이스트소프트 AI Plus Lab * 컴퓨터 비전 * 자연어 처리 * 악성코드 탐지 * 금융시장 예측 [[Tableofcontents]] == 딥러닝의 원리 == === 딥러닝의 이해 === * 인공지능 * 사람만큼이나 사람보다 똑똑한 기계 * 머신러닝 * 더 많은 데이터를 더 빠르게 처리할 수 있지만, 처리 알고리즘은 사람이 만들어야 한다 * 사람보다 똑똑한 기계를 만들기 위해 사람(생물)이 학습하는 방법을 모델링 * 데이터로부터 경험적, 귀납적으로 만들어낸 알고리즘에 의해 추론 * feature와 label * 더 좋은 feature들을 추출할 수 있다면, 더욱 쉽게 분류할 수 있다 * feature engineering * 딥러닝 이전 머신러닝에서 반드시 수행되어야하는 작업 * 사람이 정답을 더 잘 찾기 위한 특징을 찾아내고 (->도메인 전문가) * 사람이 데이터에서 그런 특징을 식별하고 추출하는 알고리즘을 설계하는 것 (->알고리즘) * 단일 층으로 분류가 불가능하다면, 분류가 가능할 때까지 공간을 변형시키면 된다 * 즉, 다중 층을 사용하면 된다 * 딥러닝 * 여러 층을 통째로 학습시키면(차원이 늘어나면) * 사람이 찾을 수 있는 특징보다 더 좋은 특징을 찾아 분류를 할 수 있다 * 이 특징은 사람이 이해하기에는 어려울 수 있다 * 더 어렵고 복잡한 문제를 해결할 수 있는데 이를 수용력이라 함 * 딥러닝은 머신러닝 더 넓은 수용력을 가지는 학습 방법 * 학습할 데이터가 충분히 많아야 더욱 정확하고 복잡한 특징을 추출할 수 있게 된다 * 딥러닝에 필요한 것들 * 선형대수학 * 확률과 통계 * 다변수 미적분 * 알고리즘, 최적화 * 기타 등등 * 정보이론(엔트로피 ..) * 기타 수학적 이론들 === 딥러닝의 원리 1 - similarity === * 딥러닝에서는 스스로 좋은 feature를 찾아가기 때문에 최대한 손실이 없는 데이터를 사용하는 것이 유리하다 * 벡터의 유사도를 나타내는 방법 * 유클리드 거리(두 벡터의 차이) * 코사인 유사도(두 벡터의 내적) * 하지만 유사한 데이터라고 해서 유사한 벡터인 것은 아니다 * 이를 해결하는 것이 머신러닝의 핵심적인 목교 * 입력층 벡터를 유사하게 -> 입력 데이터의 모델링 * 마지막 은닉 층 벡터를 유사하게 -> 네트워크 모델링 * Supervised Learning * 분류의 정답인 함수 값을 통해 어떤 데이터들이 분류가 같아야 하고, 분류가 달라야하는지 * 기준을 가르치는 것 * 뉴럴 네트워크를 학습한다는 것 * 학습한다는 것은 정답과의 오차를 줄이는 방향으로 모델 파라미터를 수정해 나가는 것 * 학습이 잘 된 후에는 어떤 입력에 대해 강하게 반응하려면 가중치가 그 벡터와 유사해 진다 * 모델링 * 더 적은 데이터를 가지고 더 적합한 학습을 시킬 수 있도록하는 것이 모델링 * ex) CNN * 응용 * 변종 악성코드의 탐지와 분류 * 악성코드의 유사도 * 메타데이터가 유사하다 * 파일 구조와 내용이 유사 * 코드 패턴, 행위 패턴이 유사 * 사용하는 API가 유사 * 개발자의 습관이 유사 * 노리는 대상이나 취약점이 유사 * 통신하는 대상이나 패킷이 유사 * 압축, 난독화, 암호화, 패키지 방식이 유사 * 악성 여부? * 정말 모든 악성 코드를 유사한가? * 정말 모든 정상 코드는 유사한가? * 정말 정상코드와 악성코드는 유사하지 않은가? * 탐지명 * 보안 분석가들이 오랜 기간동안 악성코드를 분류 * 유사한 악성코드를 같은 탐지명으로 분류할까? * 같은 탐지명으로 분류된 악성코드들은 유사할까? * 하나의 악성코드는 하나의 탐지명으로만 분류할 수 있을까? * 탐지명을 label로 학습을 시킨다 하더라도 * 신종 악성코드의 탐지와 분류 * 학습한 데이터의 유사한 악성코드가 없다 * 학습한 훈련 데이터에 같은 분류로 분류된 악성코드가 없다 === 딥러닝의 원리 2 - Probability === * 변별 모델 * classification, regression * 입력 데이터 x가 주어질 때, 간단한 응답 y를 결정 * 조건부 확률을 사용 * 조건부 확률의 함정 * 조건부 활률 뒤집기 * 수 많은 경우의 수가 존재하므로 직접 계산하는 것은 굉장히 어렵다 * 결합 확률 * x,y가 동시에 일어날 확률 * 베이즈 정리에 의해 계산 * 결합 확률을 계산 * 생성모델 * y라는 속성을 같는 그럴듯한 x를 생성 * 딥러닝을 활용하면 y뿐만아니라 대량의 x로부터 숨겨진 특징 z를 찾아낼 수 있다 * 가르친 적 없는 x를 생성 * 딥러닝 기반 생성모델 VAEs, GANs, Auto-Regressive model, DBNs, RBMs == ~~(딥)~~러닝 == [http://cs231n.stanford.edu/] 이미지 분류기 * 이미지 데이터를 각 픽셀에 대해 rgb로 표현 * 다른 시각에서, 다른 성질을 가진 같은 물체를 어떻게 같은 label로 분류할 것인가 * hard-code로는 분류기를 만드는 것이 불가능함 === K Nearest Neighbor Classifier === * 이미지를 학습하여 저장 * 새로 들어온 이미지를 차이가 가장 작은 값을 통해 분류 * 비교하는 방법 * 픽셀값으 절대값 거리 계산 * 이를 distance로 사용 * 분류 시간이 linear하게 증가 * CNN 모델에서는 학습시간은 증가하지만, 분류가 빠름 * hyper parameter * L1 distance vs L2 distance * K? * 실험적으로 