2026.08.07 금요일
검색
'시계열 데이터' 검색결과
기간검색
-
~
검색영역
검색어
-
KAIST, 데이터 변화 속도에 맞춰 반응하는 AI 반도체 개발 [경제일보] 한국과학기술원(KAIST) 연구진이 입력 데이터의 변화 속도에 따라 반도체의 반응 특성을 조절할 수 있는 인공지능(AI) 반도체 소자를 개발했다. 심장 박동과 음성처럼 빠르게 변하는 데이터와 날씨, 설비 상태처럼 천천히 변하는 데이터를 하나의 소자에서 효율적으로 처리하는 기술이다. KAIST는 전기및전자공학부·반도체공학대학원 최신현 석좌교수 연구팀이 ‘프로그래머블 동적 멤트랜지스터(PDM)’와 이를 집적한 어레이를 개발했다고 7일 밝혔다. 연구 결과는 국제학술지 ‘네이처 커뮤니케이션스’에 7월 게재됐다. 멤트랜지스터는 정보를 저장하는 메모리와 연산을 수행하는 트랜지스터를 결합한 차세대 반도체 소자다. 입력 정보를 처리하면서 이전 상태를 기억할 수 있어 시간에 따라 변하는 데이터를 다루는 뉴로모픽 반도체의 핵심 소자로 꼽힌다. 기존 AI 반도체는 입력 신호에 반응하는 속도와 상태 유지 시간이 고정돼 있었다. 이 때문에 빠른 데이터와 느린 데이터가 섞인 시계열 정보를 처리하려면 별도의 전처리나 소프트웨어 연산이 필요했다. 데이터 속도에 맞지 않는 반응 특성이 적용되면 연산 효율과 예측 정확도가 떨어질 수 있다. 연구팀은 하나의 트랜지스터 안에 전기적 정보를 저장하는 전하 저장층과 전자를 붙잡아 반도체의 반응 속도를 조절하는 전자 포획층을 함께 구현했다. 전하 저장층이 입력 데이터를 처리하면 전자 포획층이 소자의 상태가 원래대로 돌아오는 시간을 조절하는 구조다. 이에 따라 PDM은 데이터의 변화 속도에 맞춰 반응 특성을 바꿀 수 있다. 연구팀은 입력 신호에 반응한 뒤 소자가 원래 상태로 돌아오는 시간을 약 5배 범위에서 조절했다. 빠르게 반복되는 신호를 처리하는 주파수 특성도 10배 이상 제어할 수 있음을 확인했다. 시계열 데이터 예측 실험에서는 기존의 고정형 반도체보다 예측 오류가 최대 40배 줄었다. 연구팀은 PDM 여러 개를 집적한 어레이를 제작해 실험한 결과, 기존 소프트웨어 기반 AI 시스템과 비슷한 정확도를 유지하면서 에너지 소모는 줄일 수 있었다고 설명했다. PDM은 전원을 차단해도 설정된 반응 특성을 유지하는 비휘발성도 갖췄다. 상용 반도체 생산에 활용되는 CMOS 공정과 호환될 수 있다는 점도 특징이다. 다만 실제 제품에 적용하려면 대규모 어레이에서의 균일성, 장시간 구동 안정성, 공정 수율과 시스템 수준의 전력 효율을 추가로 검증해야 한다. 연구팀은 이 기술이 자율주행차와 로봇, 웨어러블 기기 등 실시간 센서 데이터를 처리하는 엣지 AI 기기에 활용될 수 있을 것으로 기대하고 있다. 센서 데이터를 매번 서버로 보내지 않고 기기 내부에서 처리하면 응답 지연과 통신 전력도 줄일 수 있다. 최신현 교수는 “데이터 변화 속도에 맞춰 반도체가 적합한 방식으로 반응하는 AI 반도체를 구현했다”며 “AI 기기의 성능을 높이고 전력 소모를 줄이는 기술이 될 것으로 기대한다”고 말했다. 이번 연구에는 김대원 KAIST 박사과정이 제1저자로 참여했다. 삼성전자 반도체연구소 오영택 연구원과 이재덕 펠로우도 공동저자로 이름을 올렸다. 연구는 과학기술정보통신부와 정보통신기획평가원, 산업통상자원부, 삼성전자 등의 지원을 받아 수행됐다.2026-08-07 09:20:54
-
