컴퓨터·AI학부 손윤식 교수 연구팀 EAAI 논문 게재

손윤식 교수 연구팀(손윤식, Mehreen Kanwal)이 AI 응용 분야 Top 저널 Engineering Applications of Aritificial Intelligence에 논문 게재△ 왼쪽부터 동국대학교 컴퓨터·AI학부 손윤식 교수, 동국대학교 컴퓨터·AI학부 Mehreen Kanwal 박사과정제목 : Deeply Supervised Multitask Autoencoder for biological brain age estimation using structural magnetic resonance imaging손윤식 교수 연구팀(손윤식, Mehreen Kanwal)의 구조적 자기공명영상(sMRI) 기반 생체 뇌 연령 추정 성과가 AI 응용 분야 top 저널인 Engineering Applications of Ariticial Intelligence(EAAI)(IF: 9.0, Q1, Top: 3.5%)에 게재되었다.EAAI는 Elsevier에서 발행하는 지능형 시스템 및 인공지능 응용 기술 전반을 다루는 세계적인 학술 저널로, AI 응용 및 컴퓨터 공학 분야에서 높은 권위와 영향력을 인정받는 Top 저널이다.연구팀은 Deep Supervision과 Multitask Learning을 결합한 3차원 convolution autoencoder 프레임워크인 Deeply Supervised Multitask Autoencoder (DSMT-AE)를 제안하였다. 3D sMRI 불륨 데이터로부터 뇌 연령을 추정하는 주 작업과 함께 생물학적 성별 분류 및 self-supervised 이미지 재구성을 보조 작업으로 동시 학습시켜, 뇌의 복합적인 해부학적 변이와 성별에 따른 노화 패턴을 정밀하게 분리 및 포착 할 수 있도록 설계하였다. 이를 통해 3D 뇌 MRI 단일 영상만으로 성별 편향 없이 빠르고 정밀하게 뇌 연령을 추정할 수 있어, 퇴행성 뇌 질환의 조기 진단이 가능할 것으로 기대된다.[제안하는 연구인 DSMT-AE의 구조도]해당 논문은 https://doi.org/10.1016/j.engappai.2026.115966에서 확인할 수 있다.

컴퓨터·AI학부 손윤식 교수 연구팀(PLASS), 2026 한국멀티미디어학회 춘계학술발표대회, 정보처리학회 ASK 2026, KCC2026 총 5건 수상

동국대학교 손윤식 교수 연구팀은 2026 한국멀티미디어학회 춘계학술대회에서 3건(최우수상 2건, 우수상 1건), 정보처리학회(우수논문상 1건), KCC2026(학부생/주니어논문 경진대회 최우수상 1건) 총 5건의 수상 성과를 거두었다.△ 왼쪽부터 동국대학교 컴퓨터·AI학부 김재철 박사과정, 박승운 석박통합과정, 이영섭 석사과정, 손은영 학부연구생, 김미정 학부연구생한국멀티미디어학회 (최우수상): 금융 사기 탐지를 위한 프라이버시 보존 기반 합성 데이터 생성 연구 – 김재철, 김미정해당 연구는 사기 거래 여부가 포함된 금융 데이터셋에서 거래 정보와 같은 민감한 정보를 diffusion 모델과 차등 프라이버시를 결합하여 안전한 금융 데이터를 생성하는 연구이다.한국멀티미디어학회 (우수상): 자연 발화 대화 전사 텍스트에서의 준식별자 취합 기반 재식별 위험 탐지 – 이영섭본 연구는 여러 발화에 흩어진 개인정보를 인물별로 정확히 분리·누적하여, 정보 결합에 따른 재식별 위험을 매 턴 조기 탐지하고 오경보를 최소화하는 프레임워크를 제안하였다.한국멀티미디어학회 (최우수상): 전력 부채널 누설의 알고리즘-명령어 계층 구조 연구 – 박승운, 이영섭, 손은영본 연구는 암호 시스템의 전력 누설 특성이 알고리즘 문맥에 의존함을 규명하고, 알고리즘 우선 식별 후 명령어 분류라는 계층적 분석으로 부채널 공격 방어 기법을 제안하였다.정보처리학회 ASK 2026 (우수논문상): 차원 추정과 차등 프라이버시를 활용한 IoT 데이터에서의 프라이버시 보존 기법 - 김재철본 논문은 IoT 데이터셋 공유/활용 시, 추론 공격 방어를 위해 차원 추정, 접공간 구성, Laplace 노이즈, 통계적 후처리를 결합한 구조 인식형 노이즈 주입 메커니즘을 제안하였다. KCC2026 (주니어논문 경진대회 최우수상): LLM 필터링을 이용한 합성 데이터의 구조적 일관성 확보 및 IDS 성능 향상 – 손은영본 논문은 IoT 합성 데이터의 구조적 일관성 붕괴 문제를 LLM의 문맥 파악 능력을 활용한 필터링으로 해결하여, 침입 탐지 성능 향상과 미학습 공격에 대한 강건성을 확보하였다.손윤식 교수 연구팀은 AI를 기반으로 한 데이터 프라이버시, 전력 부채널 분석, 재식별 위험 조기 탐지 등 다양한 첨단 융합 연구를 수행하고 있다. 이번 한국멀티미디어학회, 정보처리학회, 한국정보과학회(KCC)에서의 총 5건 수상을 계기로 관련 분야에서 학부생과 대학원생이 함께 참여하여 연구 역량을 더욱 세계적 수준으로 강화해 나갈 예정이다.

