🐤카나리아 : 모두를 위한 군사보안 경보 시스템

Canary는 머신러닝을 활용하여 사진 안의 보안 위반 가능성이 있는 요소를 식별하고, 자동 모자이크 처리를 하고, 이를 사용자에게 경고해주는 통합 보안 경보 시스템입니다. Canary App, Canary in Instagram, Admin logweb으로 구성되어 있으며, 앱에서 처리된 사진에는 QR코드가 들어가 처리 여부를 쉽게 식별할 수 있습니다.

🗂️프로젝트 소개

본 프로젝트는 사진의 보안 내용을 제거하는 기능과 그러한 기능을 가진 카메라를 제공함으로서,

군 내에서 카메라를 사용 가능하게 함과 동시에,
SNS에 올릴 사진의 보안 위반 가능성을 경고하여 사용자가 자발적으로 보안을 준수 할 수 있게 합니다.
또 현재 SNS올라가 있는 게시물을 검사를 해 보안에 대한 경각심을 일으킬 수 있습니다.

📃주제 정의 문서

문제 발견하기

2018년 12월 27일 국방부는 ‘병영문화 혁신 정책’으로 병사들의 일과 후 핸드폰 사용을 결정했습니다.
이 영향으로 군대 내의 많은 부조리가 사라졌고 병사들의 스트레스가 줄어드는 등 여러 긍정적인 효과가 나타났습니다.
하지만 군사 보안을 이유로 휴대폰의 중요한 기능 중 하나인 카메라 사용을 전면적으로 통제 하고 있는 상황입니다.

문제 정의

현재 '국방모바일보안' 어플로 군 장병들의 카메라 사용이 전면적으로 차단된 상황입니다.
추억 남기기, 부모님께 자신의 모습 보여드리기, 공익을 위한 제보 등 카메라가 있어야만 가능한 일들을 할 수 없고, 이로 인한 장병들의 사기 저하가 발생하고 있습니다.
그러나 카메라 사용을 제약 없이 허용할 시 군사기밀 등의 유출 가능성이 존재, 국가 안보에 심각한 위협이 가해질 수 있습니다.

아이디어 내기

"보안 위반 가능성이 있는 요소들을 식별하여 모자이크 처리를 해 주는 카메라를 만들자."
"모호한 군사 보안 규정을 사용자에게 정확하게 알려주어 보안 사고를 사전에 방지하자."
"또한, 이미 업로드 된 SNS 게시글도 사용자가 요청한다면 보안위반 가능성을 경고해 주는 기능을 제공하자."

🗒사용자 정의 문서

페르소나

시나리오

#1

막 자대배치를 받은 안준호 이병. 택배로 스마트폰을 받는다.

안준호 이병은 처음으로 어플리케이션을 실행한다. 0-1. 군번, 이름, 계급을 입력하여 자신의 정보를 저장한다.
드디어 스마트폰을 받아 두근대는 마음으로 사진을 찍기 위해 어플리케이션을 켠다.
촬영 모드로 들어가서 카메라를 켠 후 생활관 TV를 배경으로 사진을 찍는다.
잠시 후, TV 모니터가 모자이크 된 사진과 함께 경고 문구가 출력된다.
사진 저장 시 사진에 QR코드가 새겨진다. QR코드에는 안준호 이병의 군번이 암호화되어 들어간다.
모자이크가 된 사진을 SNS에 올려 자랑한다.

#2

긴 군생활을 끝내고 드디어 전역한 최종훈 병장. 같이 전역하는 동기들과 기념 사진을 찍는다.

최종훈 병장과 동기들은 부대 앞에서 기념 사진을 촬영한다.
SNS에 이 글을 게시하기 전, 최종훈 병장은 혹시 사진에 군사보안 위반은 없는지 걱정된다.
어플리케이션을 실행한 후, 방금 전 찍은 사진을 갤러리에서 선택한다.
잠시 후, 부대마크와 군 표지판 부분이 모자이크 된 사진과 함께 경고 문구가 출력된다.
사진 저장 시 사진에 QR코드가 새겨진다. QR코드에는 최종훈 병장의 군번이 암호화되어 들어간다.
최종훈 병장은 안심하면서 SNS에 사진을 업로드 한다.

#3

예비군 유시진 씨. 인스타그램에 올렸던 군대 사진들을 본다.

