수상함 전투체계 위협평가 머신러닝 적용 방안에 대한 연구
Research on the application of Machine Learning to threat assessment of combat systems
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 논문에서는 전투체계 위협지수를 머신러닝 모델 중 Gradient Boosting Regreesor, Suppor Vector Regressor를 통해 예측하는 방법을 제시한다. 현재 전투체계는 안전성과 신뢰성이 중시되는소프트웨어이므로 신뢰성이 보장되지 않은 AI 기술의 적용을 정책상 제한하고 있으며, 이로 인하여 전력화된 국내 전투체계는 AI 기술을 탑재하고 있지 않다. 하지만 AI의 전력화를 목표로 하는국방부의 정책 방향에 대응하기 위하여, 전투체계의 머신러닝 적용에 필요한 기반 기술을 확보하기 위한 연구를 실시하였다. 이 연구는 위협지수 평가에 필요한 데이터를 수집한 뒤 데이터 가공및 정제, 머신러닝 모델 선정 및 최적의 하이퍼 파리미터를 선정하여 학습된 모델의 예측 정확도를 판단하였다. 그 결과 테스트 데이터에 대한 모델 점수가 99점 이상으로 도출되었으며 전투체계에 머신러닝 모델의 적용 가능성을 확인하였다.
Abstract
This paper presents a method for predicting the threat index of combat systems using Gradient Boosting Regressors and Support Vector Regressors among machine learning models. Currently, combat systems are software that emphasizes safety and reliability, so the application of AI technology that is not guaranteed to be reliable is restricted by policy, and as a result, the electrified domestic combat systems are not equipped with AI technology. However, in order to respond to the policy direction of the Ministry of National Defense, which aims to electrify AI, we conducted a study to secure the basic technology required for the application of machine learning in combat systems. After collecting the data required for threat index evaluation, the study determined the prediction accuracy of the trained model by processing and refining the data, selecting the machine learning model, and selecting the optimal hyper-parameters. As a result, the model score for the test data was over 99 points, confirming the applicability of machine learning models to combat systems.
참고문헌 (18)
- Department of Defense Editorial Board, "Promoting 'Future Defense Innovation Initiative' to leapfrog advanced science and technology forces : Focus on rapid application of advanced technologies such as AI and unmanned systems, and development of future-proof defense policies and strategies", Defense &Technology, 511, pp.13~15 (2021)
- Department of Defense Editorial Board, "Report on the implementation plan for the detailed implementation of the National Defense Policy Direction : Establishment of a three-axis system, strengthening of ROK-US joint exercises, and creation of a defense AI center", Defense & Technology, 522, pp.11~13 (2022)
- Se-Yong Kim, "Recommendations for the development of the Defense AI Center to foster an AI-based science and technology powerhouse", Defense & Technology, 528, pp.84~91 (2023)
- 손정우, "하드웨어 단종대체 비용 절감을 위한 함정 전투체계 소프트웨어 설계 방안 연구", 한국컴퓨터정보학회논문지, 28(1), pp.71~78 (2023), 한국컴퓨터정보학회[DOI]
- 권기태, "디자인패턴을 이용한 확장성있는 함정전투체계소프트웨어 설계", 한국컴퓨터정보학회논문지, 24(7), pp.101~108 (2019), 한국컴퓨터정보학회[DOI]
- 이철규, "함정 전투체계 소프트웨어 보안성시험 수행방안 연구", 한국통신학회논문지, 45(3), pp.628~637 (2020), 한국통신학회[DOI]
- "Naval Combat Management system"[URL]
- 안예린, "머신러닝 알고리즘을 이용한 커피 프랜차이즈 실패 요인 분석에 관한 연구", 대한산업공학회지, 49(1), pp.37~45 (2023), 대한산업공학회[DOI]
- 차기욱, "해체폐기물 발생량 예측을 위한 머신러닝 모델 개발", 대한건축학회논문집, 39(2), pp.229~235 (2023), 대한건축학회
- 임정주, "A Design and Implement of Efficient Agricultural Product Price Prediction Model", 한국컴퓨터정보학회논문지, 27(5), pp.29~36 (2022), 한국컴퓨터정보학회[DOI]
- 허태성, "캐글 타이타닉 대회의 전처리와 머신러닝 비교 분석", 한국컴퓨터정보학회논문지, 28(3), pp.17~24 (2023), 한국컴퓨터정보학회[DOI]
- 차현종, "기상정보를 활용한 머신러닝 기반의 전력수요 예측 모델", 한국콘텐츠학회 논문지, 23(2), pp.117~124 (2023), 한국콘텐츠학회[DOI]
- Xiguan Liang, "Indoor occupancy estimation from CO2 concentration data based on machine learning", Korean Journal of Air-Conditioning and Refrigeration Engineering, pp.72~77 (2022)
- "nasa/simupy-flight, simupy-flight"[URL]
- Dr. Bonnie Johnson, "Challenges In Implementing Artificial Intelligence For Naval Warfare", NAVAL ENGINEERS JOURNAL, 135(1), pp.95~103 (2023)
- Dr. Bonnie Johnson, "Mapping Artifi cial Intelligence to the Naval Tactical Kill Chain", NAVAL ENGINEERS JOURNAL, 135(1), pp.155~167 (2023)
- 권판검, "인공지능 함정전투체계 구현 방안에 관한 연구", 융합보안 논문지, 20(2), pp.123~136 (2020), 한국융합보안학회
- 김영묵, "훈련 M&S 분야 인공지능 적용 사례와 발전방안", 선진국방연구, 4(2), pp.21~36 (2021), 방위사업연구소[DOI]