[동국대 컴퓨터AI학부 성연식 교수 연구팀(이인호)] ‘EMNLP 2026’ 논문 채택

동국대 컴퓨터AI학부 성연식 교수 연구팀(이인호 석사과정) 자연어처리 분야 Top Conference 'EMNLP 2026' 논문 최종 채택동국대학교 컴퓨터AI학부 성연식 교수 연구팀의 논문이 자연어처리 분야 국제 학술대회인 EMNLP 2026 (Conference on Empirical Methods in Natural Language Processing)에 최종 채택되었다. EMNLP는 국제전산언어학회(ACL) 산하 SIGDAT가 주관하는 자연어처리 분야 세계 최고 수준의 최상위 국제 학술학회로써 이번에는 총 17,669편이 투고되어 본 학회(Main Conference) 채택률이 15.4% (2,719편/17,669편)에 달할 만큼 경쟁이 치열했다. 이번 EMNLP 2026은 오는 2026년 10월 24일부터 29일까지 헝가리 부다페스트에서 개최될 예정이다.▲ (왼쪽부터) 동국대학교 컴퓨터·AI학과 이인호 석사과정, 동국대학교 컴퓨터·AI학과 성연식 교수본 논문은 성연식 교수 연구팀의 이인호 석사과정이 제1저자로 작성했으며, ‘ActionRAG: Constraint-Aware Action Retrieval for Large Action Models’ 제목으로, 대규모 행동 모델(Large Action Model, LAM)이 외부 도구를 선택하는 단계에서 실행 가능성을 먼저 판단하는 새로운 검색 구조를 제안하였다. 기존의 도구 검색 방식은 사용자 질의와 도구 설명 사이의 의미적 유사도에만 의존하여, 의미상으로는 관련이 있으나 실행 제약과 파라미터 요구사항, 선행조건을 만족하지 못하는 도구까지 선택하는 한계를 보였다. 또한 실행과 추론을 번갈아 수행하는 반응형 방식은 실행이 시작된 뒤에야 불가능한 행동 순서를 발견하기 때문에 실패가 발생할 때마다 재계획 비용이 누적되는 문제가 있었다. 이에 연구팀은 목표로부터 환경 제약과 과제 제약을 추출하는 제약 유도(Constraint Induction), 실행 가능성 점수를 반영해 수행 불가능한 도구를 사전에 제거하는 제약 인지 검색(Constraint-Aware Retrieval), 남은 도구들의 의존 관계를 고려해 실행 궤적을 구성하는 행동 사고(Action-of-Thought)를 결합한 ActionRAG를 제안하였다. 그림1.논문에서 제안한 프레임워크 구조