유시진 씨는 인스타그램에 올렸던 훈련 사진을 본다.
옛날 사진을 보던 중, 한 사진에 탱크가 찍힌 것을 본다.
Canary Instagram bot에 이 사진을 검토해 줄 것을 메시지로 요청한다.
잠시 후, 탱크가 모자이크 된 사진과 함께 경고 문구를 메시지로 받는다.
유시진 씨는 SNS 사진을 수정한다.

📈시스템 흐름도

User-case Diagram

Sequence Diagram

Architecture

🖊개발 문서

📔기능 설명

🐤Canary app

앱을 처음 실행 시, 사용자는 자신의 성명과 군번을 통해 회원가입을 진행합니다. 이 정보는 암호화되어 저장됩니다.

카메라 모드: 군 내부에서도 사용 가능한 카메라입니다. 촬영한 사진 안의 보안 위반 요소를 식별 후 모자이크 처리하여 반환합니다.

사용자가 찍은 사진은 스마트폰에 바로 저장되지 않고 서버에 전송되어, 보안 위반 요소를 식별 후 적절한 강도로 모자이크 처리하여 반환됩니다.
갤러리 모드: 갤러리에 이미 저장된 사진을 모자이크 할 필요가 있을 시, 해당 사진을 업로드하여 카메라로 촬영할 때와 동일하게 모자이크 처리를 할 수 있습니다.

보안 위반 요소는 사용자의 소속 부대 및 위치 식별 가능 여부, 기밀 유출 가능 여부 등을 고려하여 다음과 같이 선정하였습니다.

총(소총, 리볼버), 방탄조끼, 부대마크, 모니터, 노트북, 서류, 표지판, 포, 차량, 탱크, 군용 비행기, 미사일, 항공모함

군복의 경우 촬영 당시 맥락에 따라 보안 여부가 달라지므로 모자이크 처리는 하지 않되 사용자가 검출 여부를 인지할 수 있게 합니다.

처리된 사진이 반환될 때, 검출된 객체에 따라 발생할 수 있는 상황에 대한 경고문을 전송합니다. 반환된 사진을 터치하면 확인할 수 있습니다.
또한, 회원가입 시 입력한 군번을 암호화한 값을 이용해 만든 QR코드가 사진에 추가됩니다. 이를 이용하여 사진 처리자의 신원을 파악하거나 이미지 처리 여부를 눈으로 식별할 수 있습니다.

🐤Admin Server

Canary app의 사용 log를 보고와 model, dataset version관리를 할 수 있는 API Server입니다.
node js에서도 해당 기능을 쓰는 만큼 여러 플랫폼에서 접근 가능하도록 REST API Server로 구성했습니다.

Canary app 사용 날짜와 사용자 id, 이미지에서 검출된 객체에 대한 기록이 남습니다.

성능이 가장 좋은 모델의 weight 주소를 조회하여 canary server의 모델을 최신모델로 업데이트 할 수 있습니다.

Django를 사용했기 때문에 Django admin 또한 사용할 수 있습니다.

🐤Canary in instagram

주요 sns 중 하나인 인스타그램 사용자의 보안 위반 여부를 탐지하고, 사용자에게 direct message로 경고해줍니다.

Canary app에서 사용되는 동일한 model로 위협 요소를 탐지하고, 처리된 사진과 경고문을 DM으로 보냅니다.

비동기적 처리를 통해 동시에 여러 Request가 들어와도 대응할 수 있게 개발되었습니다.

현재 지원되는 검사 기능은 게시물 검사와 스토리 검사입니다.

지원하는 기능

도움 (또는 Help)

사용자에게 사용법을 DM으로 안내합니다.

게시물 검사하기

Canary가 사용자가 올린 Post 중, 검사 되지 않은 가장 최근 3개를 검사합니다.

검사가 완료되면 적절히 모자이크 된 이미지와 경고 문구를 DM으로 보내줍니다. + Canary가 해당 Post를 Like 합니다.

스토리 검사하기

Canary가 사용자의 Story 중, osam_canary가 태그 된 story를 검사합니다.

검사가 완료되면 적절히 모자이크 된 이미지와 경고 문구를 DM으로 보내줍니다.

