KR102641958B1

KR102641958B1 - 기계학습을 이용한 무인항공기의 안티탬퍼링 동작 시스템 설계 장치 및 방법

Info

Publication number: KR102641958B1
Application number: KR1020230119989A
Authority: KR
Inventors: 성기은; 장찬욱; 김희수
Original assignee: 국방과학연구소
Priority date: 2023-09-08
Filing date: 2023-09-08
Publication date: 2024-02-27

Abstract

안티탬퍼링 동작 시스템 설계 장치는 무인기에 탑재될 수 있는 장비들이 출력할 수 있는 데이터를 모의하여 구동 시뮬레이션 데이터를 생성하는 장비 시뮬레이션 장치, 상기 구동 시뮬레이션 데이터를 기반으로 무인기의 기능을 모의하여 기능 결과값을 생성하고, 모의된 무인기의 기능으로 무인기의 임무 수행을 모의하여 임무 결과값을 생성하는 가상 무인기 시뮬레이션 장치, 및 상기 구동 시뮬레이션 데이터, 상기 기능 결과값 및 상기 임무 결과값을 이용하여 안티탬퍼링 동작의 기계학습을 수행하는 기계학습 장치를 포함한다.

Description

기계학습을 이용한 무인항공기의 안티탬퍼링 동작 시스템 설계 장치 및 방법{MACHINE LEARNING BASED UNMANNED AERIAL ANTI-TAMPERING TRIGGER SYSTEM DESIGN APPARATUS AND METHOD}

본 발명은 기계학습을 이용한 무인항공기의 안티탬퍼링 동작 시스템 설계 장치 및 방법에 관한 것이다.

무인항공 시스템은 일반적으로 무인항공기, 데이터링크 시스템, 지상통제 시스템으로 구성된다. 무인항공 시스템은 유인 항공기 대비 시스템이 훨씬 복잡하고 많은 장비들로 이루어진다. 이처럼 복잡한 시스템 구조에 대해 조종사가 모두 파악하고 있기에는 현실적으로 불가능하다. 또한 조종사가 임무를 수행하기 위해서 모든 시스템의 구조 및 장비들에 대해 상세히 알고 있을 필요도 없다. 무인항공 시스템처럼 복잡한 시스템에서는 고장이 빈번하게 발생할 수 있고, 이런 고장이 발생할 경우 고장의 파급 효과를 판단하기는 어렵다. 유인항공기에서는 조종사가 직접 탑승하기 때문에 특정 장비의 고장이 발생할 경우 무인항공기에 비해 상대적으로 기체의 상태를 더 정확하게 진단할 수 있다. 하지만 무인항공기는 조종사가 지상통제 시스템에서 기체를 조종하기 때문에 카메라의 영상 정보와 장비들의 상태 정보만으로는 전체 시스템 상태를 파악하는데 한계가 있다. 따라서 조종사를 보조해주는 시스템이 필요하다.

무인항공기가 임무 중 고장이 발생할 경우, 그 고장이 기지귀환이 불가능한 상황인지 조종사가 판단하기에 어려움이 있다. 무인항공기가 적진에 비행 중이고 기지귀환이 불가능한 경우, 적들에게 무인항공기의 중요 데이터가 탈취당하지 않도록 중요 데이터를 삭제해야 한다. 중요 데이터를 보호하기 위한 기술이 안티탬퍼링(Anti-tampering)이다. 복잡한 무인항공 시스템에서 안티탬퍼링을 동작시킬지 여부를 조종사가 판단하기에는 부담이 있다. 따라서 기계학습을 통해 특정 장비의 고장이 전체 시스템에 미치는 영향을 식별하고 고장으로 기지귀환이 불가능할 경우 안티탬퍼링을 동작시키는 시스템이 필요하다.

최근, 기계학습의 효용성이 입증되었고 산업 전반에 활용되고 있다. 기계학습이란 무수히 많은 데이터를 이용하여 판단 모델을 생성하는 것이다. 기계학습 성능의 핵심은 데이터에 있다. 실제 무인항공기로는 기계학습에 사용할 방대하고 다양한 데이터를 생성하는 것은 어렵다. 실제 무인항공기에서는 임의로 고장을 발생시킬 수도 없고 고장난 장비를 장착하고 비행하는 것도 불가능하다. 고장 데이터의 생성과 활용이 무인항공 시스템에 기계학습을 적용할 수 있을지가 결정된다.

무인항공기의 안티탬퍼링을 동작시키는 시스템을 위해서 고장 데이터를 생성하는 시스템, 비행 상황을 모의할 수 있는 시스템, 기계 학습을 모델링하는 시스템이 필요하다.

본 발명이 해결하고자 하는 기술적 과제는 기계학습을 이용하여 무인항공기의 안티탬퍼링 동작 시스템을 설계하는 장치 및 방법을 제공함에 있다.

