AIoT와 Wi-Fi를 이용한 스마트홈 보안 개선

 

아래 기사의 내용을  ChatGPT로 번역한 것입니다. 

https://techxplore.com/news/2025-02-scientists-smart-home-artificial-iot.html

Scientists enhance smart home security with artificial IoT and WiFi

 

인공지능(AI)과 사물인터넷(IoT) 기술의 장점을 결합한 인공지능 사물인터넷(AIoT)은 최근 몇 년 사이에 널리 확산되었습니다. 일반적인 IoT 환경에서는 기기가 데이터를 수집한 후 외부로 전송하여 처리하는 반면, AIoT 기기는 데이터를 현장에서 실시간으로 수집하고 분석하여 스스로 스마트한 결정을 내릴 수 있습니다. 이 기술은 지능형 제조, 스마트 홈 보안, 헬스케어 모니터링 등 다양한 분야에서 폭넓게 활용되고 있습니다.

 

스마트 홈 AIoT 기술에서는 정확한 인간 활동 인식이 매우 중요합니다. 이는 스마트 기기가 요리, 운동과 같은 다양한 활동을 인식하는 데 도움을 줍니다. 이러한 정보를 바탕으로 AIoT 시스템은 조명을 자동으로 조절하거나 음악을 변경하는 등 사용자 경험을 향상시키는 동시에 에너지 효율성도 높일 수 있습니다. 이와 같은 맥락에서 WiFi 기반의 모션 인식 기술은 매우 유망한데, 이는 WiFi 기기가 널리 보급되어 있고, 개인정보 보호에 유리하며, 비용 효율성도 뛰어나기 때문입니다.

 

최근 인천대학교 정보기술대학 전광길 교수 연구팀은 WiFi 기반 인간 활동 인식을 위한 새로운 AIoT 프레임워크인 ‘다중 스펙트로그램 융합 네트워크(MSF-Net)’를 개발했습니다. 이 연구 결과는 IEEE Internet of Things Journal에 게재되었습니다.

 

전광길 교수는 연구 동기에 대해 이렇게 설명합니다. "WiFi 기반 인간 활동 인식은 대표적인 AIoT 응용 분야로 스마트 홈에서 점점 더 인기를 끌고 있습니다. 그러나 WiFi 기반 인식은 환경 간섭으로 인해 성능이 불안정한 경우가 많습니다. 우리는 이러한 문제를 극복하는 것이 목표였습니다."

 

이를 위해 연구팀은 채널 상태 정보(CSI)를 활용하여 거친 수준과 세부 수준의 활동 인식을 모두 수행할 수 있는 견고한 딥러닝 프레임워크인 MSF-Net을 개발했습니다. MSF-Net은 ▲단기 푸리에 변환과 이산 웨이브렛 변환으로 구성된 이중 스트림 구조, ▲트랜스포머, ▲주의 기반 융합 브랜치의 세 가지 주요 구성 요소로 이루어져 있습니다. 이중 스트림 구조는 CSI의 비정상적인 정보를 정확히 포착하고, 트랜스포머는 데이터에서 고수준의 특징을 효율적으로 추출하며, 융합 브랜치는 모델 간 융합 성능을 극대화합니다.

 

연구팀은 MSF-Net의 성능을 검증하기 위해 실험을 수행한 결과, SignFi, Widar3.0, UT-HAR, NTU-HAR 데이터셋에서 각각 91.82%, 69.76%, 85.91%, 75.66%의 높은 Cohen’s Kappa 점수를 기록했습니다. 이는 WiFi 데이터 기반의 거친 수준 및 세부 수준 활동 인식에서 기존 최첨단 기술 대비 뛰어난 성능을 보여줍니다.

 

전 교수는 "다중 모드 주파수 융합 기술은 기존 기술 대비 정확성과 효율성을 획기적으로 개선하여 실제 응용 가능성을 높였습니다. 이 연구는 스마트 홈, 재활 의학, 고령자 돌봄 등 다양한 분야에 활용될 수 있습니다. 예를 들어, 사용자의 움직임을 분석하여 낙상을 예방하거나 비대면 건강 모니터링 시스템을 구축함으로써 삶의 질 향상에 기여할 수 있습니다."라고 말했습니다.

 

전반적으로 이 연구에서 제안한 IoT와 AI 융합 기술인 WiFi 기반 활동 인식은 일상적인 편의성과 안전성을 통해 사람들의 삶을 크게 개선할 것으로 기대됩니다.