국방 AI 연구 및 개발을 위한 환경 구성 제안
Defense AI R&D Framework Proposal
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 국방 분야 AI 연구 및 개발을 위한 환경 구성에 관한 체계적인 접근을제시한다. 이를 위해 상용 인터넷망, 국방 인터넷망, 그리고 국방망의 세 가지주요 구성 요소를 중심으로 연구 환경을 설명한다. 첫째, 상용 인터넷망은 민간공공 클라우드, 웹사이트, 그리고 제한 구역으로 구분된다. 민간 공공 클라우드는공개 데이터를 활용한 AI 연구 및 개발의 기본 플랫폼으로 활용되며, 웹사이트는필요한 외부 데이터 및 소프트웨어의 획득을 위해 사용된다. 특히 제한 구역은승인된 연구 인력만이 접근할 수 있으며, 외부 데이터 및 소프트웨어와 군데이터를 활용한 연구가 진행된다. 둘째, 국방 인터넷망은 상용 인터넷망과국방망 간의 AI 및 데이터 자료 교환을 담당한다. 이를 통해 개발된 AI 모델과데이터는 보다 안전하게 공유되며, 연동 작업이 이루어진다. 셋째, 국방망은 국방지능형 플랫폼과 각 군 및 연구기관의 AI 플랫폼으로 구성된다. 여기서는 상용인터넷망에서 개발된 AI 모델은 연합학습을 통해 지속적인 성능 개선이이루어진다. 이러한 체계적인 환경 구성은 국방 분야의 AI 연구 및 개발을효율적이고 안전하게 진행할 수 있는 기반을 마련한다.
Abstract
This paper outlines a systematic approach to setting up environments for AI research and development within the defense sector, focusing on three key components: commercial internet networks, defense internet networks, and defense networks. The commercial internet network is categorized into public clouds for basic AI research using open data, websites for external data and software acquisition, and restricted areas limited to authorized personnel for specialized research. The defense internet network manages the exchange of AI models and data between the commercial and defense networks, ensuring secure sharing and integration. The defense network consists of specialized intelligent platforms and AI platforms across various military and research institutions, where continuous improvement of AI models is facilitated through federated learning. This structured approach provides a solid foundation for efficient and secure defense AI research and development. The paper details these configurations and suggests methods to improve the efficiency and security of defense AI projects.
참고문헌 (9)
- 국방혁신 4.0 기본계획, "국방부", ~ (2023)
- 이재국, "국방 AI 플랫폼 개발을 위한 제언", KRIT Issue Paper, 03 (2022)
- DHS, "Artificial Intelligence Roadmap", ~ (2024)
- 윤정현, "국방 분야 인공지능 기술 도입의 주요 쟁점과 활용 제고 방안", STEPI Insight, 279 (2021)
- DoD, "Data, Analytics, and Artificial Intelligence Adoption Strategy", ~ (2023)
- Brendan McMahan, "Communication-efficient learning of deep networks from decentralized data", Proc. AISTAT, Fort Lauderdale (2017)
- Latif U Khan, "Federated learning for internet of things: Recent advances, taxonomy, and open challenges", IEEE Commun. Surv. Tutor (2021)
- SolmazNiknam, "Federated learning for wireless communications: Motivation, opportunities, and challenges", IEEE Commun. Mag, 58(6), pp.46~51 (2020)
- P. Kairouzand, "Found. Trends Mach. Learn" (2021), Now Publishers