회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2018년 설립 회사입니다. 시스템 소프트웨어 개발 및 공급업을 합니다. 2025년 그룹 연결 매출은 951억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 469명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2025-12-29 · 최근 등록 2026-08-04 · 최신 출원순
본 발명의 몇몇 실시예에 따른 디코딩 방법은, 컴퓨팅 장치에 의해 구현되며, 쿼리, 키, 밸류가 활용되는 어텐션 매커니즘에 기반한 디코딩모델 상에서 이루어지는, 디코딩 방법에 있어서, 은닉상태의 입력벡터를 정의하는 단계; 상기 입력벡터를 상기 쿼리, 상기 키 및 상기 밸류와 연관되도록 저차원으로 압축하여 압축벡터를 생성하는 단계; 상기 쿼리와 관련된 상기 압축벡터를 제1 가공방법으로 가공하여 제1 쿼리벡터를 생성하는 단계; 메모리로부터 호출되며 키-밸류와 관련된 상기 압축벡터를 제2 가공방법으로 가공하여 제1 키벡터 및 밸류벡터를 생성하는 단계; 상기 제1 쿼리벡터, 상기 제1 키벡터 및 상기 밸류벡터와 어텐션 매커니즘을 통해 어텐션벡터를 생성하는 단계; 및 상기 어텐션벡터를 미리 정해진 변환방법으로 변환하여 출력토큰을 생성하는 단계;를 포함할 수 있다.
본 발명의 일 실시예에 따른 스케줄링 방법은, 컴퓨팅 장치에 의해 구현되는, 스케줄링 방법에 있어서, 클라우드 서버의 스케줄링 요청과 관련된 정보인 요청정보를 수신하는 단계; 상기 요청정보를 미리 정해진 분석방법으로 분석하여 양자 우위지수를 산출하는 단계; 상기 양자 우위지수를 기초로 양자 분석방법 및 인공지능 분석방법 중 하나를 선택하는 단계; 및 선택된 분석방법을 이용하여 스케줄링 요청에 대한 응답인 응답정보를 산출하는 단계;를 포함할 수 있다.
본 발명의 일 실시예에 따른 모니터링 시스템에 있어서, 클라이언트에게 제공되는 마이크로서비스를 관리하기 위한, 모니터링 시스템에 있어서, 마이크로서비스를 제공하는 마이크로서버가 동작되면서 발생되는 정보인 동작정보를 수신하는 수신모듈; 상기 동작정보가 미리 정해진 정보인 지정정보로 변환하는 모니터링모듈; 및 상기 지정정보가 표시되는 사용자 인터페이스를 생성하는 인터페이스모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 이상 탐지 시스템은, 마이크로 서비스의 이상 여부를 탐지하는 이상 탐지 시스템에 있어서, 마이크로 서비스를 제공하는 서버인 대상장치가 동작되면서 발생되는 정보인 동작정보를 수신하는 수신모듈; 상기 동작정보를 기초로 미리 정해진 판단방법으로 상기 대상장치가 비 정상적으로 동작하는지 여부를 판단하는 탐지모듈; 및 상기 대상장치가 비 정상적으로 동작하는지에 대한 정보인 비정상정보가 표시되는 사용자 인터페이스를 생성하는 인터페이스모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 통합관리 시스템은, 멀티 클라우드 환경을 제공하는 대상서버를 관리하기 위한, 통합관리 시스템에 있어서, 상기 대상서버에 접근하는 클라이언트에 대한 정보인 고객정보를 수신하는 수신모듈; 상기 고객정보를 기초로 상기 대상서버가 퍼플릭 클라우드 환경 또는 프라이빗 클라우드 환경 중 어느 클라우드 환경을 제공하는지를 결정하여 네트워크 환경을 관리하는 제어모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 사업 검색 시스템은, 온라인 네트워크 상에 공고된 제안요청서를 수집하는 수집모듈; 수집된 상기 제안요청서의 내용 중에서 추출정보를 산출하는 가공모듈; 대상기업에 대한 정보인 대상정보로부터 상기 대상기업의 특성을 나타내는 특성정보를 산출하는 기능모듈; 미리 정해진 방법으로 상기 추출정보와 상기 특성정보를 서로 처리하고 비교하여 유사한 정도를 나타내는 비교유사도를 결정하는 대응모듈; 및 상기 대상기업과 상기 제안요청서가 연관되는지 여부가 표현되도록 상기 비교유사도가 표시되는 인터페이스를 산출하는 인터페이스모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 인프라 자동 설계 시스템은, 임의의 수요기관에서 공고한 제안요청서의 요구사항을 만족하는 클라우드 인프라를 설계하기 위한, 인프라 자동 설계 시스템에 있어서, 대상기업이 지원하기를 희망하는 사업인 희망사업에 대한 제안요청서인 대상요청서에 대한 정보인 대상과제정보를 수신하는 수신모듈; 상기 대상과제정보를 기초로 대상요청서에서 요구하는 사항인 대상요구정보를 추출하는 추출모듈; 및 머신러닝으로 학습된 인프라모델을 이용하여 상기 대상요구정보가 실현될 수 있는 클라우드 인프라인 대상인프라를 산출하는 구축모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 설치 서버는, 클라이언트에게 클라우드 서비스를 제공하는 적어도 하나 이상의 클라우드 서버를 클라우드 환경으로 구축하는, 설치 서버에 있어서, 통합툴에 의해 동작되며, 복수의 개발자들이 공동으로 코딩하여 구축업무를 생성할 수 있도록 지속적인 통합 서비스를 제공하는 통합모듈; 코드형 인프라 툴인 제1 툴에 의해 동작되며, 상기 구축업무 중 일부 업무인 제1 구축업무를 상기 클라우드 서버에 수행하는 제1 설치모듈; 및 상기 제1 툴과 다른 코드형 인프라 툴인 제2 툴에 의해 동작되며, 상기 구축업무 중 일부 업무인 제2 구축업무를 수행하는 제2 설치모듈;을 포함하며,상기 제1 설치모듈과 상기 제2 설치모듈은, 상기 통합모듈에 플러그인 되어 동작될 수 있다.
