최지헌
Jiheon Choi
unidev at ajou.ac.kr
Research interests
Distributed Systems, High-performance Computing, Cloud Computing
Introduction
Jiheon Choi is a master student at Ajou University. he is interested in research for adapting security suited for MLOps, Distributed Systems.
Publications
2025
10.
Choi, Jiheon; Lee, Jaehyun; Yoon, Taeyoung; Choo, Minsol; Kwon, Oh-Kyoung; Oh, Sangyoon
When HPC Scheduling Meets Active Learning: Maximizing The Performance with Minimal Data🌏 InternationalConference
The International Conference on High Performance Computing in Asia-Pacific Region (HPC Asia 2025), 2025.
@conference{choi-hpc-active,
title = {When HPC Scheduling Meets Active Learning: Maximizing The Performance with Minimal Data},
author = {Jiheon Choi and Jaehyun Lee and Taeyoung Yoon and Minsol Choo and Oh-Kyoung Kwon and Sangyoon Oh},
url = {https://dl.acm.org/doi/full/10.1145/3712031.3712334},
year = {2025},
date = {2025-02-20},
urldate = {2025-02-20},
booktitle = {The International Conference on High Performance Computing in Asia-Pacific Region (HPC Asia 2025)},
keywords = {},
pubstate = {published},
tppubtype = {conference}
}
9.
최지헌,; 오상윤,
대규모 언어 모델 RAG 시스템을 위한 벡터 인덱싱 기법의 확장성 연구🇰🇷 DomesticConference
2025년도 한국통신학회 동계종합학술발표회, 한국통신학회, 2025.
@conference{KICS-Winter-Conference-2025,
title = {대규모 언어 모델 RAG 시스템을 위한 벡터 인덱싱 기법의 확장성 연구},
author = {최지헌 and 오상윤},
year = {2025},
date = {2025-02-06},
urldate = {2025-02-06},
booktitle = {2025년도 한국통신학회 동계종합학술발표회, 한국통신학회},
keywords = {},
pubstate = {published},
tppubtype = {conference}
}
2024
8.
윤태영,; 최지헌,; 권오경,; 오상윤,
HPC 환경에서 데이터 불균형을 고려한 작업 응용 예측 기법🇰🇷 DomesticConference
한국소프트웨어종합학술대회 (KSC2024), 한국정보과학회, 2024.
@conference{ksc2024-winter-2,
title = {HPC 환경에서 데이터 불균형을 고려한 작업 응용 예측 기법},
author = {윤태영 and 최지헌 and 권오경 and 오상윤},
url = {https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE12042232},
year = {2024},
date = {2024-12-18},
urldate = {2024-12-18},
booktitle = {한국소프트웨어종합학술대회 (KSC2024)},
publisher = {한국정보과학회},
keywords = {},
pubstate = {published},
tppubtype = {conference}
}
7.
Yu, Miri; Choi, Jiheon; Lee, Jaehyun; Oh, Sangyoon
Staleness Aware Semi-asynchronous Federated Learning🌏 InternationalJournal Article
In: Journal of Parallel and Distributed Computing, 2024.
@article{miri2024staleness,
title = {Staleness Aware Semi-asynchronous Federated Learning},
author = {Miri Yu and Jiheon Choi and Jaehyun Lee and Sangyoon Oh},
url = {https://www.sciencedirect.com/science/article/pii/S074373152400114X},
year = {2024},
date = {2024-07-01},
urldate = {2024-07-01},
journal = {Journal of Parallel and Distributed Computing},
abstract = {As the attempts to distribute deep learning using personal data have increased, the importance of federated learning (FL) has also increased. Attempts have been made to overcome the core challenges of federated learning (i.e., statistical and system heterogeneity) using synchronous or asynchronous protocols. However, stragglers reduce training efficiency in terms of latency and accuracy in each protocol, respectively. To solve straggler issues, a semi-asynchronous protocol that combines the two protocols can be applied to FL; however, effectively handling the staleness of the local model is a difficult problem. We proposed SASAFL to solve the training inefficiency caused by staleness in semi-asynchronous FL. SASAFL enables stable training by considering the quality of the global model to synchronise the servers and clients. In addition, it achieves high accuracy and low latency by adjusting the number of participating clients in response to changes in global loss and immediately processing clients that did not to participate in the previous round. An evaluation was conducted under various conditions to verify the effectiveness of the SASAFL. SASAFL achieved 19.69%p higher accuracy than the baseline, 2.32 times higher round-to-accuracy and 2.24 times higher latency-to-accuracy. Additionally, SASAFL always achieved target accuracy that the baseline can't reach.},
keywords = {},
pubstate = {published},
tppubtype = {article}
}
As the attempts to distribute deep learning using personal data have increased, the importance of federated learning (FL) has also increased. Attempts have been made to overcome the core challenges of federated learning (i.e., statistical and system heterogeneity) using synchronous or asynchronous protocols. However, stragglers reduce training efficiency in terms of latency and accuracy in each protocol, respectively. To solve straggler issues, a semi-asynchronous protocol that combines the two protocols can be applied to FL; however, effectively handling the staleness of the local model is a difficult problem. We proposed SASAFL to solve the training inefficiency caused by staleness in semi-asynchronous FL. SASAFL enables stable training by considering the quality of the global model to synchronise the servers and clients. In addition, it achieves high accuracy and low latency by adjusting the number of participating clients in response to changes in global loss and immediately processing clients that did not to participate in the previous round. An evaluation was conducted under various conditions to verify the effectiveness of the SASAFL. SASAFL achieved 19.69%p higher accuracy than the baseline, 2.32 times higher round-to-accuracy and 2.24 times higher latency-to-accuracy. Additionally, SASAFL always achieved target accuracy that the baseline can't reach.