본 발명의 일 실시예에 따른 안티탬퍼링 동작 시스템 설계 장치는 무인기에 탑재될 수 있는 장비들이 출력할 수 있는 데이터를 모의하여 구동 시뮬레이션 데이터를 생성하는 장비 시뮬레이션 장치, 상기 구동 시뮬레이션 데이터를 기반으로 무인기의 기능을 모의하여 기능 결과값을 생성하고, 모의된 무인기의 기능으로 무인기의 임무 수행을 모의하여 임무 결과값을 생성하는 가상 무인기 시뮬레이션 장치, 및 상기 구동 시뮬레이션 데이터, 상기 기능 결과값 및 상기 임무 결과값을 이용하여 안티탬퍼링 동작의 기계학습을 수행하는 기계학습 장치를 포함한다.

상기 장비 시뮬레이션 장치는, 무인기에 탑재될 수 있는 복수의 실제 장비들을 포함하는 실제 장비 그룹, 및 상기 실제 장비 그룹에 대응하여 동일한 기능을 수행하는 복수의 모델 장비들을 포함하는 모델 장비 그룹을 포함할 수 있다.

상기 장비 시뮬레이션 장치는, 상기 모델 장비 그룹에 속하는 복수의 모델 장비들로부터 수신한 정상 데이터 및 고장 데이터를 취합한 취합 정보를 출력하는 고장 시뮬레이터, 및 상기 실제 장비 그룹에 속하는 복수의 실제 장비들의 출력 데이터와 상기 취합 정보를 합쳐서 상기 구동 시뮬레이션 데이터를 생성하는 시스템 통합부를 더 포함할 수 있다.

상기 복수의 모델 장비들 각각은, 실제 장비가 출력할 수 있는 범위 내의 정상 데이터를 생성하여 상기 고장 시뮬레이터로 출력하는 정상 데이터 출력부, 및 상기 실제 장비가 출력할 수 있는 범위를 초과하는 고장 데이터를 생성하여 상기 고장 시뮬레이터로 출력하는 고장 모의부를 포함할 수 있다.

상기 복수의 모델 장비들 각각은 상기 고장 모의부가 생성하는 고장 데이터의 값을 변경하여 출력시키는 데이터 변환부를 더 포함하고, 상기 고장 시뮬레이터는 상기 기계학습 장치의 요청에 따라 변경할 데이터 정보를 상기 복수의 모델 장비들 중에서 대응하는 모델 장비의 데이터 변환부에 전달할 수 있다.

상기 기계학습 장치는, 상기 구동 시뮬레이션 데이터를 복수의 입력 데이터로 수신하는 입력 계층, 상기 기능 결과값을 무인기의 복수의 기능으로 수신하는 기능 계층, 및 상기 임무 결과값을 무인기의 임무로 수신하는 임무 계층을 포함할 수 있다.

상기 입력 계층과 상기 기능 계층은 완전 연결로 구성되고, 상기 기능 계층과 상기 임무 계층은 완전 연결로 구성되고, 상기 기계학습 장치는 상기 복수의 기능에 대한 가중치를 조정하여 상기 복수의 입력 데이터의 사용 여부를 결정하고, 임무에 대한 가중치를 조정하여 상기 복수의 기능의 사용 여부를 결정할 수 있다.

상기 기계학습 장치는 지도학습 방법으로 상기 입력 계층, 상기 기능 계층 및 상기 임무 계층의 가중치들을 조정하는 과정을 반복 학습하여 안티탬퍼링 동작 모델을 도출할 수 있다.

본 발명의 다른 실시예에 따른 안티탬퍼링 동작 모델을 도출하기 위한 안티탬퍼링 동작 시스템 설계 방법은, 장비 시뮬레이션 장치가 무인기에 탑재될 수 있는 장비들이 출력할 수 있는 데이터를 모의하여 구동 시뮬레이션 데이터를 생성하는 단계, 가상 무인기 시뮬레이션 장치가 상기 구동 시뮬레이션 데이터를 기반으로 무인기의 기능을 모의하여 기능 결과값을 생성하고, 모의된 무인기의 기능으로 무인기의 임무 수행을 모의하여 임무 결과값을 생성하는 단계, 및 기계학습 장치가 상기 구동 시뮬레이션 데이터, 상기 기능 결과값 및 상기 임무 결과값을 이용하여 안티탬퍼링 동작의 기계학습을 수행하는 단계를 포함한다.

상기 장비 시뮬레이션 장치는 실제 장비가 출력할 수 있는 범위 내의 정상 데이터 및 상기 실제 장비가 출력할 수 있는 범위를 초과하는 고장 데이터를 생성하고, 무인기에 탑재될 수 있는 복수의 실제 장비들의 출력 데이터, 상기 정상 데이터 및 상기 고장 데이터를 합쳐서 상기 구동 시뮬레이션 데이터를 생성할 수 있다.