컴퓨터 구성 / 필수 조건 안내 (Prerequisites)

ECMAScript 6 지원 브라우저 사용
권장: Google Chrome 버젼 77 이상
python >= 3.6
pytorch >= 1.7

🔨기술 스택 (Technique Used)

Server(back-end)


Node js	MySQL	Goorm Server Deploy

Node js 설명

MySQL 데이터베이스 구성

Database 명 : Node_db
DB 관리자 명 : node_admin
User Table
- id : 유저 id
- name : 유저 이름
- d_num : 유저 군번
- password : 유저 비밀번호
- time : 유저 생성 TimeStamp

mysql> desc user_t;
+----------+-------------+------+-----+-------------------+----------------+
| Field    | Type        | Null | Key | Default           | Extra          |
+----------+-------------+------+-----+-------------------+----------------+
| id       | int(10)     | NO   | PRI | NULL              | auto_increment |
| name     | varchar(20) | NO   |     | NULL              |                |
| d_num    | varchar(10) | NO   | UNI | NULL              |                |
| password | varchar(70) | NO   |     | NULL              |                |
| time     | datetime    | YES  |     | CURRENT_TIMESTAMP |                |
+----------+-------------+------+-----+-------------------+----------------+

mysql> select * from user_t;
+----+-------------+------------+--------------------------------------------------------------+---------------------+
| id | name        | d_num      | password                                                     | time                |
+----+-------------+------------+--------------------------------------------------------------+---------------------+
| 23 | test user   | 2000001111 | 1234                                                         | 2021-10-15 14:19:17 |
| 24 | 211015User2 | 2001112234 | $2b$08$lXHyNYavVlyr71UyREC54eppxSfTZGq41by4o9VeeqFfmE8oETJbO | 2021-10-15 14:47:18 |
| 25 | 오삼핵      | 2176032332 | $2b$08$B85JF1HCTvsYcGvZlFuG2OXlBNvascx6sD/La/k1x.VxO35whIa1i | 2021-10-15 14:50:49 |
| 26 | 211012User  | 2012341234 | $2b$08$8OBxs8J3Qu9VKyno4KltXuVykBIOYUgX0Apf9NXdECF4cWt4XzVuC | 2021-10-16 07:53:41 |
+----+-------------+------------+--------------------------------------------------------------+---------------------+

Upload Table
- uploader_d_num : 업로드 유저의 군번
- img_id : 유저 업로드 img id
- upload_time : img 업로드 TimeStamp

mysql> desc upload_t;
+----------------+-------------+------+-----+-------------------+-------+
| Field          | Type        | Null | Key | Default           | Extra |
+----------------+-------------+------+-----+-------------------+-------+
| uploader_d_num | varchar(10) | NO   | MUL | NULL              |       |
| img_id         | varchar(30) | NO   | PRI | NULL              |       |
| upload_time    | datetime    | YES  |     | CURRENT_TIMESTAMP |       |
+----------------+-------------+------+-----+-------------------+-------+

mysql> select * from upload_t;
+----------------+-----------------------+---------------------+
| uploader_d_num | img_id                | upload_time         |
+----------------+-----------------------+---------------------+
| 2176000528     | decoded_1634309470576 | 2021-10-15 14:51:10 |
| 2176000528     | decoded_1634309639604 | 2021-10-15 14:53:59 |
| 2176000528     | decoded_1634309884641 | 2021-10-15 14:58:04 |
| 2176000528     | decoded_1634310044242 | 2021-10-15 15:00:44 |
| 2001112234     | decoded_1634370069825 | 2021-10-16 07:41:09 |
| 2001112234     | decoded_1634370191443 | 2021-10-16 07:43:11 |
+----------------+-----------------------+---------------------+

API문서

auth - Authentication Handling

POST /auth/create-user

parameters: {"name": "string", "d_num":"string", "password": "string"}
status: 201
respose: {"status":201,"user_name":name,"msg":'User Created Successful'}

POST /auth/login

parameters: {"d_num": "string", "password": "string"}
status: 200
respose: {"status":200,"msg":"User : ${db_result[0].name} => Login Successful"}

img - Images Handling

POST /img/upload

parameters: {"img_binary":"base64 encoded string","d_num":"string"}
status: 200 -> 204 or 205로 변경 고려
respose: {"status":200,"imd_id":img_id,"user_d_num":d_num}

GET /img/output-params/:img_id/:d_num

parameters: {"name": "string", "d_num":"string", "password": "string"}
status: 200
respose: {"status":201,"user_name":name,"msg":'User Created Successful'}

