머신러닝 기반의 전장 정보 분석 시스템을 위한 첩보수집 우선순위 산정 기법

• Published in: 한국정보통신학회논문지 Vol. 28; no. 11; pp. 1361 - 1368
• Main Authors: 이종관(Jongkwan Lee), 박정규(Jungkyu Park), 이종덕(Jongdeog Lee)
• Format: Journal Article
• Language: Korean
• Published: 한국정보통신학회 01.11.2024
• Subjects: 전자/정보통신공학; 머신러닝; Intelligence collecting; 첩보수집; Data analysis system; 우선순위; Priority; 정보분석 시스템; Machine learning
• ISSN: 2234-4772; 2288-4165
• DOI: 10.6109/jkiice.2024.28.11.1361

본 논문은 사전에 학습된 다수의 머신러닝 기반 전장정보분석 모델들 중 최적의 성능을 발휘하는 모델을 효과적으로 선택하기 위한 첩보수집 우선순위 산정 기법을 제안한다. 적의 대정보 및 기만 활동 그리고 아군 첩보수집자산의 성능 한계 등으로 학습이 완료된 전장정보분석 모델에 필요한 입력값인 첩보를 신뢰성 있게 모두 수집하는 것은어려운 일이다. 따라서 최적의 전장정보분석 모델을 선택하기 위해 첩보수집의 우선순위에 따라 첩보수집자산을 운용해야 한다. 제안하는 기법은 첩보수집 성공확률과 모델 선택에 따른 성능 향상도를 함께 고려하여 첩보수집 우선순위를 산정한다. 모델 선택 성능 향상도 또는 첩보수집 성공확률만을 기준으로 첩보를 수집하는 기법에 비해 제안하는 기법이 모델의 평균성능 관점에서 우수함을 실험을 통해 검증하였다. In this paper, we propose an intelligence collection prioritization technique to effectively select the optimal performingmodel among multiple pre-trained machine learning-based intelligence models. It is difficult to reliably collect all theintelligence, which is a necessary input for a trained intelligence model, due to the enemy's counterintelligence anddeception activities and the limitations of friendly intelligence collection assets. Therefore, intelligence collection assetsshould be operated according to the priority of intelligence collection to select the optimal intelligence model. Theproposed technique prioritizes intelligence collection by considering the probability of intelligence collection success andthe performance improvement by model selection. We verified through experiments that the proposed technique is superiorin terms of the average performance of models compared to techniques that collect intelligence based only on theperformance improvement by model selection or the probability of intelligence collection success. KCI Citation Count: 0