이우진 교수팀, EMNLP 2026에 논문 5편 채택

▲ 이우진 교수 연구팀. 이름 아래는 각자 참여한 논문 (윗줄 왼쪽부터)동국대학교(총장 윤재웅) 컴퓨터AI학과 이우진 교수 연구팀의 논문 5편이 자연어처리 분야 세계 최고 권위의 인공지능 학회인 ‘EMNLP(Conference on Empirical Methods in Natural Language Processing) 2026’에 채택됐다고 밝혔다.이번 연구에는 동국대학교 컴퓨터AI학과 이우진 교수 연구실의 김미소 연구원, 이거루 연구원, 정승원 연구원, 이윤석 연구원, 김윤지 연구원, 김현진 연구원, 김민석 연구원, 정승현 연구원, 이현세 연구원, 정지우 연구원, 이하늘 연구원이 참여했다.최근 대규모언어모델(LLM)은 문장을 생성하는 단계를 넘어 직접 도구를 호출하고 로봇을 움직이며 사람 대신 의사결정을 수행하는 ‘AI 에이전트’로 확장되고 있다. 연구팀은 이러한 변화 속에서 모델이 무엇을 기억하고 있는지, 외부 입력에 의해 어떻게 조작될 수 있는지, 행동 과정에서 안전 제약을 지키는지를 검증하는 신뢰성 문제를 집중적으로 다뤘다. 이번에 채택된 5편은 다음과 같다.▲ ‘Confess What You Know’ 대표 그림. 모델이 실제로 외운 정보와 사용자가 지워 달라고 요청한 목록이 어긋나면서 개인정보가 남거나, 배우지도 않은 지식을 지우려다 성능이 떨어지는 두 가지 실패를 보여준다.첫 번째 논문 ‘Confess What You Know’(Main Conference)는 AI가 특정 정보만 지우도록 하는 언러닝 기술을 다뤘다. 기존 연구는 지울 대상 목록이 모델이 실제로 외운 내용과 일치한다고 가정했지만, 원본 학습 데이터를 볼 수 없는 실제 개인정보 삭제 상황에서는 이 가정이 성립하지 않는다. 연구팀은 모델이 스스로 기억하는 내용을 진술하도록 유도해 삭제 목록을 구성하는 ‘CONFS’를 제안했으며, 학습 데이터를 전혀 사용하지 않고도 원본 데이터를 활용한 방식에 필적하는 삭제 성능을 달성했다.▲ ‘Will the User Ever Know?’ 대표 그림. 같은 공격이 성공해도 최종 응답에 흔적이 남아 사용자가 알아채는 경우(왼쪽)와, 요청한 답변만 돌려주어 끝내 알아채지 못하는 경우(오른쪽)로 갈린다.두 번째 논문 ‘Will the User Ever Know?’(Main Conference)는 메일이나 웹 문서에 숨겨진 명령으로 AI 에이전트를 조종하는 간접 프롬프트 인젝션 공격을 다뤘다. 기존의 공격 성공률 지표는 공격이 실행됐는지만 셀 뿐, 그 사실이 사용자 눈에 보이는지는 확인하지 않았다. 연구팀은 사용자가 알아채는 공격과 알아채지 못하는 공격을 구분하는 새로운 평가지표를 제시하고, 은폐된 공격을 유도하는 기법 ‘ICoA’를 설계해 주요 모델 네 종 모두에서 가장 높은 은폐 성공률을 기록했다.