Front-end


Flutter	Libraries from pub.dev	Dart

Flutter / Dart Packages

AI


PyTorch	OpenCV	CVAT	Roboflow

📝AI 설명

Object detection VS Semantic segmentation

Semantic segmentation: 사람을 제외한 배경을 처리 난이도: 상대적으로 낮음(사람을 대상으로 학습된 model 사용) 장점: 기존 모델을 사용 시 사람을 깔끔하게 구별 가능 단점: 오직 사람/배경만 구별 가능, 사람 앞의 물체에 대해선 감지하지 못할 수 있음 (ex: 기밀 문서를 들고 있는 사람)
Object detection: 학습한 Class들을 사진 안에서 검출하여 처리 난이도: 상대적으로 높음(We need to get dataset, annotate them, train model...) 장점: 여러 다양한 class들을 검출하여 사진의 상황을 대략적으로 파악 가능, 보안 위반 객체는 detect만 된다면 처리 가능(보안성), 사람 이외의 객체들도 살려낼 수 있음 단점: segmentation보다 상대적으로 깔끔하지 못한 사진 처리, 높은 데이터 수집 난이도와 큰 시간 소요

보다 높은 보안성을 중시하기로 결정 --> Object detection

사용 데이터셋

Version 1: ImageNet Object Localization Challenge

문제점

데이터 수 부족
대다수 물체가 정중앙 위치
대다수 물체가 사진 전체를 차지

해결방안 1 - 데이터 추가

Orignal Dataset	Add more data

해결방안 2, 3 - augmentation 방법 변경

기존	변경

사용 모델

YOLOv5, Efficientnet, SSGlite 등의 모델들을 고려.
성능과 학습에 들어가는 시간 등을 종합적으로 판단 --> YOLOv5 결정. (Efficientnet: 학습 시간이 지나치게 많이 소요, SSGlite: YOLOv5보다 낮은 성능)

YOLOv5 (original github)

문제점

낮은 성능
무거운 모델 (ex. yolov5l6)

해결방안

knowledge distillation (paper link)

성능 향상

enhance	model	precision	recall	mAP_0.5	mAP_0.5:0.95
Before add dataset	yolov5m6	0.602	0.651	0.671	0.535
None (Add dataset)	yolov5m6	0.736	0.779	0.815	0.599
mosaic_9 50%	yolov5m6	0.756	0.775	0.809	0.602
mosaic_9 100%	yolov5m6	0.739	0.813	0.806	0.594
knowledge distillation	yolov5m6	0.722	0.822	0.807	0.592

Original Image	Result Image

실행 및 예시 (link)

MLOps


Node js	MySQL	AWS

📝MLOps 설명

다양한 플랫폼으로 모델 학습을 자동화 할 수 있도록 REST API서버로 구성했습니다. 데이터, 모델 버전관리를 자동으로 해주고, 최신 버전의 모델을 detection code가 자동으로 업데이트 되도록 구성했습니다.

Model Architecture

API호출을 통해 file(dataset) upload, train model, check model version, donwload model, insert & select detection log를 할 수 있습니다. 대략적인 flow는 다음과 같습니다.

file upload를 통해 데이터셋을 추가합니다.
train model을 이용하여 AzureML에 모델 학습을 등록하고 학습이 완료되면 모델 weight와 함께 평가 matrix가 저장됩니다.
node js에서 best model을 조회한 후 자신(node js)보다 좋은 모델이 있으면 모델을 업데이트 합니다.
node js에서 보안위반물체를 찾으면 log를 보내 django에 log를 쌓습니다.
api 호출을 통해 log를 확인할 수 있습니다.

해당 서버는 REST API서버이고, 메모리를 사용하면서까지 세션을 유지할 필요가 없다고 판단되어 JWT Authorization을 선택했습니다.

Admin Page

python manage.py createsuperuser

GET /admin

API문서

account POST /account/login

parameters: {"username": "string", "password": string"}
status: 201
respose: {"message": "string", "token": string}

deeplearning GET /deeplearning/files

status: 200
response: { "count": 0, "next": "string", "previous": "string", "results": [{"file": "string"}]}

POST /deeplearning/files

parameters: {"file": [FILE]}
status: 200
response: {"file": "string"}

GET /deeplearning/log

response {"count": 0, "next": "string", "previous": "string", "results": [{"username": "string", "log": "string", "create_at": "2021-10-14T13:50:37.279Z"}]}