본 발명의 일 실시예에 따른 변수 선택 장치는, 클라우드 서버의 특성을 대표하는 변수인 대표변수를 결정하는, 변수 선택 장치에 있어서, 상기 클라우드 서버가 동작되면서 발생되는 정보로서, 복수개의 변수들에 대한 각각의 정보인 동작정보를 수신하는 선택 수신모듈; 상기 동작정보를 기초로, 미리 정해진 판단방법에 따라, 미리 정해진 변수인 목적변수와 상기 목적변수를 제외한 변수인 비교변수 간의 인과성을 분석하는 탐지모듈; 및 미리 정해진 인과성조건을 만족하는 인과성을 가지는 상기 비교변수와 상기 목적변수를 상기 대표변수로 결정하는 결정모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 보안 서버는, 클라이언트에게 클라우드 서비스를 제공하는 적어도 하나 이상의 클라우드 서버를 관리하는, 보안 서버에 있어서, 코드형 인프라 툴인 제1 툴이 플러그인 되어 있으며, 복수의 개발자들이 공동으로 코딩하여 구축업무를 생성할 수 있도록 지속적인 통합서비스를 제공하는 통합툴을 이용하여 상기 클라우드 서버의 자동 보안 업무를 진행하는 보안모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 운영 서버는, 클라이언트에게 클라우드 서비스를 제공하는 적어도 하나 이상의 클라우드 서버를 관리하는, 운영 서버에 있어서, 코드형 인프라 툴인 제1 툴과 상기 제1 툴과 다른 코드형 인프라 툴인 제2 툴이 플러그인 되어 있으며, 복수의 개발자들이 공동으로 코딩하여 구축업무를 생성할 수 있도록 지속적인 통합서비스를 제공하는 통합툴과 연계하여 상기 클라우드 서버를 관리하는 운영모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 근본원인 분석 시스템은, 마이크로 서비스 환경에서 동작되며 분석 대상의 소프트웨어인 대상 소프트웨어와 대응되도록 기능별로 구분된 독립모듈인 대응독립모듈들로 구성된 비교 소프트웨어를 기초로 상기 대상 소프트웨어의 근본원인을 분석하는 수단인 대응분석툴을 산출하는 분석툴 산출부; 상기 대응분석툴을 이용하여 상기 대상 소프트웨어에서 발생되는 비 정상 동작에 대한 근본 원인을 분석하는 원인 분석부; 및 상기 대상 소프트웨어의 근본원인 분석을 요청한 요청자에게 사용자 인터페이스를 제공하는 인터페이스부;를 포함할 수 있다.
본 발명의 일 실시예에 따른 질의 응답 시스템은, 멀티 클라우드 환경 하에서, 클라우드 서비스를 받기 희망하는 자인 요청자가 클라우드 서버스와 관련된 질의에 대한 응답을 제공하는, 질의 응답 시스템에 있어서, 요청자가 응답받고자 하는 질의인 대상질의를 수신하는 수신모듈; 상기 클라우드 서비스와 관련된 정보들이 담겨진 문서를 저장하는 저장모듈; 상기 대상질의를 기초로 변환된 제1 대상변환데이터를 기초로, 상기 대상질의를 답할 수 있는 정보를 상기 문서로부터 추출하여 제2 대상변환데이터를 산출하는 자동모듈; 및 상기 제1 대상변환데이터와 상기 제2 대상변환데이터를 생성형 모델에 입력하여 자동적으로 상기 대상질의에 대한 응답인 제1 대상응답을 산출하는 생성모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 서버 관리 시스템은, 머신러닝에 의해 학습된 모델이 구동되어 적어도 하나 이상의 클라이언트에게 인공지능 서비스를 제공하는 클라우드 서버를 관리하는, 서버 관리 시스템에 있어서, 상기 클라우드 서버에 존재하는 가상화모듈이 사용하는 리소스 양과 관련된 시계열적인 정보인 동작정보를 수신하는 수신모듈; 상기 동작정보를 시계열 분해한 후 미리 정해진 종합분석방법으로 상기 동작정보의 계절성 강도를 산출하는 강도모듈; 상기 동작정보의 계절성 강도를 이용하여 미리 정해진 장래 기간 동안에 상기 클라우드 서버에서 사용될 리소스의 양에 대한 정보인 미래정보를 생성하는 미래모듈; 및 상기 미래정보에 기초하여 상기 클라우드 서버에서 가동되는 가상화모듈에 할당되는 리소스를 미리 정해진 변경방법으로 조정하는 조정모듈(142);을 포함하고, 상기 미리 정해진 종합분석방법은, 상기 동작정보를 구성하는 두 개의 지표데이터들의 계절성의 강도를 합하여 상기 동작정보의 계절성 강도를 산출하는 방법일 수 있다.
