홍충선 교수

KT 통신망연구소 재직 당시의 현장 경험을 바탕으로 센서 네트워크 신기술을 개척했으며, 6LoWPAN/지그비 기반 센서 노드 이동성 지원 기술과 IPv6/NEMO 기반 네트워크 이동성 기술을 다수의 국가 과제와 특허를 통해 구현했습니다. 데이터센터 기반 전력 최소화 소프트웨어와 D2D(Device-to-Device) 통신 기술을 개발했으며, 2004년 세계 최초로 지그비(ZigBee) 보안 모듈을 상용화했습니다. 이러한 기술은 스마트 그리드 전력 관리 시스템과 차량 및 제조 장비의 부품 마모도를 관리하는 센싱 시스템에 적용되고 있습니다. 경희대학교 재직 기간 동안 표준 기반 지그비 네트워크의 이동 싱크 에이전트 선택 방법, 무선 센서 네트워크의 키 데이터 송신 방법, 무선 메쉬 네트워크의 라우터 인증 방법, 지그비 네트워크의 라우팅 경로 설정 방법, 무선 센서 네트워크의 논리적 그룹 형성 및 관리 방법, 협력적 통계 기반 탐지 기법을 이용한 분산서비스 거부(DDoS) 공격 제어 방법 등의 특허 기술을 (주)에이디테크놀로지, 인텔렉추얼디스커버리 등에 이전했습니다. 데이터센터 자율관리 및 전력 소모 최소화 소프트웨어 기술로 IEEE ICC 2016 최우수 논문상을 수상했으며, 스마트 그리드 관련 센서 네트워크 특허는 억대 로열티 규모의 기술이전으로 이어졌습니다.

분산 엣지 환경에서 강화학습과 연합학습 기반의 자원관리 및 캐싱 기술을 연구하고 있으며, MEC(Multi-access Edge Computing) 환경에서 딥러닝 기반 캐싱 시스템을 구축하고 다수의 연합학습 관련 특허를 등록했습니다. 진화형 딥러닝 모델 생성 플랫폼(Domain-Specific DL Model)을 개발하여 도메인별 특화 모델을 자동으로 생성하는 방법을 제안했으며, Kalman filter 기반 클러스터링과 MST(Minimum Spanning Tree) 가중 트리 집계 기법을 통해 연합학습 과정에서 발생하는 통신 오버헤드를 완화하는 방법을 구현했습니다. 이러한 기술은 자율주행 차량의 캐싱 시스템, 차량 에지 네트워크 환경, 3차원 셀룰러 네트워크 기반 연합학습 시스템 등에 적용되고 있습니다. IEEE Transactions on Wireless Communications 2020년 논문 'Energy Efficient Federated Learning Over Wireless Communication Networks'는 1,094회 인용되며 무선 통신 환경에서의 에너지 효율적 연합학습 연구의 주요 참고문헌으로 활용되고 있으며, IEEE Communications Magazine 2022년 논문 'Digital-Twin-Enabled 6G'를 통해 디지털 트윈 기반 6G 네트워크 자원관리 방안을 제시했습니다.

6G SAGIN(Space-Air-Ground Integrated Network) 환경에서 UAV를 활용한 통신 기술과 저궤도 위성-UAV 기반 해상통신 기술을 연구하고 있으며, 강화학습 기반 UAV 자동배치 기법과 SDN(Software-Defined Networking) 기반 UAV 네트워크 슬라이싱 기술에 대해 다수의 특허를 등록했습니다. FL-MAPPO(Federated Learning-based Multi-Agent Proximal Policy Optimization) 기반 UAV 운용 기법을 통해 UAV 군집 간 협력 학습을 구현하여 개별 UAV가 주변 환경 정보를 공유하며 최적의 위치로 이동할 수 있도록 했으며, SDN 기반 계층 군집 UAV 네트워크 슬라이싱 기술을 개발하여 다양한 서비스 요구사항에 맞춰 통신 자원을 계층적으로 분배하고 관리하는 방법을 제안했습니다. 이러한 기술은 통신 음영 지역 해소를 위한 UAV 자동 배치 시스템과 저궤도 위성-UAV 기반 해상 통신 시스템에 적용되고 있습니다. 6G SAGIN 환경에서 데이터 전송 성공률을 향상시키는 기법을 제안했으며, 관련 연구 결과를 국가 과제 및 특허로 등록하여 후속 연구의 기반을 마련했습니다.