POST /deeplearning/log

parameters: {"username": "string", "log": "string", "create_at": "2021-10-14T13:52:33.709Z"}
status: 201
response: {"username": "string", "log": "string", "create_at": "2021-10-14T13:52:33.709Z"}

GET /deeplearning/models

status: 200
response: {"file": "string", "result": "string", "version": 0, "matrix": 0}

POST /deeplearning/train

headers: {'Authorization': 'Bearer [TOKEN]'}
status: 201
response: {"file": "string"}

Database Diagram

코드 및 실행 (link)

💽설치 안내 (Installation Process)

Flutter

웹앱으로 설치하기

 git clone https://github.com/osamhack2021/AI_APP_WEB_Canary_Canary.git
 cd AI_APP_WEB_Canary_Canary/APP/myApp
 flutter run -d web-server --web-hostname=0.0.0.0

안드로이드 apk 설치하기

apk 파일 링크
위의 링크에 들어가셔서 다운로드 후 설치하시면 됩니다.

Node js

AI를 이용하여 이미지를 처리하기 위해, AI(BE)의 requirements가 충족된 상태에서 Node 서버를 구동해야 합니다.

cd node_server
npm install # 통해 필요한 패키지들 다운로드
node app.js # (일회성 시행)

Deep learning

git clone https://github.com/osamhack2021/AI_APP_WEB_Canary_Canary/
cd AI_APP_WEB_Canary_Canary/'AI(BE)'/deeplearning/kwoledge_distillation_yolov5/
pip install -r requirements.txt

MLOps

git clone https://github.com/osamhack2021/AI_APP_WEB_Canary_Canary/
cd AI_APP_WEB_Canary_Canary/'AI(BE)'/
pip install -r requirements.txt
python manage.py createsuperuser
python manage.py migrate
python manage.py runserver 0.0.0.0:8080

📱프로젝트 사용법 (Getting Started)

🐤Canary app

웹앱 혹은 APK를 설치하여 앱에 접속한다
3초 간의 Splash 화면 이후 홈화면에 접속한다.
go버튼을 누르면 사진 처리를 위한 로그인 화면으로, help버튼을 누르면 해당 github repository로 접속한다.
로그인 창에서 올바른 정보를 입력하고 go버튼을 누르면 option page로, '회원가입 하러가기'버튼을 누르면 회원가입 창으로 넘어간다
회원가입 창에서 올바른 정보를 입력하고 가입완료 버튼을 누르면 다시 로그인 창으로 돌아온다
option창에서는 갤러리에서 사진을 가져와 처리할 수 있는 Gallery버튼과 카메라로 바로 찍은 사진을 처리하는 Camera 버튼 중에 하나를 선택하면 된다.
이미지를 고르거나 찍은 후, post server 버튼을 누르면 loading 화면으로 넘어간다.
loading 화면에서 이미지 처리가 완료되면 '결과 보러가기' 버튼이 등장하고, 그 버튼을 누르면 처리된 이미지를 확인 가능한 창으로 넘어간다.
보안위반 가능성이 모자이크 처리된 이미지를 클릭하면 그에 관련된 경고문을 확인할 수 있다.
처리된 이미지를 저장하기 위해선 'save' 버튼을 누르면 된다.
save 버튼을 누르면 사용자의 암호화된 군번 값을 이용해 처리된 QRcode가 이미지에 삽입되고, 그 사진을 꾹 누르면 저장여부를 묻는 알림창이 뜬다.
다시 기능을 사용하기 위해선 'Try Again' 버튼을 누르면 된다.

시연 영상

🐤Admin logweb

git clone https://github.com/osamhack2021/AI_APP_WEB_Canary_Canary/
cd AI_APP_WEB_Canary_Canary/'AI(BE)'/
pip install -r requirements.txt
python manage.py migrate
python manage.py createsuperuser
python manage.py runserver 0.0.0.0:8080