본 발명의 일 실시예에 따른 머신러닝 관리 시스템은, 클라우드 서버가 동작되면서 발생되는 동작정보를 시계열적으로 수신하는 수신모듈; 상기 동작정보를 시계열 분해한 후 미리 정해진 강도분석방법에 따라 상기 동작정보의 계절성 강도를 산출하는 계절모듈; 미리 정해진 패턴분석방법으로 상기 동작정보의 패턴을 분석하는 패턴모듈; 및 상기 계절성 강도의 크기에 따라 미리 정해진 결정방법으로 상기 클라우드 서버에서 진행되는 학습모델의 재 학습시기를 결정하는 판단모듈;을 포함하며, 상기 미리 정해진 결정방법은, 상기 동작정보의 계절성 또는 상기 동작정보의 패턴을 고려하여 재 학습시기를 결정하는 방법일 수 있다.
본 발명의 일 실시예에 따른 솔루션 추천 시스템은, 솔루션을 추천 받기를 희망하는 기업인 대상기업으로부터 상기 대상기업에 대한 정보인 대상기업정보와 클라우드 마켓서버로부터 유통되는 솔루션에 대한 정보인 설명정보를 수신하는 수신모듈; 상기 대상기업정보를 기초로 미리 정해진 분석방법으로 상기 대상기업의 문제사항을 분석하는 분석모듈; 및 미리 정해진 대응방법으로 상기 문제사항을 극복할 수 있는 솔루션인 대응솔루션을 산출하여 상기 대상기업에게 추천하는 추천모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 이종가상화 최적 관리 시스템은, 물리서버에서 제1 가상화 방법으로 가상화되어 생성된 제1 가상화모듈과 상기 제1 가상화 방법과 다른 방법인 제2 가상화 방법으로 가상화되어 생성된 제2 가상화모듈을 구비하는 가상화모듈에 미리 정해진 분배방법으로 상기 물리서버의 리소스를 할당하는 분배모듈; 상기 가상화모듈이 사용하는 리소스에 대한 정보인 활용정보를 수신하는 송수신모듈; 상기 활용정보를 기초로 미리 정해진 판단방법으로 상기 가상화모듈에 할당된 리소스의 효율성으로 판단하여, 상기 미리 정해진 분배방법의 재 수행 여부를 결정하는 피드백모듈;을 포함하며, 상기 미리 정해진 판단방법은, 복수의 리소스 종류 중 하나의 리소스 종류를 지정하여 판단하는 방법일 수 있다.
본 발명의 일 실시예에 따른 이상 탐지 시스템은, 임의의 컴퓨팅 장치로서 모니터링 대상인 대상서버에서 발생되는 실시간 동작데이터인 발생데이터를 수신하는 수신모듈; 상기 발생데이터를 미리 정해진 가공방법으로 전처리하여 실시간 가공데이터를 생성하는 전처리모듈; 상기 대상서버의 과거 가공데이터를 머신러닝하여 상기 대상서버가 비 정상적으로 동작하는지 여부를 탐지하는 이상탐지모델을 생성하는 학습모듈; 및 상기 실시간 가공데이터를 상기 이상탐지모델에 입력하여 상기 대상서버가 비 정상적으로 동작하는지 여부를 판단하는 판단모듈;을 포함하며, 상기 이상탐지모델은, Word2Vec 알고리즘이 이용되어 학습된 패턴탐지모델을 구비할 수 있다.
본 발명의 일 실시예에 따른 이상 탐지 시스템은, 임의의 컴퓨팅 장치로서 모니터링 대상인 대상서버에서 발생되는 실시간 동작데이터인 발생데이터를 수신하는 수신모듈; 상기 발생데이터를 미리 정해진 가공방법으로 전처리하여 실시간 가공데이터를 생성하는 전처리모듈; 상기 대상서버의 과거 가공데이터를 머신러닝하여 상기 대상서버가 비 정상적으로 동작하는지 여부를 탐지하는 이상탐지모델을 생성하는 학습모듈; 및 상기 실시간 가공데이터를 상기 이상탐지모델에 입력하여 상기 대상서버가 비 정상적으로 동작하는지 여부를 판단하는 판단모듈;을 포함하며, 상기 이상탐지모델은, HTM(Hierarchical Temporal Memory)을 이용하여 학습된 계층탐지모델을 구비할 수 있다.