▲ ‘FaVOR’ 대표 그림. 전통적 금융 연구(왼쪽)와 수익률만 최적화하는 기존 AI 방식(오른쪽) 사이에서, 가설을 조건으로 나눠 실증 검증한 뒤 factor를 만드는 FaVOR(가운데)의 절차를 비교했다.세 번째 논문 ‘FaVOR’(Findings)는 인공지능을 활용한 금융 factor 자동 발굴 기술을 다뤘다. 최근 AI 다중 에이전트가 factor 발굴을 자동화했지만, 수익률만 최적화하는 탓에 만들어진 factor가 애초의 경제적 가설을 담고 있는지는 검증하지 않는다는 한계가 있었다. 연구팀은 가설을 관측 가능한 조건으로 분해해 실증 증거로 검증한 뒤 결합하는 ‘FaVOR’를 제안했으며, 2025년 CSI 500과 S&P 500 표본 외 백테스트에서 네 개 평가지표 모두 1위를 기록했다.▲ ‘SafeBranch’ 대표 그림. 에이전트의 위험한 실행을 되감아 문제가 된 단계에서 안전한 행동과 짝을 지어 학습시키는 과정을 나타냈다.네 번째 논문 ‘SafeBranch’(Findings)는 로봇처럼 실제로 행동하는 AI 에이전트의 안전성을 다뤘다. 이러한 에이전트는 지시받은 일을 해내면서도 그 과정에서 안전 규칙을 어기는 경우가 있는데, 위험이 발생하는 지점이 전체 행동 중 일부 단계에 몰려 있어 학습이 까다로웠다. 연구팀은 에이전트의 위험한 행동을 시뮬레이터에서 되감아 문제가 된 단계로 돌아간 뒤 안전한 대안 행동을 짝지어 학습시키는 방법을 제안했으며, 별도의 감시 장치 없이 에이전트가 스스로 안전하게 행동하도록 만들었다.▲ ‘HiP-LR’ 대표 그림. 로봇 한 대가 실패하면 전체가 대기하는 기존 방식(위)과 달리, HiP-LR(아래)은 실패한 그룹만 다시 계획하고 나머지 로봇은 작업을 이어간다.다섯 번째 논문 ‘HiP-LR’(Findings)은 송수환 교수 연구팀과의 공동 연구로, 여러 대의 로봇이 협업하는 장기 과업의 계획 문제를 다뤘다. 인공지능으로 다수의 로봇을 계획할 경우 정보량이 늘어나면서 환각이 발생하고, 실행 중 사소한 실패 하나가 전체 계획을 무효로 만드는 문제가 있었다. 연구팀은 지시를 의존성이 분리된 하위 작업 그룹으로 나눠 각 에이전트가 다루는 정보량을 줄이고, 실패가 발생하면 해당 그룹만 다시 계획하도록 하는 ‘HiP-LR’을 제안해 표준 벤치마크에서 과업 성공률을 38% 향상시켰다.연구팀은 “AI가 실제 행동을 대신하는 시대에는 성능뿐 아니라 모델이 무엇을 기억하고 어떻게 조작될 수 있는지를 함께 검증해야 한다”며, “앞으로도 신뢰할 수 있는 인공지능 기술 연구에 집중할 계획”이라고 밝혔다.한편, 이번 연구 성과는 오는 10월 24일부터 29일까지 헝가리 부다페스트에서 개최되는 EMNLP 2026 현장에서 발표될 예정이다.