6.
이민서,; 최지헌,; 윤태영,; 오상윤,
스트리밍 기반의 고성능 데이터 파일 병합 기법🇰🇷 DomesticConference
한국컴퓨터종합학술대회 (KCC 2024), 한국정보과학회, 2024.
@conference{2024kcc-2,
title = {스트리밍 기반의 고성능 데이터 파일 병합 기법},
author = {이민서 and 최지헌 and 윤태영 and 오상윤},
url = {https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE11862265},
year = {2024},
date = {2024-06-26},
urldate = {2024-06-26},
booktitle = {한국컴퓨터종합학술대회 (KCC 2024)},
publisher = {한국정보과학회},
keywords = {},
pubstate = {published},
tppubtype = {conference}
}
5.
Paulo, C. Sergio; 유미리,; 최지헌,; 오상윤,
Dynamic Programming-Based Multilevel Graph Partitioning for Large-Scale Graph Data🇰🇷 DomesticConference
2024년도 한국통신학회 동계종합학술발표회, 한국통신학회, 2024.
@conference{2024kics-2,
title = {Dynamic Programming-Based Multilevel Graph Partitioning for Large-Scale Graph Data},
author = {C. Sergio Paulo and 유미리 and 최지헌 and 오상윤},
url = {https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE11737048},
year = {2024},
date = {2024-03-27},
booktitle = {2024년도 한국통신학회 동계종합학술발표회},
publisher = {한국통신학회},
abstract = {Multilevel graph algorithms are used to create optimal partitions for large graphs. However, the dynamic changes to the graph structures during partitioning lead to increased memory. These changes involve adding temporal data to arrays or queues during intermediary operations. To enhance efficiency and minimize memory usage, we integrated dynamic programming. Experimental results demonstrate the improved scalability and effectiveness of the proposed approach in terms of memory usage.},
keywords = {},
pubstate = {published},
tppubtype = {conference}
}
Multilevel graph algorithms are used to create optimal partitions for large graphs. However, the dynamic changes to the graph structures during partitioning lead to increased memory. These changes involve adding temporal data to arrays or queues during intermediary operations. To enhance efficiency and minimize memory usage, we integrated dynamic programming. Experimental results demonstrate the improved scalability and effectiveness of the proposed approach in terms of memory usage.
2023
4.
Jung, Hyunseok; Choi, Jiheon; Park, Jongwon; Baek, Sehui; Oh, Sangyoon
Conditional LSTM-VAE-based Data Augmentation for Disaster Classification Prediction🌏 InternationalConference
The 9th International Conference on Next Generation Computing 2023, 2023.
@conference{nokey,
title = {Conditional LSTM-VAE-based Data Augmentation for Disaster Classification Prediction},
author = {Hyunseok Jung and Jiheon Choi and Jongwon Park and Sehui Baek and Sangyoon Oh },
year = {2023},
date = {2023-11-24},
urldate = {2023-11-24},
booktitle = {The 9th International Conference on Next Generation Computing 2023},
keywords = {},
pubstate = {published},
tppubtype = {conference}
}
3.
정현석,; 최지헌,; 박종원,; 백세희,; 오상윤,
화재 감지 시스템을 위한 MLOps 시스템 구조🇰🇷 DomesticConference
2023 한국차세대컴퓨팅학회 춘계학술대회 , 한국차세대컴퓨팅학회 2023.