본 발명의 일 실시예에 따른 엣지 클라우드 서버 운영 시스템은, 클라우드 서비스를 제공하는 복수개의 엣지 클라우드 서버를 관리하여, 컴퓨팅 디바이스가 요청하는 정보 처리 업무인 할당업무를 분배하는 엣지 클라우드 서버 운영 시스템에 있어서, 상기 컴퓨팅 디바이스로부터 상기 할당업무에 대한 정보인 할당정보를 수신하는 송수신모듈; 및 미리 정해진 방법에 따라 상기 할당업무를 수행할 하나의 엣지 클라우드 서버를 결정하는 분배모듈;을 포함하고, 상기 미리 정해진 방법은, 상기 컴퓨팅 디바이스가 상기 할당업무를 요청하는 시점인 기준시점에 상기 컴퓨팅 디바이스의 요청에 가장 빠른 응답을 제공할 수 있는 상기 엣지 클라우드 서버를 선택하는 방법일 수 있다.
본 발명의 일 실시예에 따른 문서 생성 시스템은, 인공지능에 기반하여 사용자가 작성하고자 하는 제안요청서인 대상요청서를 생성하는, 문서 생성 시스템에 있어서, 사용자가 생성하고자 하는 제안요청서에 대한 정보인 희망정보를 수신하는 수신모듈; 상기 희망정보와 연관되며 인터넷 상에 공개된 공개정보를 크롤링하는 크롤링모듈; 과거의 공개정보와 과거의 제안요청서인 과거요청서를 기초로 머신러닝하여 제안생성모델을 학습하는 학습모듈; 및 상기 공개정보를 상기 제안생성모델에 입력하여 구비해야 하는 내용 중 적어도 일부가 포함된 상기 대상요청서를 산출하는 생성모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 문서 제공 시스템은, 요청자로부터 문서 제공에 대한 요청과 문서 형태로 이루어진 기초문서를 수신하는 인터페이스모듈; 상기 기초문서 중에서 미리 정해진 기준에 부합하는 문서인 정상문서인지 상기 미리 정해진 기준에 부합하지 않는 문서인 필요문서인지 여부를 판단하는 판단모듈; 거대 언어모델을 저장하고 관리하는 언어모듈; 및 상기 언어모듈의 거대 언어모델을 이용하여, 미리 정해진 보완방법으로 상기 필요문서를 보완하는 생산모듈;을 포함하고, 상기 미리 정해진 보완방법은, 상기 필요문서 내의 문장을 수정하여 보완하는 방법인 제1 보완방법 및 문장을 새롭게 생성하여 보완하는 방법인 제2 보완방법을 구비할 수 있다.
본 발명의 일 실시예에 따른 클라우드 관리 시스템은, 클라우드 서버에서 가상화되어 생성되는 가상화모듈의 네트워크와 보안을 관리하기 위한, 클라우드 관리 시스템에 있어서, 관리 대상 가상화모듈인 대상모듈에 설치되어, 상기 대상모듈에 적용된 네트워크와 보안에 대한 정보인 제1 판단정보를 수집하는 에이전트모듈; 상기 대상모듈과 분리되어, 상기 대상모듈로 접근하기 위한 네트워크와 보안에 대한 정보인 제2 판단정보를 수집하는 수집모듈; 및 상기 제1 판단정보와 상기 제2 판단정보를 기초로 미리 정해진 판단방법에 따라, 상기 대상모듈에 설치된 서비스 어플리케이션이 클라우드 서비스를 정상적으로 제공할 수 있는지 여부를 판단하는 모니터링모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 지원 시스템은, 마이크로 서비스의 구축을 위한 지식이 포함된 정보인 배경정보가 저장되어 있는 지식저장부; 상기 배경정보를 변경모델을 이용하여 질의-응답 형태의 정보인 응답정보로 변경하는 정보가공부; 및 상기 변경모델과 상이한 거대 언어모델인 기초모델을 미리 정해진 가공방법으로 가공한 후 상기 응답정보로 학습하여, 임의의 질의에 대해서 응답을 산출하는 지원모델을 생성하는 튜닝부;를 포함할 수 있다.