동국대 임상수 교수 연구팀, 한국정보과학회 AI·바이오 융합 분야 5건 수상

동국대학교 임상수 교수 연구팀이 한국정보과학회에서 우수논문발표상 1건과 학부생 논문경진대회 우수상 2건, 장려상 2건 등 총 5건의 수상 성과를 거두며 AI·바이오 융합 분야의 연구 경쟁력을 입증했다.이번 수상 연구들은 인공지능 기반 약물 재창출, 약물유발간손상 예측, 생물정보학 모델 자동화, 생물의학 지식 그래프 분석 등 최근 주목받고 있는 AI 기반 신약개발 및 바이오인포매틱스 분야를 폭넓게 다뤘다.우수논문발표상에는 「회복 방향 메트릭 러닝과 질병 특이적 패스웨이 선택을 활용한 약물 재창출」 연구가 선정됐다. 해당 연구는 질병 특이적인 생물학적 경로 정보를 활용해 기존 약물의 새로운 치료 가능성을 탐색하는 인공지능 기반 약물 재창출 방법론을 제안했다.학부생 논문경진대회에서는 총 4편의 연구가 수상작으로 선정됐다.우수상에는「다중 에이전트 추론을 활용한 생물정보학 모델 자율 개선 프레임워크」와「차분 교차 어텐션 기반 다중모달 분자 표현을 활용한 약물유발간손상 예측」이 선정됐다. 각각 다중 AI 에이전트를 활용한 생물정보학 모델의 자동 개선 기술과 다양한 분자 정보를 통합해 약물의 간독성을 예측하는 새로운 인공지능 모델을 제시했다.장려상에는「이질 생물의학 지식 그래프에서 양성-미표기 학습 기반 약물 재창출 링크 예측」과「의학 지식 그래프에서 BioBERT와 Cross-Attention을 활용한 약물 재창출」이 선정됐다. 두 연구 모두 대규모 생물의학 지식과 인공지능 기술을 결합해 새로운 약물-질병 관계를 발굴하고 약물 재창출 가능성을 예측하는 방법론을 다뤘다.특히 이번 학부생 논문경진대회 수상작 가운데 우수상 1편과 장려상 1편은 학부 종합설계 교과목에서 수행된 프로젝트를 발전시킨 연구로, 임상수 교수가 지도교수로 참여했다. 수업에서 수행한 아이디어가 실제 학술 연구와 학회 수상으로 이어졌다는 점에서 교육과 연구가 유기적으로 연결된 성과라는 의미도 크다.이번 성과는 학부생들이 최신 AI 및 바이오인포매틱스 연구에 직접 참여하고, 연구 결과를 학술대회에서 발표해 성과를 인정받았다는 점에서도 의미가 있다. 특히 학부 교육 과정에서 습득한 전공지식을 실제 연구 문제에 적용하고 이를 논문으로 발전시켰다는 점에서 연구 중심 교육과 학생 주도형 프로젝트 교육의 성과를 보여준다.임상수 교수 연구팀은 AI를 활용한 신약개발과 생물정보학을 중심으로 약물 재창출, 약물 독성 및 효능 예측, 생물의학 지식 그래프, 멀티모달 학습 등 다양한 연구를 수행하고 있다. 이번 한국정보과학회 수상을 계기로 관련 분야에서의 연구 역량을 더욱 강화하고, 학부생과 대학원생이 함께 참여하는 교육·연구 연계형 연구를 지속적으로 확대해 나갈 예정이다.

이철 교수 연구팀, ECCV 2026 논문 채택

[이철 교수 연구팀, ECCV 2026 논문 채택]▲(좌측부터) Samira Malek 박사과정, Haichuan Zhang 박사과정, 이철 교수, Vishal Monga 교수컴퓨터·AI학부 이철 교수 연구팀이 미국 펜실베니아 주립대 연구팀과의 공동 연구를 통해 영상의 위상(Phase) 정보를 활용하여 영상 복원 성능을 효과적으로 향상시킬 수 있는 새로운 영상 복원 기술을 개발하였으며, 이를 컴퓨터비전 분야 3대 학술대회 중 하나인 European Conference on Computer Vision (ECCV)에 발표한다.최근 자율주행, 스마트폰, 의료영상, 위성영상 등 다양한 영상 응용 분야에서 흐리게 촬영된 영상을 선명하게 복원하는 디블러링(Deblurring) 기술의 중요성이 크게 증가하고 있다. 그러나 기존의 딥러닝 기반 영상 복원 기술은 대부분 공간 영역(Spatial Domain)의 영상 정보만을 복원하는 방식으로 설계되어, 영상의 구조적 정보를 담고 있는 푸리에 위상(Fourier Phase) 정보를 충분히 활용하지 못하는 한계가 있었다. 이러한 문제는 특히 잡음이 심하거나 학습 데이터가 부족한 환경에서 성능 저하로 이어질 수 있다.이에 연구팀은 영상의 푸리에 표현을 진폭(Amplitude)과 위상(Phase)으로 분리하여 각각을 최적으로 추정하는 새로운 영상 복원 프레임워크를 제안하였다. 또한 통계적 최적 추정 알고리즘을 딥러닝 네트워크로 확장하는 모델기반 딥러닝 기법을 적용하여, 모델 기반 알고리즘의 해석 가능성과 딥러닝의 높은 표현력을 동시에 확보하였다.특히 본 연구에서는 • 푸리에 진폭과 위상을 각각 선형 최소평균제곱오차(LMMSE) 기반으로 추정하는 새로운 통계적 복원 모델을 개발하고, • 이를 UPADNet(Unrolled Phase and Amplitude Decomposition Network)으로 구현하여 위상 정보까지 효과적으로 학습하는 새로운 영상 복원 네트워크를 제안하였다.제안한 기술은 최신 기법보다 우수한 성능을 달성하였으며, 특히 잡음이 심한 환경과 학습 데이터가 부족한 환경에서도 높은 복원 성능과 일반화 능력을 유지하는 것으로 확인되었다. 또한 상대적으로 적은 네트워크 파라미터만으로도 우수한 성능을 달성하여 정확도와 계산 효율성을 동시에 확보하였다. 본 연구에서 제안한 기술은 자율주행, 의료영상, 위성영상, 스마트폰 카메라, 산업용 비전 시스템 등 다양한 영상 복원 응용 분야에 활용될 것으로 기대된다.▲UPADNet 구조연구 결과는 “Leveraging Phase Information to Boost Unrolled Network Learning for Image Deblurring”이라는 제목으로 9월 스웨덴 말뫼에서 개최되는 ECCV 2026에서 발표될 예정이다.

