니다.
우리는 개발한 ECCPoW가 적용된 ECCBTC (Bitcoin hardfork version)를 공개하였으며, 누구나 다운로드 받을 수 있으며, 동작을 확인할 수 있습니다.

이중지불공격 방지기술

암호화폐 자산을 보호하고, 안전한 거래 보장을 위한 기술을 연구하고 있습니다.
어떤 블록체인을 사용하든, 이중지불공격의 위협으로부터 100% 안전하다고 보장 할 수 없습니다.
이중지불 공격이란 일정 수준의 컴퓨팅 자원을 투자하여 블록체인을 조작하고, 타인의 암호화폐를 탈취하려는 공격입니다.
이중지불공격의 공격 성공률은 무시할 수 없는 수준이라는 것이 지난 10년간의 연구를 통해 밝혀졌습니다.
우리는 이중지불 공격자가 이윤을 얻기 어렵게 만드는 거래 방법을 연구합니다.

센서지능화 기술

지능형 센서 데이터에 대한
효율적 학습을 위한
Machine learning 기법 연구

지능형 센서 데이터에 대한 효율적 학습을 위한 Machine learning 기법 연구

Machine Learning algorithm for Intelligence Sensor systems.

특수 목적으로 개발된 지능형 센서 시스템의 경우, 충분치 않은 수의 데이터 셋, 한정된 성능에서의 계산 능력 및 범용적 데이터와는 다른 물리적인 특성 등, 일반적인 AI 기술과는 다른 특징을 지니고 있습니다.
때문에, 주어진 환경 내 효율적인 학습을 위한 Machine Learning 기법 연구가 반드시 고려되어야 합니다.
이를 위해, 본 연구팀에서는 기존에 학습되지 않은 데이터에 대한 검출 및 학습을 수행할 수 있는 Self-learning system 에 대해 연구하고 있습니다.
또한 한정된 데이터 셋 내 효율적 학습을 위한 Few-shot learning 에 대해 연구하고 있습니다.
본 연구팀은 이러한 연구를 통해 제한적일 수 밖에 없는 지능형 센서 데이터에 대한 효율적 Machine learning 기법에 대한 원천 기술을 확보하고자 합니다.

전파 신호 식별 기술

Radio Frequency fingerprinting

수신된 전파 신호에 대한 신호 송출원 식별 기술을 연구하고 있습니다.
지능형 센서로부터 습득한 정보를 바탕으로 사용자 편의 서비스를 제공하는 IoT 환경에서는, 악의적 사용자로부터의 잘못된 정보 전달을 방지할 수 있어야 합니다. 이를 획득 정보에 대한 무결성 확인 문제라고 합니다.
지난 수십 년간 인류는 암호화된 키를 전파 신호의 앞부분인 헤더에서 확인하는, 디지털 암호 키 기반의 무결성 확인 시스템을 사용하고 있습니다.
하지만 이는 암호 키가 유출될 경우 완벽하지 않으며, IoT 와 같은 저가형 센서 기반 신호 획득 환경에서는 악의적 사용자가 얼마든지 모방할 수 있다는 문제가 존재합니다.
따라서 본 연구팀에서는 복제 및 모방이 훨씬 어려운 아날로그 암호 키의 일종인 Signal Fingerprints 에 대해 연구하고, 이를 응용하여 전파 신호의 송출원을 구별할 수 있는 기술을 연구하고 있습니다.
본 연구를 통해 궁극적으로, 악의적 사용자로부터의 정보 전달을 원천적으로 차단할 수 있는 완전 무결한 보안 시스템을 구성하고자 합니다.

Depth map 기반
무인 이동체 경로
설계 기술

Depth map 기반 무인 이동체 경로 설계 기술

UAVs path planner

Depth sensor 는 3차원 공간 내 존재하는 물체 정보를 깊이로써 측정하는 지능형 센서의 일종입니다.
본 연구팀에서는 소형 무인 이동체 내 탑재된 지능형 깊이 센서를 이용하여 목적지까지의 충돌 없는 이동을 보장하는 경로 설계 기술에 대해 연구하고 있습니다.
이를 위해, embedded system 내 이종 센서 측정값을 이용하여 Integrated Depth Map 을 출력하고 있으며, Depth map 및 강화학습에 기반한 무인이동체 자율 주행 환경에 대해 연구하고 있습니다.
본 연구를 통해 제한된 센싱 및 컴퓨팅 자원 내 AI 시스템 개발을 위한 원천 기술을 확보하고자 합니다.

무작위 간섭을 이용한
초음파 이미징 기술

무작위 간섭을 이용한 초음파 이미징 기술

Ultrasound Imaging Using Random Interference

초음파 이미징은 널리 통용되고 선호되는 진단 이미지 기법으로, 트랜스듀서(transducer)를 통해 초음파 신호를 송신하고, 송신된 초음파 신호의 에코 신호를 획득하고, 획득한 에코 신호를 분석하여 관심 영역에 대한 이미지를 생성하는 기술을 의미한다.
초음파 이미징의 분해능(resolution)는 공간적으로 다양하며, 송신된 신호의 주파수, 빔 폭, 조리개 크기 및 송신 초점 깊이와 같은 파라미터들에 따라 달라진다.
이러한 파라미터들은 초음파의 초점을 맞추는 기능을 제한하므로, 최종 분해능에는 물리적 제한이 따를수 밖에 없다.
광학 이미징과 유사하게 초음파 이미징의 분해능은 회절 한계(diffraction limit)에 의해 정의된다.
단일 사이클 펄스에 대한 초음파 이미징의 이론적 공간 분해능(theoretical spatial resolution)은 음파 파장의 절반이다.
그러나, 최상의 축 방향 분해능(axial resolution) 및 측면 분해능(lateral resolution)은 높은 초음파 감쇠(ultrasound attenuation) 및 스펙클 노이즈(speckle noise)로 인해 회절 한계보다 몇 배는 낮다.
이러한 한계를 넘어서는 분해능을 달성하면 의료 진단의 정확성을 향상시키는데 크게 도움이 될 것이다.

DSP 알고리즘을 이용한
스펙트로미터

DSP 알고리즘을 이용한 스펙트로미터

고해상도 스펙트럼 기술

신호처리 알고리즘을 활용하여 초소형 분광기 기술 개발을 하고 있습니다.
적은 수의 분광 필터를 통해 보다 많은 분광 정보를 복원 복구 하는 기술 입니다.
분광기의 크기는 줄일 수 있고, 보다 많은 정보를 복원해 해상도가 높은 장점이 있습니다.
가시광영역에서부터 근적외선영역 까지 넓은 파장대역에서 이용이 가능합니다.
LED 검사, 위조 문서 감별 등 다양한 분야에 우리의 기술을 활용하고자 합니다.

분광 시스템의 수학적 모델링

고해상도 스펙트럼 복구 알고리즘