Core Concepts
전기 네트워크 주파수(ENF)의 고유한 특성을 활용하여 다양한 전력망을 효과적으로 분류하는 융합 모델을 제안한다.
Abstract
이 연구는 전기 네트워크 주파수(ENF)의 고유한 특성을 활용하여 다양한 전력망을 효과적으로 분류하는 융합 모델을 제안한다.
- 오디오 및 전력 기록에서 추출한 스펙트로그램을 입력으로 사용하여 로지스틱 회귀, 나이브 베이즈, 랜덤 포레스트, 다층 퍼셉트론, 최적화된 합성곱 신경망 등 5개의 분류기를 융합한다.
- 데이터 증강, One-vs-All 분류 전략, 배깅 기법 등을 활용하여 분류기의 성능을 향상시킨다.
- 융합 모델은 개별 분류기보다 우수한 성능을 보이며, 기존 연구 대비 높은 정확도를 달성한다.
- 전력 기록의 경우 100% 정확도를 달성하였고, 오디오 기록에서도 90%의 정확도를 보였다.
- 알려지지 않은 전력망 출처의 샘플 분류에 어려움이 있어, 이에 대한 추가 연구가 필요하다.
Stats
전력망 A의 오디오 기록에서 100% 정확도를 달성하였다.
전력망 B의 전력 기록에서 100% 정확도를 달성하였다.
전력망 C의 오디오 기록에서 100% 정확도를 달성하였다.
전력망 H의 오디오 기록에서 75% 정확도를 달성하였다.
알려지지 않은 전력망의 샘플에 대해 70% 정확도를 달성하였다.
Quotes
"전기 네트워크 주파수(ENF)는 전력 배전 시스템의 고유한 서명으로 활용될 수 있다."
"ENF 변동 유사성 분석을 통해 멀티미디어 녹음의 위치를 높은 정확도로 추정할 수 있다."
"ENF 신호 내의 내재된 흔적을 활용하여 녹음의 특정 위치를 결정할 수 있다."