본 발명의 일 실시예에 따른 이상 탐지 시스템은, 임의의 목적을 실현하기 위해 소프트웨어를 동작시키는 운영시스템의 이상 여부를 모니터링하는, 이상 탐지 시스템에 있어서, 모니터링이 진행되는 운영시스템인 대상 운영시스템으로부터 시간 순서에 따라 로그메시지를 수신하는 수신모듈; 기준숫자 만큼의 상기 로그메시지로 이루어진 로그시퀀스를 미리 정해진 전처리방법으로 처리하여 가공정보를 산출하는 전처리모듈; 상기 가공정보를 미리 정해진 분석방법으로 임베딩하여 하나의 상기 로그메시지 각각에 대응되는 결과벡터정보를 산출하는 변환모듈; 및 상기 결과벡터정보를 분석하여 상기 대상 운영시스템의 이상 여부를 판단하는 판단모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 서버 이상 탐지 시스템은, 물리서버의 물리적 상태 또는 물리서버가 설치된 장소의 환경적 상태인 주요상태에 대한 정보인 주요정보를 수집하는 제1 수집모듈; 물리서버에 설치되어 가상서버가 동작되면서 발생되는 정보인 동작정보를 수집하는 제2 수집모듈; 상기 주요정보와 상기 동작정보를 기초로 비 정상적으로 동작되는 물리서버 또는 가상서버인 이상서버를 탐지하는 탐지모듈; 및 설명 가능한 인공 지능을 이용하여, 상기 이상서버의 상기 주요정보 또는 상기 동작정보를 분석하여, 비 정상 동작의 원인으로 예측되는 변수를 산출하는 설명모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 클라우드 통합관리 시스템은, 컨테이너와 가상머신 기반의 클라우드 서비스를 통합하여 제공하기 위한, 클라우드 통합관리 시스템에 있어서, 적어도 하나 이상의 컨테이너를 포함하는 적어도 하나 이상의 파드를 동작시키는 워커모듈; 및 관리자의 명령을 수신하여 상기 워커모듈에 관리자의 명령을 송신하는 마스터모듈;을 포함하고, 상기 마스터모듈은, 상기 워커모듈과 상기 가상머신에 수신한 관리자의 명령을 송신할 수 있다.
본 발명의 일 실시예에 따른 부하분산 시스템은, 컴퓨팅 장치에 기반한 서비스를 제공하는 서버인 대상서버의 클라이언트 요청을 분배하여, 상기 대상서버에 발생되는 부하를 조정하는 부하분산 시스템에 있어서, 상기 클라이언트의 요청을 수신하는 통신모듈; 상기 통신모듈이 수신한 상기 클라이언트 요청을 미리 정해진 조절방법으로 상기 대상서버에 분배하는 제어모듈; 및 상기 클라이언트 요청에 따라 상기 대상서버가 정상적으로 동작하는지 여부를 탐지하는 탐지모듈;을 포함하고, 상기 제어모듈은, 상기 탐지모듈이 상기 대상서버 중 적어도 하나가 비 정상적으로 동작한다고 판단하는 경우, 상기 미리 정해진 조절방법과 다른 방법인 미리 정해진 분배방법에 기반하여, 클라이언트 요청을 상기 대상서버에 분배할 수 있다.
본 발명의 일 실시예에 따른 리소스 관리 시스템은, 사용자가 참여한 회의인 대상회의 도중에 발생되는 정보인 회의정보를 수신하는 수신모듈; 상기 회의정보를 기초로 사용자의 신규 일정과 관련된 정보인 신규정보를 산출하는 산출모듈; 상기 사용자가 과거 약속한 일정인 기존 일정과 관련된 정보인 기존정보가 저장되어 있는 저장모듈; 및 상기 신규정보와 상기 기존정보를 서로 비교하여, 신규 일정과 기존 일정이 서로 중복되는지 여부를 판단하고, 신규 일정과 기존 일정이 중복되는 경우 소정의 알림을 사용자에게 제공하는 스케줄모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 모니터링 시스템은, 집단 내의 사용자의 클라우드 자원의 사용량을 분석하기 위한, 모니터링 시스템에 있어서, 사용자별 클라우드 자원의 사용량에 대한 정보인 사용정보와 사용자가 담당한 업무 또는 사용자가 배치된 부서에 대한 정보인 분배정보를 수신하는 수신모듈; 상기 사용정보와 상기 분배정보를 기초로, 부서별 클라우드 자원 사용량 또는 프로젝트별 클라우드 자원 사용량을 산출하는 산출모듈; 및 부서별 클라우드 자원 사용량 또는 프로젝트별 클라우드 자원 사용량을 미리 정해진 표시방법으로 표시되도록 사용자 인터페이스를 산출하는 표시모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 근본원인 분석 시스템은, 마이크로 서비스 환경에서 동작되며 분석 대상의 소프트웨어인 대상 소프트웨어와 대응되도록 기능별로 구분된 독립모듈인 대응독립모듈들로 구성된 비교 소프트웨어를 기초로 상기 대상 소프트웨어의 근본원인을 분석하는 수단인 대응분석툴을 산출하는 분석툴 산출부; 및 상기 대응분석툴을 이용하여 상기 대상 소프트웨어에서 발생되는 비 정상 동작에 대한 근본 원인을 분석하는 원인 분석부;를 포함할 수 있다.
