1. 소식
  2. arrow_forward_ios

새 소식

태그
검색
전체

Qualcomm Innovation Fellowship에 학생 6명 선정

2020년 Qualcomm Innovation Fellowship에 대학원생 6명 선정 AI 분야 가장 혁신적인 논문 20편 선정, 대학원생 저자들에게 장학금 수여 20편 중 10편이 서울대 논문, 그 중 7편이 컴퓨터공학부 논문 AI, 머신러닝, 자율주행 분야에서 가장 우수한 대학 논문을 선발해 저자 학생들에게 조건 없는 장학금을 지급하는 Qualcomm Innovation Fellowship(퀄컴 이노베이션 펠로우십)에서 우리 학부 대학원생 6명의 논문이 선정되어 장학금 400~800만원을 받았다. 퀄컴은 혁신적인 연구를 수행하는 학생들을 격려하기 위해 2009년부터 매년 펠로우십을 운영하고 있으며, 미국과 유럽의 대학에서 시작해 인도와 한국에도 확대하고 있다고 밝혔다. 2020년 처음으로 한국을 대상으로 열린 ‘퀄컴 이노베이션 펠로우십’에서는 150편의 논문이 제출되었으며 서울대 10편, 카이스트 8편, 포스텍 1편, 성균관대 1편을 포함해 최종 20편이 선정되었다. 특히 유재민 학생은 딥러닝 학습 데이터를 추출하는 논문과 그래프 샘플링 연구 논문이 모두 선정되어 유일하게 2개의 펠로우십을 수상했다. https://cse.snu.ac.kr/sites/default/files/node--notice/20210102_%ED%80%84%EC%BB%B4%EC%88%98%EC%83%81%EC%9E%906%EB%AA%85.png 김동주 학생(지도교수 김건희)은 불균형한 데이타가 혼재한 환경에서 지속적으로 학습하는 알고리즘의 문제를 극복하는 연구로 펠로우십에 선정되었다. 김병창 학생(지도교수 김건희)은 챗봇이 대화할 때 의미 없는 내용과 유용한 내용을 구분하게 하는 인공지능 대화 모델을 개발하여 관련 논문으로 펠로우십에 선정되었다. 김재겸 학생(지도교수 김건희)은 추론 시점에 소량의 데이터로 적대적 학습을 진행해 학습된 모델의 도메인 차이 문제를 개선하는 논문으로 펠로우십에 선정되었다. 유재민 학생(지도교수 강유)은 딥 러닝 모델이 학습한 지식을 인공 데이터 형태로 추출하는 논문과 효율적인 그래프 추론을 위해 대용량 그래프를 샘플링하는 논문으로 2개의 펠로우십에 선정되었다. 이수찬 학생(지도교수 김건희)은 사람의 개입 없이 자동으로 모델 구조를 확장하며 여러 종류의 태스크를 순차적으로 배워나갈 수 있는 지속학습 모델을 설계한 논문으로 펠로우십에 선정되었다. 정연우 학생(지도교수 송현오)은 복잡하게 꼬인 데이터에서 데이터를 가장 잘 표현하는 이산 정보와 연속 정보를 분리해내는 방법을 연구한 논문으로 펠로우십에 선정되었다. 서울대학교 AI연구원 장병탁 교수는 “퀄컴과 같은 글로벌 기업에서는 당장 기업에서 활용할 수 없더라도 혁신적인 아이디어를 생각해 내고 도전적인 연구를 하는 학생들에게 지원을 아끼지 않는다.”고 강조하고, “국내에서도 젊은 연구자들의 아이디어에 더 투자해 주기 바란다.”고 당부했다. Qualcomm Innovation Fellowship 2020 홈페이지 https://www.qualcomm.com/research/research/university-relations/innovation-fellowship/2020-south-korea...
포스트 대표 이미지