API문서 참고

🐤Canary in instagram

시작하기 전에

instagram에서 'osam_canary'를 follow 한 후, 명령어를 Direct Message로 보낸다

지원 명령어

게시물 검사 명령어(최대 3개씩) : 게시물 검사하기
스토리 검사 명령어 : 스토리 검사하기

2.1 스토리 검사 시 주의 사항 : @osam_canary 계정을 스토리에 태그해주세요!
2.2 스토리는 한 번에 최대 10개 검사 가능

📈프로젝트 전망

장병 사기진작
군 장병들은 본 어플을 활용함으로써 군 내부에서도 위에서 언급한 것과 같이 다양한 방식으로 카메라를 사용할 수 있을 것입니다. 또한, 제한받고 있던 자유에 대한 권리를 일부 인정함으로써 장병들에 대한 대우가 점차 나아지는 것은 물론, 장병들의 사기가 오르고 그간의 속박감에서 일부 벗어나 보다 활기차게 병영생활을 이어나갈 수 있으리라 기대됩니다.
병영생활 개선
카메라 사용이 가능해지면, 최근 논란이 일었던 군 부실급식이나 군 내에서 일어날 수 있는 각종 부조리/사건사고 등의 현장을 촬영할 수 있게 됩니다. 이를 통해 지속적으로 군 내의 부족한 부분을 개선해나갈 수 있고, 부조리나 사건사고를 방지할 수 있어 병영생활 개선이 기대됩니다.
SNS 보안 강화
Instagram의 Canary 계정을 팔로우한 계정들의 스토리, 게시글을 스캔하며 보안 위반 요소가 없는지 지속적으로 탐지할 수 있습니다.
보안 인식 강화
해당 서비스를 사용하며 자신이 찍거나 업로드한 사진이 sns 보안을 어떤 방식으로 위반했는지 알 수 있어 사용자의 보안 인식을 강화할 수 있습니다.

🍎개선할 점

모델 성능 개선 군 내 사이버지식정보방이라는 낙후된 개발 환경, 이마저도 제한적으로 사용할 수 있는 군 장병들로 이뤄진 팀, 보안상의 문제로 인한 국내 군 관련 이미지 데이터셋의 빈약함 등, 약 1달 동안의 온라인 해커톤으로는 만족스러운 성능을 뽑아내기 어려웠습니다.
그러나, 초기 recall 수치 0.65 --> 데이터셋 증강 후 0.77 --> annotation과 self distillation 적용 후 0.82.
YOLOv5 모델을 원활히 사용하기 위해선 하나의 class 당 적어도 1300장 이상의 이미지가 필요하나, 데이터셋 증강 후에도 저희는 하나의 class 당 약 1000여장 뿐이였습니다. 또한 실제 상황과 같은 데이터가 부족해 성능이 낮아지는 현상도 발견했습니다.
지속적인 운영을 통해 데이터를 쌓고, 그 데이터를 활용하거나 다른 데이터를 추가 시 성능이 상승할 것이고 이를 위해 지속적으로 데이터를 수집하여 데이터셋의 크기를 늘려가는 중입니다.
짧지 않은 이미지 처리 시간 이는 1. 서버의 성능이 낮고 2. node js와 pytorch간 터미널을 통해 데이터를 교환함으로 패키지로드, 모델로드시 많은 시간이 소요됩니다.
따라서 Javascript에서 바로 사용할 수 있게 tensorflow.js를 활용하여 모델을 미리 메모리에 할당 후, semaphore을 변형하여 활용하면 실행시간이 줄어들 것입니다.
또한 현재는 knowledge distillation만 적용했지만 추후에 pruning, quantization을 적용하면 동시접속자수를 늘릴 수 있습니다.
아이폰 사용자 지원
Canary app의 경우 Android용으로만 개발되었습니다. Instagram siren을 통해 아이폰 사용자도 간접적으로 지원하고 있지만, 추후 OS 전용 앱을 개발하여
더 많은 사용자가 서비스를 원활히 이용하게 할 예정입니다.

💡발전 가능 방향

타 SNS와의 연계
현재 Instagram 계정만 지원하는 경보기 기능을 facebook 등의 타 SNS에서도 지원함으로써 보안성을 강화할 수 있습니다.
국방모바일보안 어플 연계
현재 카메라 차단을 담당하고 있는 해당 어플과 연계함으로써 카메라 차단/해제 기능을 활용해 사용자의 어플 강제종료를 막고, 사용성을 개선할 수 있습니다.
국방인사정보체계 연계
어플 최초 실행 시 이름과 군번을 이용해 가입한다는 점에서 착안하여, 국방인사정보체계와 연계함으로써 사용자 관리가 수월해질 것입니다. 또 해당 서버를 사용함으로써 보안 사진을 일반 서버에 저장할 때 발생할 수 있는 문제를 해결하고 보안성을 강화할 수 있습니다.
검출 가능한 객체 증가/변경으로 타 분야로 확장 가능
Object detection의 장점이 드러나는 부분입니다. 저희 팀은 군 보안 부분에 초점을 맞춰 관련 데이터를 학습시켰습니다. 이를 확장해보면 어떨까요? 자신이 검출하고 모자이크하고 싶은 객체의 dataset을 모델에 학습시키면 해당 부분을 자동으로 모자이크 해 주는 시스템으로 확장됩니다!
예를 들어 군대가 아닌 다른 조직에서의 보안 위반 객체를 모자이크할 때, 사용자의 특성에 따라 잔인하거나 선정적인 장면 등을 자동으로 처리할 필요가 있을 때 등에서 이 시스템을 활용할 수 있습니다.