본 발명의 일 실시예에 따른 산출 시스템은, 클라우드 서비스를 이용하는 사용자가 클라우드 서버의 리소스에 대한 사용권한을 산출하는, 산출 시스템에 있어서, 사용권한을 결정하기 위해, 사용자가 클라우드 서버를 사용하면서 발생되는 활동정보인 분석 활동정보를 생성하는 수신모듈; 상기 분석 활동정보를 기초로 미리 정해진 분석방법을 이용하여, 상기 분석 활동정보에 대응되며 특정한 사용자에게만 적용되는 사용권한인 대응권한을 산출하는 권한모듈; 및 상기 대응권한을 활용하여 산출된 추천권한을 미리 정해진 경로로 송신하는 송신모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 소스코드 제공 서버는, 목적을 달성하기 위한 프로세스를 실행하는 소스코드를 추천하는 소스코드 제공 서버에 있어서, 사용자가 이루고자 하는 목적인 대상목적이 반영된 요청정보를 수신하는 수신모듈; 소스코드에 대한 정보인 코드정보가 저장되어 있는 저장모듈; 및 머신러닝으로 학습된 조합모델을 이용하여, 상기 코드정보와 상기 요청정보를 기초로 사용자의 컴퓨팅 장치에서 구동되어 상기 대상목적을 달성하기 위한 소스코드의 종류와 소스코드의 조합인 추천코드를 결정하는 추천모듈;를 포함할 수 있다.
본 발명의 일 실시예에 따른 문서 조회 시스템은, 사용자가 검토하고자 하는 공고사업인 대상사업에 대한 정보인 검색정보를 수신하는 수신모듈; 외부 서버로부터 공고 중이거나 공고가 완료된 공고사업인 완료사업의 상세정보인 완료정보를 관리하는 저장모듈; 미리 정해진 선정방법을 통해 상기 완료사업을 중에서 상기 대상사업의 이력에 해당되는 사업인 이력사업을 선정하는 히스토리모듈; 및 상기 이력사업이 표시되는 사용자 인터페이스를 산출하는 인터페이스모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 클라우드 서버는, 클라이언트가 머신러닝을 하기 위한 학습데이터를 제공하는 서비스를 구현하는 클라우드 서버에 있어서, 클라이언트의 컴퓨팅 장치로부터 상기 학습데이터의 기준이 되며 라벨링된 기초데이터를 수신하고 저장하는 데이터모듈; 패턴분석모델을 이용하여, 상기 기초데이터의 패턴을 분석하여 기초패턴을 포함하는 기초패턴정보를 산출하는 패턴분석모듈; 및 생성모델을 이용하여, 상기 기초패턴을 분석하여 상기 기초패턴을 기초로 상기 학습데이터의 기초가 되는 생성데이터를 산출하는 생성모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 이상탐지 시스템은, 모니터링 대상의 클라우드 장치인 대상장치에서 실시간으로 발생되는 동작데이터인 모니터링데이터를 수집하는 모니터링모듈; 상기 대상장치의 환경을 반영하여 생성모델을 기초로 생성데이터를 산출하는 생성모듈; 상기 모니터링데이터와 상기 생성데이터를 통해 머신러닝하여 학습된 탐지모델을 기초로 상기 대상장치가 비 정상적으로 동작하는지 여부를 예비적으로 판단하는 탐지모듈; 설명모델을 기초로 상기 탐지모델이 비 정상여부를 판단하는데 결정적인 특징인 핵심변수를 선별하는 설명모듈; 및 상기 동작데이터와 상기 핵심변수를 기초로 미리 정해진 검증방법을 이용하여 상기 대상장치가 진정으로 비 정상적으로 동작하는지 여부를 검증하는 검증모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 이상탐지 장치는, 클라우드 네트워크 환경에서 감시 대상 장치로부터 실시간 동작데이터인 발생데이터를 수신하는 수신모듈; 상기 감시 대상 장치의 과거의 동작데이터인 학습데이터를 머신러닝하여 상기 감시 대상 장치가 비 정상으로 동작하는지 여부를 탐지하는 이상탐지모델을 생성하는 학습모듈; 및 상기 이상탐지모델을 활용하여 상기 발생데이터를 기초로 상기 감시 대상 장치가 비 정상적으로 동작하는지 여부를 판단하는 판단모듈;을 포함하고, 상기 이상탐지모델은, 설명 가능한 인공지능(XAI)이 구현되게 학습되는 것을 특징으로 할 수 있다.
본 발명의 일 실시예에 따른 클라우드 서비스 제공 서버는, 외부의 컴퓨팅 장치인 감시 대상 장치가 동작되면서 발생되는 데이터인 동작데이터를 수신하는 수신모듈; 상기 동작데이터를 기초로 가상으로 이상상태에 대한 라벨링을 진행하여, 가상 이상데이터를 산출하고, 상기 가상 이상데이터를 기초로 상기 감시 대상 장치가 비 정상적으로 동작되는지 여부를 탐지하는 탐지모듈;을 포함하고, 상기 가상 이상데이터는, 상기 동작데이터와 상기 동작데이터에 대응되는 이상상태에 대한 라벨로 이루어질 수 있다.