송현오교수 연구진, 최고 성능의 데이터 증대 알고리즘 개발

송현오 교수 연구진,새로운 데이터증대 기법을 제시하여 인공신경망 실제 적용가능성 크게 향상송현오 교수 연구진(김장현.추원호.정호산 석박통합과정)은 인공신경망의 일반화 성능 및 강건성을 향상하는 데이터 증대 기법 Co-Mixup을 개발하였다고 밝혔다. 구체적으로 Co-Mixup은 다량의 데이터가 주어졌을 때, 각 데이터의 중요한 정보의 양을 최대화하는 동시에 다양한 데이터를 생성하는 것을 목표로 한다 [그림 1]. 연구진은 이를 위해 형식적인 문제를 설계하였고 이를 효과적으로 해결하는 알고리즘을 개발하였다 [식 1]. Co-Mixup은 올해 5월에 온라인으로 개최될 인공지능 최고 학회 중 하나인 ICLR의 구두 발표(Oral) 세션에서 발표될 예정이다. 해당 세션은 올해 ICLR에 제출된 논문 중 약 상위 1%(=53/2997)의 논문에만 주어지는 발표 기회이다. https://cse.snu.ac.kr/sites/default/files/node--notice/20210125_hyunoh2.pngReferences Jang-Hyun Kim, Wonho Choo, Hosan Jeong, Hyun Oh Song, Co-Mixup: Saliency Guided Joint Mixup with Supermodular Diversity, ICLR 2021.기존 데이터 증대 기법이 지니는 임의적 요소를 최적화하는 알고리즘 개발 제한된 학습 데이터로 학습에 효과적인 새로운 데이터 생성 인공신경망의 물체 인식, 위치 탐지, 그리고 강건성 등 다양한 성능을 향상  ...
포스트 대표 이미지