hyper parameter를 결정 * 학습 데이터 중 일부를 validation data로 사용 * cross-validation === Linear Classification === * 선을 그어 분류하는 방법 * non-parametric approach * KNN 등 * parametric approach * 선의 기울기를 사용하여 * f(x, W) -> 분류 * score function f = W*x + b = 점수의 벡터 * loss function * 학습 데이터에 대해 unhappiness를 측정하는 함수 * loss function을 작게 만드는 과정 -> optimization * ex) SVM loss function * softmax classifier * score = 특정 분류에 대한 normalized 되지 않은 조건부 확률 * loss function = -log(normalized score) * optimization * loss function을 최소화하는 W을 구하는 과정 * random search * W를 랜덤하게 생성하여 찾은 W 중 가장 loss 값을 가지는 W를 선택 * 낮은 정확도 * gradient descent * 가능한 작은 h를 사용하여 gradient를 측정 * loss가 작아지는 방향으로 점진적으로 접근 == 고래 등에 태운 텐서플로 == https://goo.gl/M1zJVP if(ubuntu version < 16) instead 18~20page * command -> sudo apt install docker.io without GPU(?) instead 22~23page 1. command -> sudo docker rm -f tensorflow 1. command -> sudo docker run -d --net=host --name tensorflow gcr.io/tensorflow/tensorflow 1. connect http://127.0.0.1:8888/ 1. try login in webpage 1. command -> sudo docker logs tensorflow 1. copy link to browser like this in log -> http://localhost:8888/?token=00bca78fdb2b3ab7b23eab7105dc639dab72d021ecd5c54f <- copy link like this to browser/ === fully_connected_feed.py === from __future__ import absolute_import from __future__ import division from __future__ import print_function import argparse import os import sys import time from six.moves import xrange import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data from tensorflow.examples.tutorials.mnist import mnist FLAGS = None def placeholder_inputs(batch_size): images_placeholder = tf.placeholder(tf.float32, shape=(batch_size, mnist.IMAGE_PIXELS)) labels_placeholder = tf.placeholder(tf.int32, shape=(batch_size)) return images_placeholder, labels_placeholder def fill_feed_dict(data_set, images_pl, labels_pl): images_feed, labels_feed = data_set.next_batch(FLAGS.batch_size, FLAGS.fake_data) feed_dict = { images_pl: images_feed, labels_pl: labels_feed, } return feed_dict def do_eval(sess, eval_correct, images_placeholder, labels_placeholder, data_set): true_count = 0 steps_per_epoch = data_set.num_examples // FLAGS.batch_size num_examples = steps_per_epoch * FLAGS.batch_size for step in xrange(steps_per_epoch): feed_dict = fill_feed_dict(data_set, images_placeholder, labels_placeholder) true_count += sess.run(eval_correct, feed_dict=feed_dict) precision = float(true_count) / num_examples print(' Num examples: %d Num correct: %d Precision @ 1: %0.04f' % (num_examples, true_count, precision)) def run_training(): data_sets = input_data.read_data_sets(FLAGS.input_data_dir, FLAGS.fake_data) with