The Journal of Korean Institute of Next Generation Computing (한국차세대컴퓨팅학회논문지)

Korean Institute of Next Generation Computing (한국차세대컴퓨팅학회)
권호 표지

Modeling the Reverse Extrapolation of RF threats Using Machine Learning Algorithms in Simulated Electronic Warfare Settings

통합 전자전에서 기계학습을 이용한 위협체 역추정 모델링

  • 하지수 (가톨릭대학교 컴퓨터정보공학부) ;
  • 노상욱 (가톨릭대학교 컴퓨터정보공학부) ;
  • 박소령 (가톨릭대학교 정보통신전자공학부)
  • Received : 2015.09.11
  • Accepted : 2015.10.22
  • Published : 2015.10.31
⟨ Previous Next ⟩

Abstract

This paper proposes a method to model the reverse extrapolation of RF threats through the attributes representing RF threats in an integrated electronic warfare situation. Using 1-rule algorithm, the most important attribute figuring out the threat could be assured among the attributes which a receiver collected. And also, we build a prototype which estimates threats using three machine learning algorithms, i.e., naive Bayesian classifier, decision tree, and artificial neural network. In various integrated electronic warfare situations, we tested our reverse extrapolation model based on the outputs of machine learning algorithms, where new test data were given to identify a threat. We also generated learning curves for each algorithm, and experimentally decided their optimal reverse extrapolation models. To verify the prototype of our model compiled, we evaluated the accuracy of reverse extrapolation models and the resulting performance showed more than 99% of accuracy.

본 논문은 통합전자전 상황에서 전자정보 수집신호의 변수를 분석하여 전자파 신호를 발산하는 레이더 및 위협체계를 역변환으로 모델링하는 기법을 다루고자 한다. 전자전 수신기가 위협체로부터 수신한 변수 중 가장 중요한 속성을 1-rule 알고리즘을 통하여 파악하였으며, 베이지안 분류 알고리즘, 의사결정 트리 학습 알고리즘 및 인공 신경망 알고리즘을 사용하여 위협체를 추정할 수 있는 프로토타입을 구축하였다. 다양한 통합전자전 상황에서 생성한 규칙을 기반으로 역변환 모델을 구축하고 새로운 데이터가 주어지면 모델링한 위협체로 분류한다. 실험에서 베이지안 분류 알고리즘, 의사결정 트리 학습 알고리즘 및 인공 신경망 알고리즘을 각각 적용하여 학습 곡선을 생성하였으며, 학습 곡선에서 최적의 성능을 나타내는 역변환 모델을 실험적으로 정립하였다. 또한, 세 가지 알고리즘의 결과로 생성된 프로토타입을 기반으로 역변환 모델링에 대한 정확도를 평가하였다.

Keywords

Acknowledgement

Grant : 전자전 수집신호변수를 사용한 역변환모델링 연구

Supported by : 가톨릭대학교, 국방특화연구센터

References

  1. T.M. Mitchell, Machine Learning, McGraw- Hill, pp.154-198, 1997.
  2. S.R. Safavian and D. Landgrebe, "A Survey of Decision Tree Classifier Methodology," IEEE Transactions on Systems, Man and Cybernetics, Vol. 21, No. 3, pp.660-674, 1991. https://doi.org/10.1109/21.97458
  3. S. Russell and P. Norvig, Artificial Intelligence: A Modern Approach, 3/e, Pearson Education, Inc., pp.693-767, 2010.
  4. M. A. Friedl and C. E. Brodley, "Decision tree classification of land cover from remotely sensed data," Remote Sensing of Environment, Vol. 61, pp.399-409, 1997. https://doi.org/10.1016/S0034-4257(97)00049-7
  5. M. Hagan, H. Demuth and M Beale, Neural network design, http://ecee.colorado.edu, 1996.
  6. 남상욱, "전자전 기술 동향", 한국전자파학회 전자파기술, 제24권 제6호, pp.1-2, 2013, 11.
  7. 장재원, 안태남, 이광일, "전자보호 및 사이버 방어와 함께 진화하는 전자전 기술의 발전방향", 한국전자파학회 전자파기술, 제24권 제6호, pp.3-13, 2013, 11.
  8. 박헌우, 이규선, 최채택, 노상욱, "항공기 통합 전자전장비의 운용효과도 측정을 위한 시뮬레이터 개발", 한국차세대컴퓨팅학회 논문지 제8권 제2호, pp.73-86, 2012. 4.
  9. 하지수, 노상욱, "귀납적 기계학습 알고리즘을 이용한 위협체 역추정 기법", 한국정보과학회 학술발표논문집, pp.544-546, 2014. 12.
  10. 박소령, 박헌우, 하지수, 최채택, 정운섭, 노상욱, "자율적으로 결정한 대응기법의 운용효과도 설계", 한국인터넷정보학회 논문지 제13권 제4호, pp.11-21, 2012. 8.
  11. 장병탁, "차세대 기계학습 기술", 정보과학회지, 제25권 제3호, pp.96-107, 2007. 3.
  12. 박성배, 태윤식, "기계학습과 정보검색", 정보과학회지 제25권 제3호, pp.5-11, 2007. 3.
  13. 김천식, 정명희, 홍유식, "적응적인 학습을 위한 텍스트 마이닝 기술", 전자공학회논문지 CI편 제45권 제3호, pp.31-39, 2008. 5.
  14. 김민수, 이승로, 서희돈, "퍼지-뉴럴 네트워크를 이용한 심전도 패턴 분류시스템 설계", 대한전자공학회 종합학술대회논문집 Vol.5 시스템 및 제어 소사이어티 제25권, 제1호, pp.273-276, 2002. 6.
  15. 정석원, 최맹식, 김학수, "위키백과로부터 기계학습기반 한국어 지식베이스 구축", 정보과학회논문지 제42권 제8호, pp.1065-1070, 2015. 8.
  16. 이현규, 최민국, 신병석, 이상철, "명암도 조절을 통한 베이스 분류기 기반 영상분할기법", 한국차세대컴퓨팅학회 논문지 제8권 제5호, pp.73-86, 2012. 10.
  17. Whenming Shen, Guozeng Wu, Zhongping Sun, Wencheng Xiong, Zhuo Fu, Rulin Xiao, "Study on classification methods of remote sensing image based on decision tree technology", IEEE Computer Science and Service System (CSSS), pp.4058-4061, 2011
  18. 이효철, 이석원, "시뮬레이션의 동적인 행위 계획을 위한 통합 학습 방법", 한국차세대컴퓨팅학회 논문지 제11권, 제2호, pp.49-65, 2015. 4.
  19. 김무수, 박건우, 이상훈, "의사결정트리를 이용한 적군의 주타격 방향 분석", 정보과학회논문지 : 소프트웨어 및 응용, 제40권 제1호, pp.37-44, 2013. 1.
  20. S. Noh and U. Jeong, "Intelligent Command and Control Agent in Electronic Warfare Setting," International Journal of Intelligent Systems, Vol. 25, Issue 6, pp. 514-528, 2010. https://doi.org/10.1002/int.20413
  21. I.H. Witten, E. Frank and M.A. Hall, Data Mining, 3/e, Morgan Kaufmann, 2010.