[문병로교수 칼럼] '알파폴드'가 몰고 올 제약 혁명

출처: 매일경제 2021년 1월 22일자 [매경의 창] 2012년 세계이미지인식대회(ILSVRC)에서 캐나다 토론토대 제프리 힌튼 교수 팀이 혁명을 일으켰다. 2등과 에러율 10%포인트 이상 차이로 우승을 해 딥러닝 열풍을 불렀다. 구글 계열사인 딥마인드는 2016년 알파고로 두 번째 혁명을 일으켰다. 딥러닝을 탐색 알고리즘 틈에 끼워넣어 세계 최고의 바둑기사를 이겼다. 딥마인드는 다음 문제로 게임과 단백질 폴딩 문제를 지목했다. 단백질 폴딩은 단백질의 염기서열이 접혀서 만드는 3차원 구조를 알아내는 문제다. 유명한 난제이고, 오늘 칼럼의 주제다. 약물은 저마다 특정 단백질을 타깃으로 한다. 작용을 돕거나 방해한다. 자물쇠와 열쇠처럼 약물의 입체 구조가 단백질의 입체 구조와 잘 맞물려야 한다. 과거에는 경험적으로 "어떤 식물을 먹으면 병이 낫더라"는 식의 정보를 기초로 이런저런 성분을 추출해서 시험해 보는 식이었다. 타깃 단백질이 뭔지 모르고 개발되기도 했다. 대개 지난한 시행착오 끝에 유용한 약이 탄생했다. 이제는 과학이 발전해 질병에 영향을 미치는 단백질의 인과관계 체인을 추적할 수 있게 됐다. 이 과정 중 한 단백질과 입체 구조가 잘 맞는 서열을 만들면 약이 될 가능성이 크다. 그런데 이 3차원 구조 예측 문제가 어마어마하게 어려운 문제라 세기의 도전이라는 별명이 붙었다. 컴퓨터로 후보 서열을 도출한다 해도 예측 정확도가 낮아 일단 실물을 만들어 보면 거의 다 실패한다. 드물게 성공하면 대박이 터진다. 이런 기대감으로 매출 50억원에 100억원 적자가 나는 바이오 기업이 5조원의 시가총액을 가지기도 한다. 1972년 노벨 화학상을 받은 크리스티안 안핀센이 단백질의 아미노산 서열이 전적으로 3차원 구조를 결정할 것이라고 추정했다. 1994년 몰트와 피델리스 두 사람이 예측 기술을 촉진하기 위한 경연대회인 CASP를 오픈했다. 격년으로 대회를 연다. 구조가 알려진 단백질을 학습용으로 제공하고 구조가 파악됐지만 공개되지 않은 단백질의 구조를 추정한 품질로 평가한다. 단백질은 수천~수만 개의 아미노산으로 구성된다. 아미노산 서열에서 예측한 입체 구조와 실제 단백질 구조의 모든 아미노산 끄트머리 위치를 비교해서 유사도 점수가 90 이상이면 대략 맞는다고 간주한다. 알파고가 이세돌을 이긴 2016년까지는 1등이 유사도 40 아래에 머물렀다. 대회를 시작하고 22년이나 흐른 후다. 가이드라인 기준 90을 고려하면 터무니없는 수준이었다. 이로부터 2년 후 딥마인드가 60점 근처의 압도적 점수로 우승한다. 프로그램 이름은 알파폴드이고 딥러닝으로 만들어졌다. 2등은 여전히 40점 아래였다. 놀라웠지만 실용적으로 의미 있는 수준은 아니었다. 2년이 더 흐른 2020년 알파폴드는 92.4라는 놀라운 기록으로 다시 우승했다. 가장 어려운 단백질 모음에 대해서도 87 수준으로 맞혀 집행부에서 알파폴드가 속임수를 쓰지 않나 의심했다고 한다. 17만여 개의 단백질이 포함된 대형 데이터베이스를 사용했다. 이건 바둑과는 산업적 차원이 다르다. 글로벌 제약사들 매출은 1000조원이 넘는다. 후보 약물을 만들기 전에 입체 구조를 컴퓨터에서 거의 파악할 수 있게 돼 신약 개발의 혁명이 일어날 것이다. 신약이 쏟아져 나올 것이다. 우리나라도 컴퓨터 장비에 몇십억 원 정도 투자할 여력이 있는 기업에서는 이 흐름에 동참할 시기가 왔다. 컴퓨터 전공자들이 바빠질 일 투성이다. 수도권정비계획법으로 손을 못 대던 서울대 컴퓨터 관련 학부 정원이 20명 늘었다. 턱없이 부족한 숫자지만 교육부에서 그 불합리한 벽을 처음으로 깼다. 행정부에서 보기 힘든 용기를 보였다. 그래도 서울대 컴퓨터공학부는 70명에 불과하다. 500명이라도 부족하다. 지금 증원을 해도 7~8년은 지나야 그 인력들이 기여하기 시작하니 이미 시간을 많이 잃고 있다. 문병로 교수 ...
포스트 대표 이미지
포스트 대표 이미지

박근수 교수 연구진, 세계 최고 성능 알고리즘 기술 개발

박근수 교수 연구진, 그래프 동형 문제에 대한 세계 최고 성능 알고리즘 기술 개발 박근수 교수 연구진이 세계 최고 성능의 그래프 동형(Graph Isomorphism) 알고리즘 기술을 개발하였다. 그래프 동형 문제는 두 개의 그래프가 동형인지 판별하는 문제로 소셜 네트워크 서비스, 생물정보학, 화학정보학 등 다양한 응용 분야에서 그래프 분석을 위해 다루고 있는 핵심 문제이다. Garey & Johnson은 1979년에 NP-complete에 속하는지 혹은 P에 속하는지 알려지지 않은 12개의 미해결 문제를 소개하였는데, 그중에서 그래프 동형 문제는 40년이 지난 현재까지도 미해결 상태로 남아있는 유명한 문제이다. 실용적인 측면에서는 지난 30여 년 동안 nauty/Traces가 그래프 동형 문제를 푸는 가장 빠른 알고리즘으로 알려져 왔다. 박근수 교수 연구진은 그래프 동형 문제를 실제 데이터에서 빠르게 푸는 세계 최고 성능의 알고리즘을 개발하고, 개발한 알고리즘이 benchmark 그래프 데이터에서 nauty/Traces보다 평균 수천 배 빠르게 문제를 푸는 것을 보였다. 개발된 그래프 동형 알고리즘은 공개 SW로 배포되었으며, 이 내용으로 박근수 교수의 지도학생인 구건모, 남예현이 과학기술정보통신부에서 주최한 2020 공개SW 개발자대회에서 금상을 수상하였다. 박근수 교수 연구진의 그래프 동형 알고리즘에 관한 연구 결과는 ICDE 2021에 accept 되었으며, 2021년 4월에 열리는 ICDE 2021에서 발표될 예정이다. G. Gu, Y. Nam, K. Park, Z. Galil, G.F. Italiano, and W.-S. Han, Scalable Graph Isomorphism: Combining Pairwise Color Refinement and Backtracking via Compressed Candidate Space, International Conference on Data Engineering (ICDE) 2021....
포스트 대표 이미지

