http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Cloud Gaming의 QoE 개선을 위한 모바일 엣지 컴퓨팅 기술 연구 동향
윤지승(Jiseung Youn),박주한(Joohan Park),김수형(Soohyeong Kim),조성현(Sunghyun Cho) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
클라우드 게임은 낮은 하드웨어 성능으로 고사양의 게임 서비스를 제공하는 서비스이다. 클라우드 게임 서비스의 지연시간 요구조건을 충족시키기 위해 최신 연구들은 엣지 컴퓨팅 기술을 활용한다. 이에 따라, 클라우드 게임의 엣지 서버 선택 알고리즘 및 엣지 서버 자원 할당 기법이 연구되었다. 본 논문은 최신 연구에 대한 한계점을 분석하여 클라우드 게임의 추가 연구 방향을 제시한다.
강건한 양방향 트랜스포머 사전학습 언어모델 기반 암호화 트래픽 분류
조민호(Minho Cho),권용석(Yongseok Kwon),안세영(Seyoung Ahn),김수형(Soohyeong Kim),조성현(Sunghyun Cho) 대한전자공학회 2024 대한전자공학회 학술대회 Vol.2024 No.6
The proliferation of internet service platforms has led to an increase in the volume and diversity of traffic data. Consequently, the need for traffic classification has become more pressing, necessitating new approaches to encrypted traffic classification. In this paper, we propose the Robust BERT for Encrypted Traffic Classification (RB-ET), a transformer-based model designed to overcome the limitations of traditional DPI methods. The RB-ET model enhances efficiency by removing NSP during pre-training and utilizing Half-Chance Label Prediction (HCLP) to enable learning from unlabeled data as well. Experimental results show that RB-ET has successfully improved the accuracy of encrypted traffic classification and reduced training time compared to existing models.