상기 장비 시뮬레이션 장치는 상기 기계학습 장치의 요청에 따라 상기 고장 데이터의 값을 변경하는 출력하고, 상기 기계학습 장치는 변경된 고장 데이터를 수신하여 안티탬퍼링 동작의 기계학습을 재수행할 수 있다.

본 발명의 또 다른 실시예에 따른 안티탬퍼링 동작 시스템 설계 방법은 무인기에 탑재될 수 있는 장비들이 출력할 수 있는 데이터를 모의하여 생성된 구동 시뮬레이션 데이터가 복수의 입력 데이터로 입력 계층에 입력되는 단계, 상기 구동 시뮬레이션 데이터를 기반으로 무인기의 기능을 모의하여 생성된 기능 결과값이 복수의 기능으로 기능 계층에 입력되는 단계, 모의된 무인기의 기능으로 무인기의 임무 수행을 모의하여 생성된 임무 결과값이 무인기의 임무로 임무 계층에 입력되는 단계, 및 지도학습 방법으로 상기 입력 계층, 상기 기능 계층 및 상기 임무 계층의 가중치들을 조정하는 과정을 반복 학습하여 안티탬퍼링 동작 모델을 도출하는 단계를 포함한다.

상기 입력 계층과 상기 기능 계층은 완전 연결로 구성되고, 상기 기능 계층과 상기 임무 계층은 완전 연결로 구성될 수 있다.

상기 구동 시뮬레이션 데이터는 실제 장비가 출력할 수 있는 범위 내의 정상 데이터 및 상기 실제 장비가 출력할 수 있는 범위를 초과하는 고장 데이터를 포함할 수 있다.

본 발명의 실시예에 따른 기계학습을 이용한 무인항공기의 안티탬퍼링 동작 시스템 설계 장치 및 방법은 다양한 고장 상황을 모의하여 무인항공기의 안티탬퍼링 동작 모델을 설계할 수 있다.

다양한 고장 상황에 대해 설계된 안티탬퍼링 동작 모델을 탑재한 무인항공기는 자체적으로 기지귀한이 불가능한 상황을 판단하여 안티탬퍼링을 동작시킬 수 있으며, 위급한 상황에서 신속하게 무인항공기의 중요 데이터를 보호할 수 있다.

도 1은 본 발명의 일 실시예에 따른 기계학습을 이용한 무인항공기의 안티탬퍼링 동작 시스템 설계 장치를 나타내는 블록도이다.
도 2는 도 1의 장비 시뮬레이션 장치를 나타내는 블록도이다.
도 3은 도 2의 장비 시뮬레이션 장치가 고장을 모의하는 방법을 설명하기 위한 블록도이다.
도 4는 도 1의 가상 무인기 시뮬레이션 장치를 나타내는 블록도이다.
도 5는 도 1의 기계학습 장치를 나타내는 블록도이다.
도 6은 도 5의 기계학습 장치가 기계학습을 수행하는 과정을 나타내는 흐름도이다.
도 7은 본 발명의 실시예에 따라 설계된 안티탬퍼링 동작 모델이 탑재된 무인기를 나타내는 블록도이다.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예들에 한정되지 않는다.

본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.

또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

이하, 도 1 내지 6을 참조하여 본 발명의 일 실시예에 따른 기계학습을 이용한 무인항공기의 안티탬퍼링 동작 시스템 설계 장치 및 방법에 대하여 설명한다.

도 1은 본 발명의 일 실시예에 따른 기계학습을 이용한 무인항공기의 안티탬퍼링 동작 시스템 설계 장치를 나타내는 블록도이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 안티탬퍼링 동작 시스템 설계 장치(10)는 장비 시뮬레이션 장치(100), 가상 무인기 시뮬레이션 장치(200), 기계학습 장치(300) 및 안티탬퍼링 동작 모델 저장 장치(400)를 포함할 수 있다. 안티탬퍼링 동작 시스템 설계 장치(10)는 무인항공기의 안티탬퍼링 동작 시스템의 설계뿐만 아니라 무인차량, 무인수상함, 무인잠수정 등 다양한 종류의 무인기의 안티탬퍼링 동작 시스템의 설계에 적용될 수 있다.

장비 시뮬레이션 장치(100)와 가상 무인기 시뮬레이션 장치(200)는 안티탬퍼링 동작의 기계학습에 필요한 데이터를 생성한다. 즉, 장비 시뮬레이션 장치(100)와 가상 무인기 시뮬레이션 장치(200)의 결과값(출력값)은 기계학습 장치(300)로 입력된다.