Microsoft Research Asia Ph.D. Fellowship 수상

이주헌 박사과정생, Microsoft Research Asia Ph.D. Fellowship 2020 수상자로 선정 박사과정에 재학 중인 이주헌 학생(지도교수: 이영기)이 혼합 현실을 위한 모바일 딥러닝 시스템 연구 성과를 인정받아 Microsoft Research Asia Ph.D. Fellowship 2020 수상자로 선정되었다. 이주헌 박사과정생은 인간 중심 컴퓨터 시스템 연구실에서 혼합 현실(Mixed Reality) 응용을 위한 모바일 딥러닝 시스템을 연구하고 있다. 몰입도 높은 MR 응용을 위해서는 자원 한정적인 모바일 기기에서 다중 딥 뉴럴 네트워크(Deep Neural Network, DNN) 및 렌더링 연산을 동시 수행해야 한다. 이주헌 박사과정생은 단일 DNN 연산에 집중된 기존의 모바일 딥러닝 플랫폼을 혁신적으로 개선하는 연구를 수행중이며, 관련 연구로 모바일 컴퓨팅 분야 최고 국제학술대회인 ACM MobiCom 2020에 두 편의 논문을 1저자로 게재하였다. 이는 아시아 연구기관에서 최근 10년간 유일한 사례이다. 특히 올해 이주헌 박사과정생의 수상은 지도교수인 이영기 교수가 2006년 수상자로 선정된 이후 세대를 걸친 수상이라는 점에서 의미가 깊다. 이영기 교수는 “제가 수상했던 펠로우십을 지도 학생이 다시 수상하게 되어 뿌듯하다. 이번 계기를 통해 Microsoft Research Asia와 협력 관계를 더욱 발전시키기를 기대한다”며 소감을 밝혔다. 한편, Microsoft Research Asia Ph.D. Fellowship 2020에는 아시아 태평양 전역 36개의 유수 연구 중심 대학에서 총 106명의 지원자가 지원하여, 총 12명의 학생들이 수상자로 선정되었다. - MSRA Ph.D. Fellowship: https://www.microsoft.com/en-us/research/academic-program/fellowships-microsoft-research-asia/#!fellows - 이주헌 박사과정생 프로필: https://juheonyi.github.io/...
포스트 대표 이미지
포스트 대표 이미지

