Loading...

ICT융합 테스팅 기술

ICT융합 테스팅 기술 2018-08-16T14:49:30+00:00

사물인터넷(Internet of Things, IoT)

IoT 기술은 이동통신망을 이용하여 사람과 사물, 사물과 사물, 현실과 가상세계의 모든 정보와 상호작용 하는 것을 의미합니다.
가트너는 전 세계 IoT 시장이 2020년 약 2조 9,462억 달러 규모로 성장할 것으로 전망하고 있으며, 향후 10년에 걸쳐 500억 개의 사물들이 연결되는 IoE(Internet of Everything: 만물인터넷)로 진화할 것으로 예측하고 있습니다.

IoT 기술 동향

구분 IoT 기술 세부내용
공통 기술 센싱 원격감지, 위치 및 모션 추적 등의 정보를 획득하기 위한 센서 활용(온도, 습도, 열, 가스, 조도, 초음파 등)
MEMS, 반도체 SoC, 임베디드 SW 기술 발전으로 지능화된 스마트 센서 활용
네트워킹 인간과 사물, 서비스 등 분산된 환경요소들을 서로 연결시킬 수 있는 유무선 네트워킹 기능
4G/LTE, 5G, WiFi, 블루투스, 위성통신 등이 대표적 사례
인터페이스 IoT의 특정 기능을 수행하는 응용 서비스와 연동하는 역할
검출정보 기반기술(정보의 검출, 가공, 정형화, 추출, 처리 및 저장 기능), 위치정보 기반기술, 보안 기술, 데터 마이닝 기술, 웹서비스 기술 등으로 구성
세부 기술 저전력 네트워킹 사물의 통신방식에 따라 단말에서 지원되는 통신반경, 데이터 전송율, 단말 가격, 소모전력 의미
저전력을 사용하는 ZigBee, Bluetooth LE, Sub-GHz 방식의 802.11ah및 ZWave 방식 사용
센서데이터 최적화
및 관리
IoT 서비스는 단말 간 데이터 전송이 빈번하게 발생하게 되므로, 단말의 전력 소모가 많아짐.
네트워크의 저전력화를 위한 데이터의 경로 설정 및 흐름제어 등 데이터 전송 효율화 기술 중요
저전력 임베디드
OS 기술
데이터 수집 및 데이터 전송을 효율적으로 관리해 주는 경량운영체제 필요.
현재 TinyOS, Contiki, NanoQplus 등의 경량운영체제가 많이 사용되고 있음
새로운 전력공급 및 저장 유연한(Flexible) 전력공급 장치와 더욱 장시간 사용할 수 있는 고밀도 배터리기술 필요.
반영구적인 사용을 위해 전력 자가 생산 및 무선 충전 기술 요구
저가격·저전력 프로세서 단말의 빠른 확산을 위해 제품의 저가격화 필요

현재 IoT 기술을 주도하는 글로벌 표준이 없기 때문에 다양한 표준화 기구들이 각자의 특장점을 바탕으로 연구개발을 진행하고 있으며, 많은 업체와 단체들이 표준 정립을 위한 활동을 활발하게 전개해 나가고 있습니다. 하지만, IoT 기술 및 서비스는 상호운용성을 기반으로 하고, 보안 측면에서 위협 예방 및 대응 체계를 갖추기 위해서도 표준 정립은 반드시 필요합니다.

글로벌 기술표준 부재와 이로 인한 디바이스간 상호운용성, 보안 문제는 IoT 서비스 기술의 근간을 이루고 있는 다양한 기기, 응용 서비스의 연결과 이들 사이에 발생하는 상호작용을 불완전하게 만들고 있습니다. 뿐만 아니라 사용자들에게 가장 중요한 신뢰를 담보할 수 없기 때문에, 위험(Risk)과 불확실성 (Uncertainty)을 가지고 있습니다.

IoT 시스템 상호호환성 및 신뢰성 확보를 위한 테스트 기술 연구

상호운용성과 안정성 확보를 위해서는 디바이스와 애플리케이션 개발의 전체 생명주기(Life Cycle)에 따라 시스템의 규모에 맞게 테스트할 수 있는 방안을 마련해야 합니다. 이를 위한 가장 효과적인 방법은 전체 시스템 복제와 모델링을 가능하게 하는 시뮬레이션 기술 및 하드웨어 가상화 적용입니다. 시뮬레이션 기술과 하드웨어 가상화 적용은 소프트웨어 테스트 및 효율적인 디버깅을 가능하게 합니다.