기계학습 장치(300)는 입력된 정보들을 이용하여 안티탬퍼링 동작의 기계학습을 수행할 수 있다. 기계학습 장치(300)는 기계학습을 통해 안티탬퍼링 동작 모델을 도출할 수 있다.

안티탬퍼링 동작 모델 저장 장치(400)는 기계학습으로 도출된 안티탬퍼링 동작 모델을 저장하고, 안티탬퍼링 동작 모델을 무인기에 탑재시킬 수 있다. 무인기는 탑재된 안티탬퍼링 동작 모델을 기반으로 실제 비행환경에서 기지귀환 불가능 상황을 판단하여 안티탬퍼링을 동작시킬 수 있다.

도 2는 도 1의 장비 시뮬레이션 장치를 나타내는 블록도이다. 도 3은 도 2의 장비 시뮬레이션 장치가 고장을 모의하는 방법을 설명하기 위한 블록도이다.

도 2 및 3을 참조하면, 장비 시뮬레이션 장치(100)는 고장 시뮬레이터(110), 시스템 통합부(120), 실제 장비 그룹(130) 및 모델 장비 그룹(140)을 포함할 수 있다. 장비 시뮬레이션 장치(100)는 안티탬퍼링 동작의 기계학습을 위한 데이터를 생성하기 위하여 실제 장비 그룹(130) 또는 모델 장비 그룹(140)을 선택적으로 구동할 수 있다.

실제 장비 그룹(130)은 무인기에 실제로 탑재될 수 있는 복수의 실제 장비들을 포함할 수 있다. 즉, 실제 장비 그룹(130)은 무인기의 동작 및 기능을 수행하는 제1 내지 제N 실제 장비를 포함할 수 있다. N은 2 이상의 정수이다.

모델 장비 그룹(140)은 실제 장비 그룹(130)에 대응하여 동일한 기능을 수행하는 복수의 모델 장비들을 포함할 수 있다. 즉, 모델 장비 그룹(140)은 무인기의 동작 및 기능을 수행하는 제1 내지 제N 실제 장비에 대응하는 제1 내지 제N 모델 장비를 포함할 수 있다.

제1 내지 제N 모델 장비 각각은 도 3에 예시한 바와 같이 정상 데이터 출력부(141), 고장 모의부(142) 및 데이터 변환부(143)를 포함할 수 있다. 도 3에서는 제1 내지 제N 모델 장비 중 어느 하나를 나타내고 있다.

정상 데이터 출력부(141)는 실제 장비가 정상적으로 출력할 수 있는 범위 내의 정상 데이터를 생성하여 고장 시뮬레이터(110)로 출력할 수 있다.

고장 모의부(142)는 실제 장비가 정상적으로 출력할 수 있는 범위를 초과하는 고장 데이터를 생성하여 고장 시뮬레이터(110)로 출력할 수 있다.

모델 장비는 정상 데이터 출력부(141) 및 고장 모의부(142)를 이용하여 하나의 모델 장비가 가지는 여러 개의 기능 중에서 일부 기능이 고장난 경우, 즉 모델 장비의 상태는 정상이지만 특정 데이터 값이 이상 현상을 보이는 상황을 모의할 수 있다. 즉, 정상 데이터 출력부(141)가 정상 데이터를 고장 시뮬레이터(110)로 출력하고, 고장 모의부(142)가 고장 데이터를 고장 시뮬레이터(110)로 출력함으로써 모델 장비의 일부 기능이 고장난 경우를 모의할 수 있다.

또는, 모델 장비는 하나의 모델 장비의 전체 기능이 고장난 경우를 모의할 수 있다. 이때, 정상 데이터 출력부(141)는 정상 데이터를 출력하지 않으며, 고장 모의부(142)는 고장 데이터를 고장 시뮬레이터(110)로 출력하거나 또는 고장 데이터를 출력하지 않을 수 있다.

고장 시뮬레이터(110)는 모델 장비 그룹(140)에 속하는 제1 내지 제N 모델 장비로부터 수신한 정보(정상 데이터, 고장 데이터)를 취합하고, 취합 정보를 시스템 통합부(120)로 출력할 수 있다.

한편, 기계학습 장치(300)는 입력된 정보들을 이용하여 안티탬퍼링 동작의 학습 및 판단을 수행하는데, 많은 양의 데이터를 학습에 이용하여야 안티탬퍼링 동작 모델의 신뢰도를 높일 수 있다. 이를 위해, 기계학습 장치(300)는 학습에 사용할 데이터를 생성하는 역할을 수행할 수 있다. 즉, 기계학습 장치(300)는 학습에 사용할 데이터를 생성하기 위해 입력된 정보들 중에서 일부 데이터의 변경을 고장 시뮬레이터(110)로 요청할 수 있다.