tf.Graph().as_default(): images_placeholder, labels_placeholder = placeholder_inputs( FLAGS.batch_size) logits = mnist.inference(images_placeholder, FLAGS.hidden1, FLAGS.hidden2) loss = mnist.loss(logits, labels_placeholder) train_op = mnist.training(loss, FLAGS.learning_rate) eval_correct = mnist.evaluation(logits, labels_placeholder) summary = tf.summary.merge_all() init = tf.global_variables_initializer() saver = tf.train.Saver() sess = tf.Session() summary_writer = tf.summary.FileWriter(FLAGS.log_dir, sess.graph) sess.run(init) for step in xrange(FLAGS.max_steps): start_time = time.time() feed_dict = fill_feed_dict(data_sets.train, images_placeholder, labels_placeholder) _, loss_value = sess.run([train_op, loss], feed_dict=feed_dict) duration = time.time() - start_time if step % 100 == 0: print('Step %d: loss = %.2f (%.3f sec)' % (step, loss_value, duration)) summary_str = sess.run(summary, feed_dict=feed_dict) summary_writer.add_summary(summary_str, step) summary_writer.flush() if (step + 1) % 1000 == 0 or (step + 1) == FLAGS.max_steps: checkpoint_file = os.path.join(FLAGS.log_dir, 'model.ckpt') saver.save(sess, checkpoint_file, global_step=step) print('Training Data Eval:') do_eval(sess, eval_correct, images_placeholder, labels_placeholder, data_sets.train) print('Validation Data Eval:') do_eval(sess, eval_correct, images_placeholder, labels_placeholder, data_sets.validation) print('Test Data Eval:') do_eval(sess, eval_correct, images_placeholder, labels_placeholder, data_sets.test) def main(_): if tf.gfile.Exists(FLAGS.log_dir): tf.gfile.DeleteRecursively(FLAGS.log_dir) tf.gfile.MakeDirs(FLAGS.log_dir) run_training() if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument( '--learning_rate', type=float, default=0.01, help='Initial learning rate.' ) parser.add_argument( '--max_steps', type=int, default=2000, help='Number of steps to run trainer.' ) parser.add_argument( '--hidden1', type=int, default=128, help='Number of units in hidden layer 1.' ) parser.add_argument( '--hidden2', type=int, default=32, help='Number of units in hidden layer 2.' ) parser.add_argument( '--batch_size', type=int, default=100, help='Batch size. Must divide evenly into the dataset sizes.' ) parser.add_argument( '--input_data_dir', type=str, default=os.path.join(os.getenv('TEST_TMPDIR', '/tmp'), 'tensorflow/mnist/input_data'), help='Directory to put the input data.' ) parser.add_argument( '--log_dir', type=str, default=os.path.join(os.getenv('TEST_TMPDIR', '/tmp'), 'tensorflow/mnist/logs/fully_connected_feed'), help='Directory to put the log data.' ) parser.add_argument( '--fake_data', default=False, help='If true, uses fake data for unit testing.', action='store_true' ) FLAGS, unparsed = parser.parse_known_args() tf.app.run(main=main, argv=[sys.argv[0]] + unparsed) === mnist.py === from __future__ import absolute_import from __future__ import division from __future__ import print_function import math import tensorflow as tf NUM_CLASSES = 10 IMAGE_SIZE = 28 IMAGE_PIXELS = IMAGE_SIZE * IMAGE_SIZE def inference(images, hidden1_units, hidden2_units): with tf.name_scope('hidden1'): weights = tf.Variable( tf.truncated_normal([IMAGE_PIXELS, hidden1_units], stddev=1.0 / math.sqrt(float(IMAGE_PIXELS))), name='weights') biases = tf.Variable(tf.zeros([hidden1_units]), name='biases') hidden1 = tf.nn.relu(tf.matmul(images, weights) + biases) with tf.name_scope('hidden2'): weights = tf.Variable( tf.truncated_normal([hidden1_units, hidden2_units], stddev=1.0 / math.sqrt(float(hidden1_units))), name='weights') biases = tf.Variable(tf.zeros([hidden2_units]), name='biases') hidden2 = tf.nn.relu(tf.matmul(hidden1, weights) + biases) with tf.name_scope('softmax_linear'): weights = tf.Variable( tf.truncated_normal([hidden2_units, NUM_CLASSES], stddev=1.0 / math.sqrt(float(hidden2_units))), name='weights') biases = tf.Variable(tf.zeros([NUM_CLASSES]), name='biases') logits = tf.matmul(hidden2, weights) + biases return logits def loss(logits, labels): labels = tf.to_int64(labels) cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits( labels=labels, logits=logits, name='xentropy') return tf.reduce_mean(cross_entropy, name='xentropy_mean') def training(loss, learning_rate): tf.summary.scalar('loss', loss) optimizer = tf.train.GradientDescentOptimizer(learning_rate) global_step = tf.Variable(0, name='global_step', trainable=False) train_op = optimizer.minimize(loss, global_step=global_step) return train_op def evaluation(logits, labels): correct = tf.nn.in_top_k(logits, labels, 1) return tf.reduce_sum(tf.cast(correct, tf.int32)) == 딥러닝과 자연어 처리 == === 자연 언어 처리 === * 컴퓨터가 언어를 받아들이고 이해하여 다양한 작업들을 할 수 있게 하는 것 * 간단한 것부터 어려운 것까지 문제의 범위가 넒음 * 언어학 기반 : 분할(띄어쓰기, 형태소), 품사 태깅, 구문 분석(parsing) * 분석 : 문서 분류, 감정 분석, 주제 모델링, 정보 추출 * 변형 : ppt참고 ~~너무 빨라 판서를 못함~~ * 대화 === 수준별 언어 특성들 === 음소 -> 형태소 -> 문법 -> 의미(영어) * 음소(phoneme) 어떤 언어에서 의미 구별 기능을 갖는 음성 상의 최소 단위 * 형태소 * 문법(syntax) : 문장(, 단락)을 품사 단위로 분해, 분석트리를 생성 * 의미(semantic) : 문장의 의미를 논리식으로 표현, 언어의 모호함을 제거 === 딥러닝과 자연언어처리 === * 언어 데이터의 특징 : 불연속적인 심볼의 나열 샘플(문장)별로 길이가 다를 수 있음. 계층적, 재귀적인 구조를 지님 * 딥러닝은 매우 유연한 모델을 제공함 * CNN : 지역적 특성을 가진 데이터의 처리에 좋음(주로 이미지) * RNN : 연속된 데이터들의 처리에 좋음 * RecursiveNN: 계층구조를 가진 데이터의 처리에 사용가능 ==== CNN ==== * 다음 층의 노드가 이전 층 "일부"에만 연결되어 있음 * 다음 층의 노드들은 같은 kernel로부터 만들어짐(= 똑같은 계수를 재사용) ==== RNN ==== *연속된 입력값에 대해 중간 층을 메모리처럼 보고 중간 층을 위한 계수를 재사용 == 인공지능의 미래 ==