산업용 사물인터넷(Industrial Internet of Things) 애플리케이션과 시스템을 위한 수천 개 노드 간에 실행되는 소프트웨어를 테스트하려면, 테스트를 자동화하고, 검사하고, 제어할 수 있는 기능이 필요하지만 방대한 규모의 실제 기기를 대상으로 테스트를 자동화하는 것은 어려운 일입니다.
이러한 문제는 가상플랫폼(Virtual platforms)과 무선 네트워크 및 환경에 대한 시뮬레이션을 통해 극복할 수 있으며 이를 통해 하드웨어를 소프트웨어 시뮬레이션으로 전환해 쉽게 하드웨어를 생성하고 구성하고, 제어할 수 있습니다.

사물인터넷 시스템 소프트웨어 테스트에서는 노드의 특정 토폴로지(topology), 네트워크 및 게이트웨이가 포함된 완전한 통합 소프트웨어 시스템을 테스트해 실제 환경에서 제대로 작동하는지 반드시 확인해야 합니다.
ICT시험인증연구소에서는 IoT 하드웨어 및 네트워크 시뮬레이션을 통한 IoT 상호호환성, 안정성, 보안성 등의 이슈들을 해결하고, 품질을 확보할 수 있는 효과적인 테스트 방안을 연구하고 있습니다.

인공지능(Artificial Intelligence, AI)

인공지능기술이 차세대 먹거리로 떠오름에 따라 새로운 부가가치 창출의 원천으로 주목 받으면서 세계 주요국과 글로벌 지식재산 선도 기업들의 집중적인 투자와 연구개발이 이루어지고 있습니다.

향후 인공지능 기술은 공공, 산업, 생활 등 국가 전반에 직·간접적인 효과를 창출할 것으로 전망됨에 따라 국가 및 기업의 글로벌 경쟁력 확보 및 특허 전략에서 중요한 부분을 차지 할 것으로 전망되며 인공지능의 시장규모 또한 급속도로 증가할 것으로 전망되며 금융, 의료, 제조업 등 경제·산업은 물론 사회·문화적 측면에서 광범위한 파급 효과를 가져올 것으로 예측됩니다.

이에 빠른 속도로 증가하고 있는 인공지능 기술이 지닐 파급 효과에 대비한 기술개발 연구와 그에 따른 사회적.제도적 대응방안 마련이 필요하며, 무궁무진한 인공지능 기술을 통한 다양한 산업 분야에서의 연구 개발이 필요 합니다.

인공지능 기술의 기술분류는 아래의 표에 정의된 것과 같이 5개의 핵심기술로 구분되어집니다.

핵심 기술 세부 기술 기술 개요
학습 및 추론 기술
Learning & Resoning)
지식표현 분석된 지식을 컴퓨터가 이해 할 수 있는 언어로 표현하는 기술
지식베이스 축적한 전문지식, 문제 해결에 필요한 사실과 규칙이 저장된 데이터 베이스로 구축, 관리하는 기술
상황 이해 기술
(Context Understanding)
감정 이해 사람의 기분, 감정을 인식, 구분할 수 있는 기술
공간 이해 시공간적 세계를 정확하게 인지하고, 3차원의 세계를 잘 변형시키는 기술
협력 지능 다른 에이전트와 교류하고, 이해하며, 그들의 행동을 해석하고, 효율적으로 대처하는 기술
자가 이해 자기 자신(개성, 정신적 심리적 특성)을 이해하고, 느낄 수 있는 인지적 기술
언어 이해 기술(Language Understanding) 자연어 처리
(형태소 분석, 개체명 인식, 구문분석, 의미분석)
인간의 자연적 언어를 형태소 분석, 개체명 인식, 구문 분석, 의미 분석하는 기술
질의 응답 질문에 대한 답변을 제시하는 기술
음성 처리 디지털 음성신호를 컴퓨터에서 처리 가능한 언어로 변환하는 기술
자동통번역 한 언어에서 다른 언어로 자동으로 번역하거나 통역하는 기술
시각 이해 기술
(Visual Understanding)
내용 기반 영상 검색 영상 데이터 자체의 특징 정보인 색광과 모양, 질감 등 영상 데이터의 내용을 대표할 수 있는 특징들을 추출하고 이를 기반으로 색인과 검색을 수행하는 기술
행동 인식 동영상에서 움직이는 사물의 행동을 인식하는 기술
시각 지식 행동 인식, 영상 이해, 배경 인식 등을 이용하여 영상 데이터로부터 지식 정보를 추출, 생성하는 기술
인식 및 인지 기술 휴먼 라이프 이해 개인 경력관리, 건강, 대인관계, 재무관리 등 일상생활에서의 지능적 도움을 제공하기 위해 사람의 생활을 이해하는 기술
인지 아키텍쳐 인지 심리학 측면에서의 사람의 마음 구조를 컴퓨팅 모델화 하는 기술