고장 시뮬레이터(110)는 기계학습 장치(300)의 요청에 따라 변경할 데이터 정보를 제1 내지 제N 모델 장비 중에서 대응하는 모델 장비의 데이터 변환부(143)에 전달할 수 있다. 데이터 변환부(143)는 변경할 데이터 정보에 따라 고장 모의부(142)가 생성하는 고장 데이터의 값을 변경하여 출력시킬 수 있다.

기계학습 장치(300)는 변경된 고장 데이터는 수신하여 안티탬퍼링 동작의 학습 및 판단을 재수행할 수 있으며, 안티탬퍼링 동작 모델의 신뢰도를 높일 수 있다. 모델 장비가 가지는 여러 개의 기능 중에서 일부 기능이 고장난 경우와 하나의 모델 장비의 전체 기능이 고장난 경우 모두에서 기계학습 장치(300)는 학습에 사용할 데이터의 변경을 요청하여 안티탬퍼링 동작의 학습 및 판단을 재수행할 수 있다.

시스템 통합부(120)는 고장 시뮬레이터(110)로부터 제1 내지 제N 모델 장비의 취합 정보를 수신하고, 실제 장비 그룹(130)에 속하는 제1 내지 제N 실제 장비의 출력 데이터를 수신하고, 수신된 취합 정보와 출력 데이터를 합쳐서 구동 시뮬레이션 데이터를 생성하여 가상 무인기 시뮬레이션 장치(200)로 전달할 수 있다.

이와 같이, 장비 시뮬레이션 장치(100)는 무인기에 탑재될 수 있는 장비들이 출력할 수 있는 데이터를 모의하여 구동 시뮬레이션 데이터를 생성할 수 있다.

도 4는 도 1의 가상 무인기 시뮬레이션 장치를 나타내는 블록도이다.

도 4를 참조하면, 가상 무인기 시뮬레이션 장치(200)는 장비 시뮬레이션 장치(100)로부터 전달되는 구동 시뮬레이션 데이터를 기반으로 무인기가 정상적으로 구동할 수 있는지와 임무를 정상적으로 수행할 수 있는지를 순차적으로 판단할 수 있다. 이를 위해, 가상 무인기 시뮬레이션 장치(200)는 기능 점검부(210) 및 임무 점검부(220)를 포함할 수 있다.

기능 점검부(210)는 구동 시뮬레이션 데이터를 기반으로 무인기의 기능을 모의하여 무인기가 정상적으로 구동할 수 있는지를 판단하여 기능 결과값을 생성할 수 있다.

임무 점검부(220)는 구동 시뮬레이션 데이터를 기반으로 모의된 무인기의 기능으로 무인기의 임무 수행을 모의하여 임무가 정상적으로 수행될 수 있는지를 판단하여 임무 결과값을 생성할 수 있다.

가상 무인기 시뮬레이션 장치(200)는 장비 시뮬레이션 장치(100)로부터 전달된 구동 시뮬레이션 데이터, 무인기의 기능을 모의한 기능 결과값 및 무인기의 임무 수행을 모의한 임무 결과값을 기계학습 장치(300)로 전달할 수 있다.

도 5는 도 1의 기계학습 장치를 나타내는 블록도이다.

도 5를 참조하면, 기계학습 장치(300)는 구동 시뮬레이션 데이터, 기능 결과값 및 임무 결과값을 이용하여 안티탬퍼링 동작의 기계학습을 수행할 수 있다. 이를 위해, 기계학습 장치(300)는 입력 계층(310), 기능 계층(320) 및 임무 계층(330)을 포함할 수 있다.

입력 계층(310)은 구동 시뮬레이션 데이터를 수신한다. 즉, 모델 장비 그룹(140)에 속하는 제1 내지 제N 모델 장비의 정보(정상 데이터, 고장 데이터)와 제1 내지 제N 실제 장비의 출력 데이터가 입력 계층(310)에 입력될 수 있다. 구동 시뮬레이션 데이터는 복수의 입력 데이터(제1 내지 제n 입력 데이터)로 입력 계층(310)에 입력될 수 있다.

기능 계층(320)은 무인기의 기능을 모의한 기능 결과값을 수신한다. 즉, 무인기의 기능을 모의한 기능 결과값이 무인기의 복수의 기능(제1 내지 제k 기능)으로 기능 계층(320)에 입력될 수 있다.

특정 기능에 따라 입력 계층(310)에서 사용되는 입력 데이터들의 종류는 다를 수 있으나, 입력 계층(310)과 기능 계층(320)은 완전 연결(fully-connected)로 구성되고, 기계학습 장치(300)는 복수의 기능에 대한 가중치들을 조종하여 복수의 입력 데이터의 사용 여부를 결정할 수 있다.