[문병로의 알고리즘 여행] 자연 모방하기

출처: 중앙일보 2020년 12월 18일자 [문병로의 알고리즘 여행] 진화의 세대수를 감안하면 우리 몸은 우주의 근원을 밝히는 연구실보다 아프리카 초원에 더 어울린다. 그런 우리가 138억년 전 우주 탄생까지 추적하고 있다. 놀라운 성취다.  우리 망막에는 600만개 정도의 원추 세포가 있다. 세 가지 종류가 있는데 민감하게 반응하는 색의 파장이 다르다. 각각 빨강, 녹색, 파랑 근처를 담당한다. 파장 분포를 보면 인간의 시각은 녹색에 가장 친화적이다. 망막에서 색 파장에 반응하는 이들 원추세포와 명암에 반응하는 간상세포의 입력이 대뇌피질로 들어가서 색을 해석한다. 컬러 TV와 모니터는 우리 눈이 색을 받아들이는 원리를 차용한 것이다. 색을 내는 방법인 RGB 체계는 빛의 삼원색인 빨강, 녹색, 파랑의 강도를 각각 수치로 준 것이다. 인간 학습의 큰 두 줄기는 보고 배우기와 부딪혀보고 배우기다. 시각으로 사물을 구분하는 것은 보고 배우기이고, 고급 학습이나 스포츠 활동은 부딪혀보고 배우기다. 기계학습에서 이를 차용했는데 전자를 지도학습이라 하고, 후자를 강화학습이라 한다. 사람의 대뇌에는 160억개 정도의 뉴런(신경세포)이 있는데 이들은 시냅스로 선택적으로 연결된다. 입력을 받은 뉴런들이 연결의 강도에 비례해서 다른 뉴런들로 신호를 전파하는 과정이 우리의 생각이고 행동이다. 자라면서 뇌에서 시냅스 수가 점점 많아질 것이라 생각하는데 그렇지 않다. 출생 직후에는 뉴런 사이의 연결이 아주 희소하다. 유아기에 왕성하게 연결이 증가해 최고조에 이른다. 성인이 되면 유아기의 40% 이하로 오히려 줄어든다. 어린이들은 뉴런의 연결은 많은데 체계가 잡히지 않아 뉴런이 여기저기 마구 ‘발화’한다. 그래서 수용력이 높은 반면 산만하다. 학습이 거듭되면서 경쟁에서 진 시냅스는 도태되고 이긴 시냅스들은 강화된다. 요즘 돌풍을 일으키고 있는 딥러닝은 인공신경망이 크고 깊어진 딥넷을 기반으로 한다. 딥넷은 6살 어린이의 뇌처럼 뉴런들을 마구 연결해놓고 시작한다. 이후 다양한 입력을 주고 결과에 따라 연결 강도를 계속 수정한다. 이 과정에서 정보 처리에 별로 기여하지 못하는 연결은 도태되고 일부 연결들이 살아남아 성인의 뇌처럼 체계를 갖춘다. 망막에서는 좁은 범위의 망막 세포들을 다발로 묶어 시신경에 연결한다. 이웃하는 시신경이 담당하는 다발 영역은 겹치고 경계 부분만 다르다. 이렇게 겹쳐 있는 시신경 정보를 처리하면서 전체 이미지를 해석한다. 딥넷 중에 CNN(합성곱신경망)이라는 것이 있는데 이것이 바로 망막의 다발 처리를 모방한 것이다. 알파고도 CNN 구조의 신경망을 사용하고 있다. 과학의 큰 두 줄기는 환원주의와 구성주의다. 환원주의는 대상을 쪼개 들어가는 것이고, 구성주의는 대상을 합쳐나가는 것이다. 구성주의의 대표 원리는 진화다. 여러 경쟁적 대안들이 시행착오를 거치면서 이긴 것들이 살아남는 방식이다. 원자가 모여 분자가 되고, 세포가 모여 생명체가 만들어지고, 개인이 모여 사회가 만들어지는 것이 다 진화적이다. 진화의 유전적 프로세스를 문제 해결에 차용한 것이 AI의 한 갈래인 유전알고리즘이다. 이 분야의 대부인 존 홀랜드는 자신이 컴퓨팅에 섹스를 도입한 사람이라는 조크를 남겼다. 반면 연금술은 긴 실패의 역사를 갖고 있다. 뉴턴도 그중 한 사람이다. 20세기에 원자 구조가 밝혀지고 금이 양성자 79개를 가진 주기율표 상의 ‘원소’라는 것이 밝혀졌다. 수은 원자에서 양성자 하나만 빼내면 금 원자가 된다. 이게 불가능한 일이라는 것도 알게 되었다. 원자핵에서 양성자를 빼내는 것은 핵융합 수준의 힘이 필요하다. 금은 지구의 자연이 만든 적 없고 백 프로 우주에서 날아온 것이다. 우리 몸에는 마그네슘, 철, 아연, 나트륨, 칼슘 등의 무기질 원소가 필요한데 이들도 우리 몸이 생성할 수 없을뿐더러 지구에서도 생성되지 않는다. 우주에서 날아와 존재하던 것을 지구의 식물이나 동물이 섭취하고 우리가 다시 그들을 섭취하는 것이다. 지구에 있는 원소 각각의 총량은 변하지 않는다. 다른 원소와 분자로 결합되면서 다른 얼굴을 할 뿐이다. 지구는 먼 옛날 초신성 같은 별들이 폭발하고 남은 먼지의 조합이다. 인간도 기본적으로는 우주 먼지의 조합이다. 분자 속에 이미 있는 원소를 ‘추출’할 수 있을 뿐 원소의 생성은 모방할 수 없다는 것을 알게 된 것도 인류의 위대한 성취다. 문병로 교수 ...
포스트 대표 이미지