송수환 교수 연구팀, 'IROS 2026' 논문 게재 승인

[송수환 교수 연구팀, 'IROS 2026' 논문 게재 승인]▲ (왼쪽부터) 이상기 석사과정, 최인성 석사과정, 송수환 교수우리 대학 컴퓨터AI학부 송수환 교수 연구팀(참여: 이상기, 최인성 석사과정)이 제출한 논문이 로보틱스 분야 최우수 학회인 'IROS 2026'에 최종 채택되었다.IEEE와 RSJ가 공동 주관하는 IROS(International Conference on Intelligent Robots and Systems)는 로보틱스와 지능형 시스템 분야에서 세계 최고 권위를 자랑하는 국제 학술대회이다.본 논문은 송수환 교수 연구팀의 이상기 석사과정이 1저자로 작성했으며, ‘Online Explore-Then-Exploit UAV Scanning with Budgeted Return Re-Scanning’이라는 제목으로, 제한된 비행 예산 내에서 단 한 번의 비행만으로 무인기(UAV)의 초기 스캐닝과 표적 재스캐닝을 완료할 수 있는 새로운 온라인 탐색-활용(explore-then-exploit) 프레임워크를 제안했다.▲그림. 논문에서 제안하는 온라인 탐색-활용(explore-then-exploit) 프레임워크

[컴퓨터·AI학부 강동현 교수 연구팀(차세대운영체제연구실), 한국반도체학술대회(KCS 2026) 분과별 우수논문상 선정]