임무 계층(330)은 무인기의 임무 수행을 모의한 임무 결과값을 무인기의 임무로 수신할 수 있다. 기능 계층(320)과 임무 계층(330)도 완전 연결로 구성되고, 기계학습 장치(300)는 임무에 대한 가중치를 조종하여 복수의 기능의 사용 여부를 결정할 수 있다.

기계학습 장치(300)는 지도학습 방법을 이용하여 학습할 수 있다. 다시 말해, 기계학습 장치(300)는 장비 시뮬레이션 장치(100)로부터 구동 시뮬레이션 데이터를 입력 받고, 가상 무인기 시뮬레이션 장치(200)로부터 기능 결과값과 임무 결과값을 입력받으며, 각 계층들(310, 320, 330)의 최초 가중치를 모든 장비들의 정상 상태에서의 결과를 이용하여 선정할 수 있다. 장비 시뮬레이션 장치(100)에서 장비별로 고장을 모의하고 고장이 발생했을 때의 가상 무인기 시뮬레이션 장치(200)에서 임무를 달성했는지 여부를 판단한 결과를 바탕으로, 기계학습 장치(300)는 각 계층들(310, 320, 330)의 가중치들을 조종하는 과정을 반복 학습함으로써 최종적으로 각 계층들(310, 320, 330)의 가중치들을 결정하고 안티탬퍼링 동작 모델을 도출할 수 있다.

도 6은 도 5의 기계학습 장치가 기계학습을 수행하는 과정을 나타내는 흐름도이다.

도 6을 참조하면, 기계학습 장치(300)는 안티탬퍼링 동작 모델을 도출하기 위한 학습 계층(입력 계층, 기능 계층 및 임무 계층)을 정립할 수 있다(S110). 즉, 기계학습 장치(300)는 시스템 내에서 사용되는 모든 입력 데이터를 정의하고, 입력 데이터를 바탕으로 시스템의 기능과 임무를 순차적으로 정의하고, 학습 계층의 초기 모델 파라미터를 설정할 수 있다.

학습 계층이 형성된 후, 기계학습 장치(300)는 정상 데이터를 기반으로 가상 무인기 시뮬레이션을 수행할 수 있다(S120). 그리고 고장 데이터를 기반으로 가상 무인기 시뮬레이션이 수행된다(S130).

기계학습 장치(300)는 정상 데이터를 기반으로 한 가상 무인기 시뮬레이션 수행 결과인 정상적인 상황의 파라미터와 고장 데이터를 기반으로 한 가상 무인기 시뮬레이션 수행 결과인 고장 상황의 파라미터를 저장할 수 있다(S140).

기계학습 장치(300)는 지도학습에 사용할 데이터들이 도출되면 학습을 수행하여 학습 계층의 파라미터를 수정할 수 있다(S150).

기계학습 장치(300)는 수정된 파라미터들을 학습 계층에 반영하고, 고장 데이터와 무인기 시뮬레이션 결과를 이용하여 학습을 수행할 수 있다(S160).

기계학습 장치(300)는 안티탬퍼링 기준을 충족하는지 확인하고(S170), 기준 미충족 시 학습 계층의 파라미터를 수정하여 학습을 수행하는 S150, S160 과정을 반복 수행하고, 기준 충족 시 모델 파라미터를 정립할 수 있다(S180).

도 7은 본 발명의 실시예에 따라 설계된 안티탬퍼링 동작 모델이 탑재된 무인기를 나타내는 블록도이다.

도 7을 참조하면, 무인기(20)는 센서부(21), 탑재 장비(22), 안티탬퍼링 동작 모델부(23) 및 자료 저장부(24)를 포함할 수 있다.

센서부(21)는 무인기(20)에 탑재되는 다양한 종류의 센서를 포함할 수 있다. 예를 들어, 센서부(21)는 GPS, 관성항법장치, 관성측정장치, 카메라, 온도계 등의 다양한 종류의 센서를 포함할 수 있다. 센서부(21)는 무인기의 상태를 판단하기 위한 다양한 센싱 정보를 안티탬퍼링 동작 모델부(23)에 전달할 수 있다.

탑재 장비(22)는 무인기(20)에 실제로 탑재되어 무인기의 동작 및 기능을 수행하는 다수의 장비를 포함할 수 있다. 탑재 장비(22)는 무인기의 동작 및 기능을 수행하는 모든 장비가 출력하는 데이터를 안티탬퍼링 동작 모델부(23)에 전달할 수 있다.

자료 저장부(24)는 무인기(20)가 획득한 모든 종류의 데이터를 저장하고 있을 수 있다.