본 발명의 일 실시예에 따른 클라우드 서비스 제공 서버는, 진정으로 라벨링된 학습데이터인 진정 라벨데이터를 기초로 임의의 가상머신에서 구현되며 임의의 결과값을 도출하는 기준학습모델을 머신러닝하는 학습모듈; 외부의 컴퓨팅 장치인 감시 대상 장치로부터 상기 기준학습모델이 학습할 데이터의 기초가 되는 동작데이터를 수신하는 수신모듈; 및 상기 동작데이터에 가상으로 라벨링을 진행하여 가상 라벨데이터를 산출하는 라벨링모듈;을 포함하고, 상기 학습모듈은, 상기 가상 라벨데이터도 함께 머신러닝하여 상기 기준학습모델을 학습할 수 있다.
본 발명의 일 실시예에 따른 문의 관리 시스템은, 과거에 문의되었던 정보인 과거 문의정보와 상기 과거 문의정보에 대응되는 응답에 대한 정보인 과거 응답정보를 수집하는 수집모듈; 상기 과거 문의정보와 상기 과거 응답정보를 활용하여 미리 정해진 학습방법으로 문의를 분류하는 분류모델을 학습하는 학습모듈; 및 상기 분류모델을 이용하여 분류가 필요한 문의인 대상 문의정보를 미리 정해진 카테고리로 분류하는 분류모듈;을 포함하고, 상기 미리 정해진 학습방법은, 상기 과거 문의정보와 상기 과거 응답정보를 함께 학습하는 방법일 수 있다.
본 발명의 일 실시예에 따른 측정장치는, 탈 부착 가능하게 진찰이 필요한 동물인 대상동물의 신체에 결합되는 측정본체부; 상기 측정본체부에 연결되어 상기 대상동물의 활력정보인 대상활력정보를 수집하는 측정모듈; 및 상기 측정모듈에서 수집한 상기 대상활력정보를 임의의 장치로 송신하는 측정송수신모듈;을 포함하고, 상기 대상활력정보는, 심장소리 및 숨소리를 포함할 수 있다.
본 발명의 일 실시예에 따른 동물 진단 시스템은, 진찰이 필요한 동물인 대상동물의 생체정보인 대상생체정보를 수집하는 수집장치; 과거의 동물의 생체정보와 과거의 동물의 진단정보를 이용하여, 동물의 질병을 판단하는 진단모델을 딥러닝 학습하는 학습모듈; 및 상기 대상생체정보를 상기 진단모델에 적용하여 상기 대상동물의 질병을 진단하는 진단모듈;을 포함하고, 상기 대상생체정보는, 심장소리 및 숨소리로 이루어진 청진정보를 포함할 수 있다.
본 발명의 일 실시예에 따른 가상화 서비스 제공 시스템은, 이용자의 컴퓨팅 장치와 통신하여 이용자의 컴퓨팅 장치에 클라우드 서비스를 제공하기 위한 가상화 서비스 제공 방법을 구현하는 가상화 서비스 제공 시스템에 있어서, 이용자의 컴퓨팅 장치로부터 클라우드 서비스에 대한 요청정보를 수신하는 송수신모듈; 가상화 서비스 제공 방법이 구현되는데 필요한 정보가 저장되어 있는 저장모듈; 및 상기 요청정보를 기초로 물리서버의 적어도 일부 리소스를 가상화하는 제어모듈;을 포함하고, 상기 요청정보는, 개별 리소스의 클라우드 서비스 제공 요청을 포함하고, 상기 제어모듈은, 상기 요청정보에 따라 상기 요청정보에 대응되는 개별 리소스만을 가상화할 수 있다.
본 발명의 일 실시예에 따른 가상머신 배치 평가 장치는, 물리서버 상에서 운영되는 가상머신의 배치에 대한 평가인 배치평가값을 산출하기 위한 가상머신 배치 평가 장치에 있어서, 가상머신이 가동되면서 발생되는 정보인 운영정보를 수집하는 수신모듈; 상기 운영정보를 기초로 가상머신 배치의 효율성에 대한 값인 효율평가값을 산출하는 제1 산출모듈; 및 상기 효율평가값을 활용하여 상기 배치평가값을 산출하는 배치평가모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 클라우드서버 관리 시스템은, 가상머신이 물리서버 상에서 가동되면서 발생되는 정보인 동작정보를 수집하는 수집모듈; 상기 동작정보를 활용하여 미리 정해진 연관도 산출 방법을 통해 상기 가상머신들 간의 연관도인 종합연관도를 산출하는 연관도 산출모듈; 및 특정 가상머신에 문제가 발생되었을 경우, 상기 종합연관도를 기초로 상기 특정 가상머신 이외의 가상머신 중에서 점검이 필요한 상기 가상머신을 선별하는 관리모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 학습모델 추천 장치는, 수요자의 요청에 따라 기계학습 또는 딥러닝에 의해 산출되는 학습모델을 추천하는 학습모델 추천 장치에 있어서, 수요자의 요청과 수요자가 요청하는 학습모델인 대상학습모델의 산출조건을 수신받는 수신모듈; 과거에 생성된 학습모델인 저장학습모델이 저장되어 있는 저장모듈; 상기 대상학습모델의 산출조건을 이용해 미리 정해진 유사판단방법을 통해 상기 대상학습모델과 상기 저장학습모델의 유사도를 판단하는 유사도판단모듈; 상기 저장모듈에 저장된 상기 저장학습모델 중에서 유사성을 기초로 미리 정해진 추천조건이 만족되는 학습모델을 추천학습모델을 산출하는 추천모듈; 및 수요자에게 상기 추천학습모델을 확인하고 다운로드할 수 있는 인터페이스를 산출하는 인터페이스모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 클라우드 자원 추천 장치는, 물리서버 상에서 동작되는 가상머신의 최적 배치를 위한 클라우드 자원 추천 장치에 있어서, 관리자가 물리서버를 운영하면서 발생되는 정보인 동작정보를 수집하는 수집모듈; 상기 동작정보를 기초로 미리 정해진 선호도 산출 방법에 의해 관리자의 관리 선호와 관련된 선호평가값을 산출하는 선호평가모듈; 상기 선호평가값을 반영하여 관리자에게 클라우드 자원을 추천하는 추천정보를 산출하는 추천모듈;을 포함하며, 상기 추천 정보는, 물리서버 상의 가상머신의 배치에 대한 정보를 포함할 수 있다.