출처: 한국지식재산연구원, 인공지능(AI) 기술 및 정책 동향, 2016

현재 다섯 개 주요 산업 군에서 활발하게 인공지능 기술을 개발하고 있습니다.

인공지능 기술은 향후에도 학습 및 추론 기술, 상황이해 기술, 언어이해 기술, 시각이해 기술, 인식 및 인지 기술의 5대 핵심 기술을 기반으로 다양한 산업 군에서 각 산업의 특화된 기반 기술로 발전될 것으로 전망합니다.
와이즈스톤 ICT시험인증연구소는 인공지능의 5대 핵심 기술 분야 중 언어이해 기술(음성/음향 인식 기술)과 시각이해 기술에 대한 테스트 방법 및 품질확보에 대한 연구를 수행하고 있습니다.

음성/음향 인식 기술

음성/음향 인식 처리 기술은 인간이 일상적으로 사용하는 언어를 형태분석, 의미 분석, 대화 분석 등을 통하여 기계적으로 분석해서 컴퓨터가 이해할 수 있는 형태로 만들고 컴퓨터가 처리한 결과물을 사람의 편의 성에 입각하여 텍스트, 음성, 그래픽 등을 생성하는 제반 기술 입니다.

얼굴 인식 기술

얼굴 인식(Face Recognition) 기술이란 생체인식(Biometrics) 분야 중의 하나로 사람 얼굴이 갖는 기하학적 구조를 디지털로 매핑하는 기술을 말합니다. 사람마다 얼굴에 담겨있는 고유한 특징 정보를 이용하여 기계가 자동으로 사람을 식별하고 인증합니다.
와이즈스톤 ICT시험인증연구소는 스마트폰의 얼굴인식 테스트 의뢰를 받아 아래 그림과 같이, 시험 중 수집되는 실패 케이스를 보다 집중적으로 테스트하고 분석하기 위해 실제 테스트 단계를 이중(real image test & spoofing test)으로 설계하고 진행했습니다.

와이즈스톤 ICT시험인증연구소는 위 사례를 통해 카메라를 통하여 이미지 입력 얼굴 인지(face detection), 얼굴 인식(face recognition), 등록된 사용자 정보, 비교와 사용자 인증(authentication)의 각 단계별로 얼굴 인식 기술을 위한 테스트 기준을 선정하고 얼굴인식 기술의 품질 향상을 위한 방안을 연구하고 있습니다.

빅데이터(Big Data)

최근의 ICT 융합기술은 과거와 비교할 수 없을 정도로 많은 정보와 데이터를 생성하여, ‘빅데이터(Big Data)’ 환경을 구축하는 변화를 선도하고 있습니다.

오늘날에는 아날로그 시기나 이전 디지털 시기와는 다르게 정형화된 수치 데이터뿐 아니라, 비정형화된 데이터(사진, 오디오, 비디오 등)까지 방대한 양의 데이터가 짧은 주기로 생성되어 축적, 저장, 처리, 분석되고 있습니다.

빅데이터의 특징은 5V – 규모(volume), 다양성(Variety), 속도(Velocity), 정확성(Veracity), 가치(Value)로 정의되며, 빅데이터란 용어도 빠르게 생성되고 있는 대규모의 데이터를 처리하는 기술뿐 아니라, 그 데이터에서 가치 있는 정보를 추출하는 기술을 포함하는 것으로 그 의미를 확대되고 있습니다.