안티탬퍼링 동작 모델부(23)는 안티탬퍼링 동작 시스템 설계 장치(10)에 의해 도출된 안티탬퍼링 동작 모델을 포함할 수 있다. 안티탬퍼링 동작 모델부(23)는 안티탬퍼링 동작 모델을 기반으로 센서부(21)에서 출력되는 센싱 정보와 탑재 장비(22)에서 출력되는 데이터를 이용하여 안티탬퍼링을 동작시킬지 판단할 수 있다. 안티탬퍼링 동작 모델부(23)는 무인기(20)의 상태가 임무를 지속할 수 없고 기지귀한이 불가능한 상황이라고 판단되면 안티탬퍼링을 동작하여 자료 저장부(24)에 저장되어 있는 데이터를 삭제할 수 있다.

지금까지 참조한 도면과 기재된 발명의 상세한 설명은 단지 본 발명의 예시적인 것으로서, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

10: 안티탬퍼링 동작 시스템 설계 장치
100: 장비 시뮬레이션 장치
110: 고장 시뮬레이터
120: 시스템 통합부
130: 실제 장비 그룹
140: 모델 장비 그룹
141: 정상 데이터 출력부
142: 고장 모의부
143: 데이터 변환부
200: 가상 무인기 시뮬레이션 장치
210: 기능 점검부
220: 임무 점검부
300: 기계학습 장치
310: 입력 계층
320: 기능 계층
330: 임무 계층
400: 안티탬퍼링 동작 모델 저장 장치