🕋팀 정보 (Team Information)

왜 군인들은 카메라를 자유롭게 쓰지 못 할까?
언제부턴가 들었던 이 의문이 해커톤 경험조차 없는 육군 및 국직부대 병사 6명을 모이게 했습니다.
군인들의 자유로운 카메라 사용과, 흔들리지 않는 국가 보안을 위해.

안녕하십니까, Team Canary입니다.

Name	Role	github	e-mail
Jaeyo Shin	Leader / Deep Learning (Pytorch)
June Seo	Back-End (node.js)
Huijae Ryu	Front-End (Flutter)
Chanho Jung	Deep Learning (Pytorch)
Donghwan Chi	Deep Learning (Pytorch)
Wonbeom Jang	Deep Learning (Pytorch) MLOps (Django)

개발 및 협업 플랫폼


Azure ML Studio	Github	Google meet

GoormIDE	Slack	Zoom>	FlutLab

GNU GPL v3

This project is licensed under the terms of the GNU GPLv3 license.

GPL 선택이유

카나리아가 쓴 오픈소스 중 yolov5와 Distilling-Object-Detectors가 있습니다. 이들은 각각 GNU GPL, MIT 라이센스를 쓰고 있습니다. MIT 라이센스는 상업적이용, 소스코드 공개의무에서 자유로우나, GNU GPL 라이센스는 코드의 상업적으로 이용 가능하나 변경된 프로그램 역시 소스코드를 공개해야합니다. 따라서 '카나리아'는 GNU GPL이 더 강력한 라이센스이기 때문에 GNU GPL 라이센스를 따르기로 했습니다.

Name		Name	Last commit message	Last commit date
Latest commit History 728 Commits
.devcontainer		.devcontainer
.vscode		.vscode
AI(BE)		AI(BE)
APP(Android)		APP(Android)
APP(BE)		APP(BE)
image		image
.gitattributes		.gitattributes
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
config.json		config.json

License

HELLOHIDI/AI_APP_WEB_Canary_Canary

Folders and files

Latest commit

History

Repository files navigation

🐤카나리아 : 모두를 위한 군사보안 경보 시스템

🗂️프로젝트 소개

문제 발견하기

문제 정의

아이디어 내기

페르소나

시나리오

#1

#2

#3

User-case Diagram

Sequence Diagram

Architecture

📔기능 설명

🐤Canary app

🐤Admin Server

🐤Canary in instagram

지원하는 기능

컴퓨터 구성 / 필수 조건 안내 (Prerequisites)

🔨기술 스택 (Technique Used)

Server(back-end)

MySQL 데이터베이스 구성

API문서

Front-end

AI

Object detection VS Semantic segmentation

사용 데이터셋

Version 1: ImageNet Object Localization Challenge

사용 모델

성능 향상

실행 및 예시 (link)

MLOps

Model Architecture

Admin Page

API문서

Database Diagram

코드 및 실행 (link)

💽설치 안내 (Installation Process)

Flutter

웹앱으로 설치하기

안드로이드 apk 설치하기

Node js

AI를 이용하여 이미지를 처리하기 위해, AI(BE)의 requirements가 충족된 상태에서 Node 서버를 구동해야 합니다.

Deep learning

MLOps

📱프로젝트 사용법 (Getting Started)

🐤Canary app

🐤Admin logweb

🐤Canary in instagram

시작하기 전에

지원 명령어

📈프로젝트 전망

🍎개선할 점

💡발전 가능 방향

🕋팀 정보 (Team Information)

개발 및 협업 플랫폼

저작권 및 사용권 정보 (Copyleft / End User License)

GPL 선택이유

About

Resources

License

Stars

Watchers

Forks

Releases

Packages 0

Languages

Packages