"AI로 해킹 잡는다"…SK쉴더스, ICML서 보안 AI 기술 공개 [경제일보] SK쉴더스가 글로벌 3대 인공지능(AI) 학회로 꼽히는 ICML 2026에 연구 논문을 올리며 AI 기반 사이버보안 기술 경쟁력 강화에 나섰다. 생성형 AI 확산 이후 사이버 공격 방식이 복잡해지면서 보안업계 역시 단순 관제 중심을 넘어 AI 원천기술 확보 경쟁에 뛰어드는 것으로 풀이된다. 22일 SK쉴더스는 자사 사이버보안 AI 연구 조직 '사이버보안AI랩스' 소속 임정훈 선임의 연구 논문이 글로벌 AI 학회 'ICML 2026'에 채택됐다고 밝혔다. ICML은 'NeurIPS', 'ICLR'과 함께 세계 3대 AI 학회로 꼽히는 대표적인 AI 학술 행사로 오는 7월 6일부터 서울 코엑스에서 열리는 'ICML 2026'에서 전 세계 AI 연구자들을 대상으로 발표될 예정이다. 이번 연구는 실제 사이버 공격 환경에서 발생하는 '불규칙 시계열 데이터' 문제를 새로운 방식으로 분석한 것으로 알려졌다. 기존 보안 탐지 시스템은 공격이 일정한 흐름과 패턴으로 이어진다는 가정 아래 데이터를 분석하는 방식이 일반적이었다. 다만 실제 해킹과 침투 공격은 발생 시점과 간격이 일정하지 않고 단시간 집중 공격이나 장기 잠복형 공격 등 다양한 형태로 나타나는 경우가 많은 것으로 나타났다. 이에 기존 방식으로는 불규칙하게 이어지는 공격 흐름을 충분히 반영하지 못해 이상 징후를 놓치거나 탐지 정확도가 떨어지는 한계가 있다는 지적이 이어져왔다. 최근 생성형 AI 기반 공격과 자동화된 해킹 기법이 확산되면서 기존 보안 체계의 대응 한계 역시 업계 주요 과제로 떠오르고 있다. SK쉴더스는 이번 연구를 통해 불규칙한 공격 흐름 자체를 AI가 학습할 수 있도록 설계한 기술 'QuITE(쿼리 기반 불규칙 시계열 임베딩)'를 제시했다. 시간 간격이 서로 다른 데이터를 효과적으로 분석해 실제 공격 흐름을 보다 자연스럽게 반영할 수 있도록 설계된 것이 특징이다. 특히 해당 기술은 기존 AI 모델과 유연하게 결합할 수 있도록 다양한 보안 탐지 시스템에 적용 가능한 확장성을 가진 것으로 평가된다. 글로벌 공개 벤치마크 데이터셋 기반 성능 검증에서는 기존 시계열 분석 방식 대비 최대 45.9% 수준의 성능 개선 효과를 기록했다. AI 기반 사이버보안 경쟁이 단순 탐지 자동화를 넘어 실제 공격 패턴을 얼마나 정밀하게 분석하고 대응할 수 있는지로 빠르게 이동하고 있는 것으로 분석된다. 글로벌 보안기업들 역시 AI 기반 자율형 보안운영센터(SOC)와 실시간 위협 탐지 기술 개발에 투자를 확대하고 있다. SK쉴더스 역시 이번 연구 성과를 실제 보안 서비스에 적용하는 방안을 검토 중이다. 회사는 자사 보안 관제센터 '시큐디움'과 MDR(관리형 탐색 & 응답) 서비스 등에 해당 기술을 연계해 위협 탐지와 분석·대응 정밀도를 높인다는 계획이다. 기존 방식으로 탐지하기 어려웠던 이상 징후 식별 역량 역시 강화될 것으로 전망된다. 또한 SK쉴더스는 사이버보안 특화 소형언어모델(sLLM)과 자율형 보안운영센터 등 차세대 AI 보안 기술 연구도 확대하고 있다. AI와 자동화 기반 실시간 탐지·대응 체계를 강화해 신·변종 사이버 공격 대응 역량을 끌어올린다는 전략이다. 김병무 SK쉴더스 사이버보안부문 부사장은 "이번 ICML 논문 채택으로 SK쉴더스의 AI 연구 역량이 글로벌 학계에서도 경쟁력을 인정받았다"며 "연구 성과를 자사 서비스에 연계해 탐지·분석 역량을 한 단계 끌어올리고, 사이버보안 특화 AI 기술에 대한 투자와 연구를 지속 확대해 나가겠다"고 말했다.2026-05-22 15:46:25
많이 본 뉴스
영상
Youtube 바로가기
![[사설 | 이재명 정부 1년 특별기획③] 선진국은 국가 대개혁으로 완성된다](https://image.ajunews.com/content/image/2026/08/06/20260806090728977153_518_323.png)