Claims

무인기에 탑재될 수 있는 장비들이 출력할 수 있는 데이터를 모의하여 구동 시뮬레이션 데이터를 생성하는 장비 시뮬레이션 장치;
상기 구동 시뮬레이션 데이터를 기반으로 무인기의 기능을 모의하여 기능 결과값을 생성하고, 모의된 무인기의 기능으로 무인기의 임무 수행을 모의하여 임무 결과값을 생성하는 가상 무인기 시뮬레이션 장치; 및
상기 구동 시뮬레이션 데이터, 상기 기능 결과값 및 상기 임무 결과값을 이용하여 안티탬퍼링 동작의 기계학습을 수행하는 기계학습 장치를 포함하고,
상기 장비 시뮬레이션 장치는,
무인기에 탑재될 수 있는 복수의 실제 장비들을 포함하는 실제 장비 그룹;
상기 실제 장비 그룹에 대응하여 동일한 기능을 수행하는 복수의 모델 장비들;
모델 장비 그룹에 속하는 복수의 모델 장비들로부터 수신한 정상 데이터 및 고장 데이터를 취합한 취합 정보를 출력하는 고장 시뮬레이터; 및
상기 실제 장비 그룹에 속하는 복수의 실제 장비들의 출력 데이터와 상기 취합 정보를 합쳐서 상기 구동 시뮬레이션 데이터를 생성하는 시스템 통합부를 포함하는 안티탬퍼링 동작 시스템 설계 장치.
삭제
삭제
제1 항에 있어서,
상기 복수의 모델 장비들 각각은,
실제 장비가 출력할 수 있는 범위 내의 정상 데이터를 생성하여 상기 고장 시뮬레이터로 출력하는 정상 데이터 출력부; 및
상기 실제 장비가 출력할 수 있는 범위를 초과하는 고장 데이터를 생성하여 상기 고장 시뮬레이터로 출력하는 고장 모의부를 포함하는 안티탬퍼링 동작 시스템 설계 장치.
제4 항에 있어서,
상기 복수의 모델 장비들 각각은 상기 고장 모의부가 생성하는 고장 데이터의 값을 변경하여 출력시키는 데이터 변환부를 더 포함하고,
상기 고장 시뮬레이터는 상기 기계학습 장치의 요청에 따라 변경할 데이터 정보를 상기 복수의 모델 장비들 중에서 대응하는 모델 장비의 데이터 변환부에 전달하는 안티탬퍼링 동작 시스템 설계 장치.
제1 항, 제4 항 및 제5 항 중 어느 한 항에 있어서,
상기 기계학습 장치는,
상기 구동 시뮬레이션 데이터를 복수의 입력 데이터로 수신하는 입력 계층;
상기 기능 결과값을 무인기의 복수의 기능으로 수신하는 기능 계층; 및
상기 임무 결과값을 무인기의 임무로 수신하는 임무 계층을 포함하는 안티탬퍼링 동작 시스템 설계 장치.
제6 항에 있어서,
상기 입력 계층과 상기 기능 계층은 완전 연결로 구성되고, 상기 기능 계층과 상기 임무 계층은 완전 연결로 구성되고,
상기 기계학습 장치는 상기 복수의 기능에 대한 가중치를 조정하여 상기 복수의 입력 데이터의 사용 여부를 결정하고, 임무에 대한 가중치를 조정하여 상기 복수의 기능의 사용 여부를 결정하는 안티탬퍼링 동작 시스템 설계 장치.
제6 항에 있어서,
상기 기계학습 장치는 지도학습 방법으로 상기 입력 계층, 상기 기능 계층 및 상기 임무 계층의 가중치들을 조정하는 과정을 반복 학습하여 안티탬퍼링 동작 모델을 도출하는 안티탬퍼링 동작 시스템 설계 장치.
안티탬퍼링 동작 모델을 도출하기 위한 안티탬퍼링 동작 시스템 설계 방법에 있어서,
장비 시뮬레이션 장치가 무인기에 탑재될 수 있는 장비들이 출력할 수 있는 데이터를 모의하여 구동 시뮬레이션 데이터를 생성하는 단계;
가상 무인기 시뮬레이션 장치가 상기 구동 시뮬레이션 데이터를 기반으로 무인기의 기능을 모의하여 기능 결과값을 생성하고, 모의된 무인기의 기능으로 무인기의 임무 수행을 모의하여 임무 결과값을 생성하는 단계; 및
기계학습 장치가 상기 구동 시뮬레이션 데이터, 상기 기능 결과값 및 상기 임무 결과값을 이용하여 안티탬퍼링 동작의 기계학습을 수행하는 단계를 포함하고,
상기 장비 시뮬레이션 장치는 실제 장비가 출력할 수 있는 범위 내의 정상 데이터 및 상기 실제 장비가 출력할 수 있는 범위를 초과하는 고장 데이터를 생성하고, 무인기에 탑재될 수 있는 복수의 실제 장비들의 출력 데이터, 상기 정상 데이터 및 상기 고장 데이터를 합쳐서 상기 구동 시뮬레이션 데이터를 생성하는 안티탬퍼링 동작 시스템 설계 방법.
삭제
제9 항에 있어서,
상기 장비 시뮬레이션 장치는 상기 기계학습 장치의 요청에 따라 상기 고장 데이터의 값을 변경하는 출력하고,
상기 기계학습 장치는 변경된 고장 데이터를 수신하여 안티탬퍼링 동작의 기계학습을 재수행하는 안티탬퍼링 동작 시스템 설계 방법.
제9 항 및 제11 항 중 어느 한 항에 있어서,
상기 기계학습 장치는,
상기 구동 시뮬레이션 데이터를 복수의 입력 데이터로 수신하는 입력 계층;
상기 기능 결과값을 무인기의 복수의 기능으로 수신하는 기능 계층; 및
상기 임무 결과값을 무인기의 임무로 수신하는 임무 계층을 포함하는 안티탬퍼링 동작 시스템 설계 방법.
제12 항에 있어서,
상기 입력 계층과 상기 기능 계층은 완전 연결로 구성되고, 상기 기능 계층과 상기 임무 계층은 완전 연결로 구성되고,
상기 기계학습 장치는 상기 복수의 기능에 대한 가중치를 조정하여 상기 복수의 입력 데이터의 사용 여부를 결정하고, 임무에 대한 가중치를 조정하여 상기 복수의 기능의 사용 여부를 결정하는 안티탬퍼링 동작 시스템 설계 방법.
제12 항에 있어서,
상기 기계학습 장치는 지도학습 방법으로 상기 입력 계층, 상기 기능 계층 및 상기 임무 계층의 가중치들을 조정하는 과정을 반복 학습하여 안티탬퍼링 동작 모델을 도출하는 안티탬퍼링 동작 시스템 설계 방법.
무인기에 탑재될 수 있는 장비들이 출력할 수 있는 데이터를 모의하여 생성된 구동 시뮬레이션 데이터가 복수의 입력 데이터로 입력 계층에 입력되는 단계;
상기 구동 시뮬레이션 데이터를 기반으로 무인기의 기능을 모의하여 생성된 기능 결과값이 복수의 기능으로 기능 계층에 입력되는 단계;
모의된 무인기의 기능으로 무인기의 임무 수행을 모의하여 생성된 임무 결과값이 무인기의 임무로 임무 계층에 입력되는 단계; 및
지도학습 방법으로 상기 입력 계층, 상기 기능 계층 및 상기 임무 계층의 가중치들을 조정하는 과정을 반복 학습하여 안티탬퍼링 동작 모델을 도출하는 단계를 포함하는 안티탬퍼링 동작 시스템 설계 방법.
제15 항에 있어서,
상기 입력 계층과 상기 기능 계층은 완전 연결로 구성되고, 상기 기능 계층과 상기 임무 계층은 완전 연결로 구성되는 안티탬퍼링 동작 시스템 설계 방법.
제15 항에 있어서,
상기 구동 시뮬레이션 데이터는 실제 장비가 출력할 수 있는 범위 내의 정상 데이터 및 상기 실제 장비가 출력할 수 있는 범위를 초과하는 고장 데이터를 포함하는 안티탬퍼링 동작 시스템 설계 방법.