본 발명의 일 실시예에 따른 클라우드 관리 시스템은, 물리서버에서 가상화되어 운영되는 복수개의 가상머신을 관리하는 클라우드 관리 시스템에 있어서, 상기 가상머신이 상기 물리서버 상에서 가동되면서 발생되는 정보인 동작정보를 수집하는 수집모듈; 상기 동작정보를 활용하여 미리 정해진 연관도 판단 방법을 통해 가상머신들 간의 연관도를 판단하는 연관도 판단모듈; 상기 연관도 판단모듈에 의해 산출된 상기 연관도를 기초로 상기 가상머신들이 복수의 그룹들로 그룹핑되는 그룹핑모듈; 및 상기 가상머신에 문제가 발생될 경우 문제해결 방안을 산출하고, 그룹별로 상기 가상머신들이 관리되는 관리모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 오토 스케일링 시스템은, 컨테이너 기반의 클라우드 서버스를 제공하는 클라우드 서버를 운영하고 관리하기 위한 오토 스케일링 시스템에 있어서, 컨테이너가 이용되어 사용된 물리서버의 리소스에 대한 정보인 과거 사용정보를 수집하는 수집모듈; 상기 과거 사용정보를 기초로 미리 정해진 장래 기간 동안에 사용될 것으로 예측되는 상기 물리서버의 리소스에 대한 정보인 예측 사용정보를 산출하는 예측모듈; 상기 예측 사용정보를 기반으로 현재 임의의 워커노드에서 가동될 수 있는 파드의 숫자의 범위인 초기범위를 산출하는 추천모듈;을 포함할 수 있다.
본 발명의 일 실시예에 따른 서버 모니터링 장치는, 멀티 클라우드 통합운영 시스템의 할당된 리소스 내에서, 물리서버에서 가동되는 적어도 하나의 가상머신의 동작을 감시하는 모니터링 방법을 구현하는 서버 모니터링 장치에 있어서, 상기 가상머신에서 발생되는 가동정보를 수집하는 송수신모듈; 상기 송수신모듈이 수집한 상기 가동정보를 기초로 상기 가상머신이 비 이상적으로 동작되는지 여부를 감시하는 모니터링모듈; 상기 모니터링모듈의 요청에 기반하여, 상기 모니터링모듈의 감시 기능을 돕는 감시학습모델을 가동시키는 모델가동모듈; 상기 모니터링 방법이 구현되는데 필요한 정보가 저장된 저장모듈; 및 할당된 리소스 내에서 상기 감시학습모델이 가동될 수 있도록, 미리 정해진 시기결정방법을 통해 상기 감시학습모델의 가동시기를 결정하는 스케줄모듈;을 포함할 수 있다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 82건 중 50건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 745.6 | 950.6 |
| 영업비용 | 1,055.5 | 1,258.8 |
| 판매비와관리비 | 396.9 | 544.4 |
| 영업이익(손실) | (309.8) | (308.2) |
| 영업외수익 | 42.1 | 35.3 |
| 기타이익 | 0.1 | 0.1 |
| 금융수익 | 33.9 | 20.3 |
| 기타 | 8.0 | 14.9 |
| 영업외비용 | 2.7 | 3.9 |
| 기타손실 | 0.1 | 1.2 |
| 금융원가 | 0.3 | 0.3 |
| 기타 | 2.3 | 2.5 |
| 법인세비용차감전순이익(손실) | (270.5) | (276.8) |
| 법인세비용 | — | 0.1 |
| 당기순이익(손실) | (270.5) | (276.9) |
매출은 950.6억으로 전년 대비 27.5% 증가한 것으로 나타났다.
영업이익률은 -32.4%로 전년 -41.6%에서 상승했다.
당기순이익은 -276.9억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-05 확인