이러한 용어의 의미 확장은 빅데이터의 진정한 가치가 대용량 데이터 자체보다는 그 데이터의 처리∙분석을 통해 가치를 생성할 수 있는데 있음을 의미합니다.

[표] 빅데이터 주요 5가지 구성요소

구분 주요 내용
규모(Volume) – 기술적인 발전과 IT의 일상화가 진행되면서 해마다 디지털 정보량이 기하급수적으로 폭등
→제타바이트(ZB) 시대로 진입
다양성(Variety) – 로그기록, 소셜, 위치, 소비, 현실데이터 등 데이터 종류의 증가
– 텍스트 이외의 멀티미디어 등 비정형화된 데이터 유형의 다양화
속도(Velocity) – 사물정보(센서, 모니터링), 스트리밍 정보 등 실시간성 정보 증가
– 실시간성으로 인한 데이터 생성, 이동(유통) 속도의 증가
– 대규모 데이터 처리 및 가치 있는 현재정보(실시간) 활용을 위해 데이터 처리 및 분석 속도 중요
신뢰성(Veracity) – 분석방법, 데이터의 오류제거 통한 신뢰할 수 있는 결과 도출이 중요
가치(Value) – 다양하고 대량의 데이터간의 상호연관성 분석과 의미추출을 통하여 조직의 의사결정에 가치를 더해주는 결과도출 지향

* 출처 : 한국정보화진흥원(NIA) (2016년)

빅데이터 처리 기술은 각 단계별 핵심 기술을 통해 가치 있는 정보 추출과 시각화된 정보 제공을 주 목적으로 합니다. 데이터 수집부터 저장, 처리, 분석, 활용(시각화)의 5 단계 처리 과정을 거치며, 활용 가능하고 의미 있는 정보로 가공됩니다.

요소기술 설명 해당기술
빅데이터 수집 조직 내부와 외부의 분산된 여러 데이터 소스로부터 필요로 하는 데이터를 검색하여 수동 또는 자동으로 수집하는 과정과 관련된 기술로 단순 데이터 확보가 아닌 검색/수집/변환을 통해 정제된 데이터를 확보하는 기술 ETL
크롤링 엔진
로그 수집기
센싱
RSS 및 Open API
빅데이터 저장 작은 데이터라도 모두 저장하여 실시간으로 저렴하게 데이터를 처리하고, 처리된 데이터를 더 빠르고 쉽게 분석하도록 하여 이를 비즈니스 의사결정에 바로 이용하는 기술 병렬 DBMS
하둡(Hadoop)
NoSQL
빅데이터 처리 엄청난 양의 데이터의 저장/수집/관리/유통/분석을 처리하는 일련의 기술 실시간 처리
분산 병렬처리
인-메모리 처리
인-데이터베이스 처리
빅데이터 분석 데이터를 효율적으로 정확하게 분석하여 비즈니스 등의 영역에 적용하기 위한 기술로 이미 여러 영역에서 활용해온 분석 기술 통계 분석
데이터 마이닝
텍스트 마이닝
예측 분석
최적화
평판 분석
소셜 네트워크 분석
빅데이터 시각화 자료를 시각적으로 묘사하는 학문으로 빅데이터는 기존의 단순 선형적 구조의 방식으로 표현하기 힘들기 때문에 빅데이터 시각화 기술이 필수적임 편집기술
정보 시각화 기술
시각화 도구

[표] 빅데이터 요소기술 분류 * 출처 : 한국정보화진흥원, 빅데이터 기술분류 및 현황. 빅데이터 전략센터. 2013. 12

Big Data(대용량) 활용 절차단계별 품질 관리 요소

데이터 정합성에 대한 품질 검증 방법

1. 데이터 수집 시 데이터가 유실되지 않고 수집되는지 확인
2. 수집된 데이터의 패턴이 자동으로 인식되어 매칭되는지 확인

먼저 소스 데이터베이스의 데이터를 CLI 또는 Database client tool을 이용하여 수집 및 처리한 후, Big Data Repository(타켓 데이터베이스)의 데이터를 직접 확인하여 데이터 정합성에 대한 품질을 검증합니다.

ICT시험인증연구소는 빅데이터 핵심 기술인 데이터 정합성에 대한 품질 확보 및 향상 방안을 연구하고 있습니다.