[문병로의 세상읽기] 변방의 과학자들

출처: 매일경제 2020년 12월 17일자 [세상읽기] 노벨상은 대개 주류에서 나온다. 그런 중에 변방에서 튀어나와 승리를 쥐는 사람들이 있다. 캐번디시연구소의 왓슨과 크릭은 DNA 구조 관련 전공자가 아니었다. 킹스칼리지의 윌킨스 그룹이 관찰의 핵심 기술인 X선 분석 데이터를 거의 독점하다시피 하고 있었고, 현대 이론 화학의 아버지라 불리는 칼텍의 라이너스 폴링은 DNA 사슬이 나선 구조를 가질 수밖에 없다는 것을 먼저 알았다. 폴링은 X선 분석 사진을 얻으려 윌킨스에게 편지를 썼지만 윌킨스는 거절했다. 반면 신출내기 왓슨에게는 학회에서 만나 흔쾌히 사진을 보여줬다. 이것이 물리학 전공자였던 왓슨을 분자생물학 주제에 입문하게 만들었다. 윌킨스와 폴링이 경쟁하는 와중에 폴링이 결정적인 학술 모임 참석을 방해받는다. 미국 정부가 폴링의 비판적인 성향을 못마땅히 여겨 여권을 취소해버렸다. 시간이 얼마 남지 않은 느낌을 다들 갖고 있던 시점이었다. 혼란의 와중에 구경꾼 같은 존재였던 왓슨과 크릭이 이중 나선 구조임을 밝혀 노벨상을 받는다. 당시 그들은 윌킨스 그룹에 설명회를 열어 삼중 나선을 주장했다가 망신을 당하고, 연구소장으로부터 DNA 연구 금지 조치를 당한 지 3개월이 채 안된 시기였다. 실험 한 번 안 해보고 주류에 속해 있지도 않으면서 기회를 잡은 유명한 일화다.이렌 졸리오퀴리는 마리 퀴리의 딸이다. 원자핵에서 중성자가 튀어나와 양성자와 전자로 분리된 실험 결과를 얻고도 그것이 중성자인지 몰랐다. 일찍이 러더퍼드가 어떤 강연에서 중성자의 존재를 예언했는데 졸리오퀴리는 그 사실을 몰랐고, 제임스 채드윅은 그 자리에 앉아 있었다. 어느 날 채드윅은 학회지에 실린 졸리오퀴리의 논문을 보고 해석이 잘못됐음을 간파하고 그것이 중성자임을 밝혀 노벨상을 받는다. 졸리오퀴리의 일화는 `죽 쒀서 남 준` 전형적인 케이스다.아인슈타인은 고등학교에서 공부는 잘했어도 비판 정신이 강한 삐딱한 학생이었다. 한 교사는 그에게 어느 분야로 진출하든 실패할 것이라고 했다. 연방공대를 졸업하고 태도 탓인지 한동안 백수로 지내다 한직인 특허청 심사관 자리를 얻는다. 학계의 어떤 그룹에도 속하지 `못하고` 벗어나 있었다. 실험 한 번 해 본 적 없고 다른 이의 책과 상상력만으로 1901년부터 논문을 발표하기 시작했다. 최신 과학 논문을 접하지 못해 그저 그런 논문을 쓰다가 1905년에 역사에 남는 양자역학, 브라운 운동, 특수 상대성이론 논문 세 편을 단 3개월에 쏟아낸다. 다른 나라에 뒤떨어져 있던 스위스 과학계에서 정규 멤버로 자리를 얻어 소속 그룹의 연구 주제에 매달려야 했다면 그런 상상력을 발휘하지 못했을지도 모른다.존 홀랜드는 컴퓨터과학이라는 전공이 없을 때 내용상 세계 최초의 컴퓨터과학 박사 학위를 MIT에서 취득하고 미시간대 심리학과 교수가 됐다. 진화 메커니즘이 계산에 유용함을 확신한 그는 1950년대 중반부터 진화 알고리즘 연구를 시작했다. 자신을 마케팅할 줄도 모르고 첨단 트렌드에도 관심이 없었다. 1980년대에 기계어로 프로그래밍을 할 정도였다. 1980년대 중반 복잡계 연구의 본산인 산타페연구소에서 초청받아 강연한 뒤 연구소의 방향을 `적응적 복잡계`로 바꿀 정도로 영향을 미친다. 학문적 재미 이외에는 거의 관심이 없었던 시골 서생이 30년 만에 갑자기 현대과학의 구성주의에 진화가 핵심 메커니즘으로 자리 잡는 결정적인 통찰을 제공한 인물이 된다. 그가 개척한 분야가 유전 알고리즘이다.주류에 속하지 않는 것은 대개 손해지만 장점도 있다. 아인슈타인처럼 넓은 시야를 갖는 계기가 될 수도 있다. 왓슨처럼 다른 전공으로 사고하던 프로세스가 도움이 될 수도 있다. 홀랜드처럼 비주류로 30년을 매진하면 무서운 내공이 쌓일 수도 있다. 변방에 있는 것은 적어도 고정관념에서 벗어나기에는 유리한 듯하다. 문병로 교수 ...
포스트 대표 이미지

