보험사, 은행, 통신사 등에서 고객을 상대하는 챗봇의 니즈는 날이 갈수록 증가하고 있다. 본 프로젝트에서는 이러한 니즈에 맞는 챗봇을 개발하는 연구를 진행하였다. 현재 고객이 질문한 내용이 어떤 질문인지 판별하는 Text Classification과 질문한 문장 안에서 개체의 명을 인식하는 Named Entity Recognition 알고리즘을 개발하였다. 또한, 다양한 Text Embedding 기법을 시도하여 최적의 Text Embedding 기법을 찾아 제시하였다. 챗봇은 각 산업에 맞는 데이터 셋과 알고리즘이 필요하다. 본 프로젝트에서는 회사 업무와 관련된 챗봇을 개발하였다.

대량의 과학기술 문서를 검토하여 이슈 기술군에 대한 기술분류체계를 구축기 위해서는 전문가의 많은 노력과 시간을 필요로 한다. 본 프로젝트에서는  과학기술문서를 대상으로인공지능 기반의 분류체계 자동 도출 방법론과 관련된 기초 연구를 수행하였다. 첫째로 다양한 주제로 구성된 대량의 문서로 부터 군집을 생성하고 각 군집간의 상하위 관계를 파악할 수 있는 비지도학습을 활용한 키워드 기반 요약 방법론을 제안하였다.  또한, 특정 주제로 작성된 문서 군집이 주어졌을 때 이를 적절한 소수의 키워드로 요약할 수 있는 딥러닝 기반의 문서 요약 모델에 관한 연구를 수행하였다.  

과거 수법범죄 시스템을 통해 수집된 범행수법 데이터를 과학적이고 체계적인 방법론을 통해 분석하여 데이터 기반의 새로운 분류체계를 제안하는 과제이다. 기계학습 기법 중 비지도학습인 군집 분석을 적용하여 유사한 특성을 갖는 범행 사건들을 군집화하고, 군집화 결과를 심층 분석하여 군집 별 특성을 파악하고, 이를 기반으로 신종범죄를 탐색하였다. 또한 범행 사실 텍스트를 이용하여 소분류 단위 범죄를 분류할 수 있는 심층신경망 분류 모델을 구축하고, 심층신경망의 오분류율이 높았던 소분류 간의 통합을 시도함으로써 기존 범죄 분류 체계의 배타성을 향상시켰다. 결과적으로 군집분석 결과와 분류 모델 기반의 범죄 통합 결과를 융합하여 범죄수법 분류체계 개선 방안을 제안하였다. 

정보기술 의존도가 높은 현대 사회에서는 날이 갈수록 다양해지는 정보보안 위협에 따른 사회적, 개인적 피해가 막대하기 때문에 이에 대처할 수 있는 정보보안 시스템의 중요성이 대두된다. 기존 정보보안 기술의 한계를 극복하기 위해서는 최신 인공지능 기술을 적용하여 고도화된 정보보안 기술을 개발할 필요가 있으며, 인공지능 기술을 정보보안 영역에 적용하기 위해서는 연구계획수립 단계에서 인공지능 및 정보보안 관련 기술현황과 최신 연구동향에 대한 체계적인 분석이 요구된다. 본 연구과제에서는 토픽 모델링 등 체계적인 기계학습 방법론을 이용하여 최근 5년간 발표된 주요 학술대회 논문 및 우수 연구논문을 분석하고 연구 동향을 파악하였으며, 딥러닝 등 최신 인공지능 기술을 적용하여 정확성이 크게 향상되었거나 새로운 기능 구현이 가능했던 사례 및 방법론을 조사하였다. 그리고 인공지능 및 정보보안 관련 연구동향 분석 및 기술현황 조사결과를 바탕으로, 향후 정보보안 기술의 고도화 방안을 제안하였다.