@conference{MLOps,
title = {화재 감지 시스템을 위한 MLOps 시스템 구조},
author = {정현석 and 최지헌 and 박종원 and 백세희 and 오상윤 },
url = {https://www.earticle.net/Article/A433574},
year = {2023},
date = {2023-05-31},
urldate = {2023-05-31},
booktitle = {2023 한국차세대컴퓨팅학회 춘계학술대회 },
pages = {313-315},
organization = {한국차세대컴퓨팅학회 },
keywords = {},
pubstate = {published},
tppubtype = {conference}
}
2.
최지헌,; 유미리,; 윤대건,; 오상윤,
연합학습에서의 보안 취약점 분석🇰🇷 DomesticConference
2023년도 한국통신학회 동계종합학술발표회 논문집 , vol. 80, 한국통신학회 2023, ISSN: 2383-8302.
@conference{최지헌2023연합학습에서의,
title = {연합학습에서의 보안 취약점 분석},
author = {최지헌 and 유미리 and 윤대건 and 오상윤},
url = {https://www.dbpia.co.kr/pdf/pdfView.do?nodeId=NODE11227811},
issn = {2383-8302},
year = {2023},
date = {2023-02-28},
urldate = {2023-02-28},
booktitle = {2023년도 한국통신학회 동계종합학술발표회 논문집
},
volume = {80},
pages = {1201-1202},
organization = {한국통신학회},
abstract = {개인 데이터에 대한 프라이버시 침해 없이 분산 기계학습을 구현하기 위해 연합학습이 제안되었다. 기존 연합학습 기법의 개선을 통해 정확도향상 및 수렴속도 향상을 목표로 하는 새로운 기법들이 등장하고 있어서, 이에 대한 보안 가이드라인이 필요한 상황이다. 본 논문에서는연합학습 구조의 특징으로 나타나는 보안 취약점을 공격형태 별로 구분하고 이에 대한 대응방안을 고찰한다.},
keywords = {},
pubstate = {published},
tppubtype = {conference}
}
개인 데이터에 대한 프라이버시 침해 없이 분산 기계학습을 구현하기 위해 연합학습이 제안되었다. 기존 연합학습 기법의 개선을 통해 정확도향상 및 수렴속도 향상을 목표로 하는 새로운 기법들이 등장하고 있어서, 이에 대한 보안 가이드라인이 필요한 상황이다. 본 논문에서는연합학습 구조의 특징으로 나타나는 보안 취약점을 공격형태 별로 구분하고 이에 대한 대응방안을 고찰한다.
2022
1.
최지헌,; 송봉섭,; 오상윤,
자율주행 데이터 관리를 위한 백엔드 아키텍처 연구🇰🇷 DomesticConference
2022년도 한국통신학회 하계종합학술발표회, 2022.
@conference{최지헌2022자율주행,
title = {자율주행 데이터 관리를 위한 백엔드 아키텍처 연구},
author = {최지헌 and 송봉섭 and 오상윤},
url = {https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE11108453},
year = {2022},
date = {2022-06-01},
urldate = {2022-01-01},
booktitle = {2022년도 한국통신학회 하계종합학술발표회},
journal = {한국통신학회 학술대회논문집},
pages = {1719--1720},
abstract = {자율주행 산업 전반의 발전으로 자율주행 알고리즘의 안정성 검증과 관련한 연구가 활발하다. 하지만, 안정성 검증을 위해 활용되는 데이터의 관리와효과적인 질의가 어려운 문제를 해결하기 위하여 다양한 종류의 차량 주행 데이터, 시뮬레이션 결과로 수집되는 비정형 데이터를 통합하여 데이터웨어하우스에 적재하는 연구를 수행하였다. 정형 데이터 기반으로 하는 기존 데이터 웨어하우스의 한계점을 분석하고 새로이 추가되는 파일 유형혹은 출처의 데이터를 효율적으로 적재 및 질의할 수 있는 시스템 설계를 제안한다.},
keywords = {},
pubstate = {published},
tppubtype = {conference}
}
자율주행 산업 전반의 발전으로 자율주행 알고리즘의 안정성 검증과 관련한 연구가 활발하다. 하지만, 안정성 검증을 위해 활용되는 데이터의 관리와효과적인 질의가 어려운 문제를 해결하기 위하여 다양한 종류의 차량 주행 데이터, 시뮬레이션 결과로 수집되는 비정형 데이터를 통합하여 데이터웨어하우스에 적재하는 연구를 수행하였다. 정형 데이터 기반으로 하는 기존 데이터 웨어하우스의 한계점을 분석하고 새로이 추가되는 파일 유형혹은 출처의 데이터를 효율적으로 적재 및 질의할 수 있는 시스템 설계를 제안한다.