허충길 교수 연구진, Google ASPIRE Award 수상

허충길 교수 연구진, 소프트웨어 검증 기술 연구로 2020 Google ASPIRE award 수상 허충길 교수 연구진은 소프트웨어를 엄밀히 검증하여 보안성을 높이는 연구 방향으로 2020 ASPIRE(Android Security and PrIvacy REsearch) award(150,000 USD)를 수상하였다. 구글(Google)은 2018년 말 안드로이드(Android) 에코시스템의 보안성과 개인정보 보호 강화를 위한 노력의 일환으로 ASPIRE 프로그램을 시작했다. 이 프로그램은 Android Security and Privacy 팀과 학계의 협력을 다양한 방식으로 지원하여, 새로운 보안기술을 개발하고 이를 안드로이드(Android) 시스템에 적용하는 것을 목표로 하고 있다. 연구진은 이번 수상으로 구글(Google)로부터 미화 150,000달러의 연구 기금을 지원받는다. 이번 수상의 기반이 된 연구로 허충길 교수 연구진은 소프트웨어 검증을 단계별로 나눠서 수행할 수 있는 이론 및 기술을 개발했다. 기존의 프로그램 검증 기술은 주로 호어논리(Hoare Logic) 및 이를 확장한 분리논리(Separation Logic)에 기반을 두고 있으며, 이 이론은 프로그램을 모듈별로 나줘서 검증하는 것은 잘 지원한다. 하지만 큰 규모의 소프트웨어 검증을 효율적으로 수행하기 위해서는 각 모듈의 검증을 여러 단계로 나눠서 한번에 한가지 성질만 검증하는 것도 꼭 필요하다. 최근 허충길 교수 연구진이 개발한 RUSC(Refinement Under Self-related Contexts) 이론은 분리논리(Separation Logic)가 지원하는 다양한 모듈별 검증 기술뿐만 아니라 단계적 검증도 동시에 지원한다. 연구진은 이 이론에 기반한 검증 프레임워크를 개발중에 있으며, 이를 활용하여 구글(Google) 주도로 개발되고 있는 보안용 하이퍼바이저인 PKVM(Protected Kernel-based Virtual Machine)을 검증하는데 기여할 계획이다. Google의 ASPIRE 프로그램 소개 페이지: https://security.googleblog.com/2018/12/aspire-to-keep-protecting-billions-of.html...
포스트 대표 이미지