[컴퓨터·AI학부 강동현 교수 연구팀(차세대운영체제연구실), 한국반도체학술대회(KCS 2026) 분과별 우수논문상 선정]△ 왼쪽부터 동국대학교 김유리(학부생), 동국대학교 컴퓨터·AI학과 이찬용(석사과정), 동국대학교 컴퓨터·AI학부 강동현 교수동국대학교 컴퓨터·AI학부 강동현 교수 연구팀(차세대운영체제연구실)의 논문이 강원도 하이원리조트 컨벤션타워에서 2026년 1월 27일(화) - 30일(금) 동안 개최된 제 33회 한국반도체학술대회(KCS 2026) 분과별 우수논문상에 선정되었습니다.한국반도체학술대회는 국내 산·학·연 반도체 전문가들이 모여 최신 연구 성과를 발표하고 기술 동향을 교류하는 국내 최대 규모의 종합 반도체 학술 행사이며, 분과별 우수 논문상은 사전 심사/현장 심사 등 점수를 합산하여 가장 성적이 우수한 논문에 수여하는 상이다.저자: 김유리(학부과정), 이찬용(석사과정), 강동현 교수분과: Semiconductor Software제목: eBPF를 활용한 Linux 커널 I/O 스택의 계층별 지연 시간 분석<I/O Latency 분석 결과>초록본 연구에서는 Linux 커널의 I/O 스택을 파일 시스템, 블록 계층, 장치 드라이버 등 주요 계층별로 세분화하여 I/O 경로를 추적하고, 각 계층의 지연 시간을 정량적으로 분석하였다. 이를 통해 고성능 저장 장치 환경에서 커널 내부의 주요 병목 지점을 식별하고, 효율적인 I/O 처리 구조 설계를 위한 기반을 마련하고자 한다. 우리는 Linux 커널에서 제공하는 동적 분석 도구인 eBPF를 활용하여 사용자 영역의 시스템 호출부터 하드웨어 드라이버까지 전 구간을 통합 추적하는 방법론을 구현하였다. eBPF 맵을 통해 각 I/O 요청의 타임스탬프와 지연 시간을 실시간으로 수집하고, 프로세스 ID와 커널 구조체의 주소를 키로 사용하여 요청을 추적하였다. 이를 통해 기존 I/O 추적 도구로는 파악하기 어려웠던 파일시스템 계층의 오버헤드를 정량적으로 측정하였다.

[컴퓨터·AI학부 강동현 교수, 한국정보과학회 2026년도 논문공헌상 수상자 선정]

[컴퓨터·AI학부 강동현 교수, 한국정보과학회 2026년도 논문공헌상 수상자 선정]△ 동국대학교 컴퓨터·AI학부 강동현 교수컴퓨터·AI학부 강동현 교수가 2026년 한국정보과학회 논문공헌상(Silver) 수상자로 선정됐다.강동현 교수는 정보과학회 논문지에 우수 논문을 다수 게재해 정보과학 발전과 학회지 활성화에 기여한 공로를 인정받아 ‘논문공헌상’ 수상의 영예를 안았다.논문공헌상의 시상식은 2026년 6월 25일(목), KCC2026 뱅킷(제주 ICC)에서 진행될 예정이다.

[컴퓨터·AI학부 강동현 교수 연구팀(차세대운영체제연구실), KCC2026 우수논문상 선정]

[컴퓨터·AI학부 강동현 교수 연구팀(차세대운영체제연구실), KCC2026 우수논문상 선정]△ 왼쪽부터 동국대학교 컴퓨터·AI학과 석사과정 이동영, 동국대학교 컴퓨터·AI학부 강동현 교수동국대학교 컴퓨터·AI학부 강동현 교수 연구팀(차세대운영체제연구실)의 논문이 한국정보과학회 KCC2026 우수논문상에 선정되었으며, 시상식은 2026년 6월 25일 KCC 2026 개회식에서 진행될 예정이다.저자: 이동영, 강동현분야: 컴퓨터시스템제목: 링 채널 확장을 통한 RFUSE 데이터 경로 최적화초록RFUSE는 CPU 코어별 링 채널 기반 통신을 통해 FUSE의 커널과 사용자 공간 사이의 문맥 전환 및 요청/응답 복사 오버헤드, 단일 큐 구조에 따른 확장성 한계를 개선한 사용자 공간 파일 시스템 프레임워크이다. 그러나 읽기 및 쓰기 요청의 파일 데이터는 여전히 /dev/fuse 캐릭터 디바이스에 대한 pread()/pwrite() 호출을 통해 전달되므로, 데이터 복사 과정에 추가적인 시스템 호출 오버헤드가 남아 있다. 본 연구에서는 기존 CPU 코어별 링 채널을 공유 데이터 버퍼를 포함하는 형태로 확장함으로써, 기존의 syscall 기반 데이터 전달 경로를 공유 메모리 기반 복사 경로로 대체하였다. 그 결과, RFUSE 대비 Fileserver 워크로드에서 18%의 성능 향상을 확인하였다.