클라우드부터 엣지, 그리고 최전선의 온디바이스까지! 전장의 상황과 규모에 맞춰 최적화된 펀진의 다층적 AI 솔루션이 미래 스마트 국방의 새로운 기준을 제시하고 있습니다.

펀진의 인공지능 전자기스펙트럼 정찰 시스템 'KWM-Ocelot'이 한국정보통신기술협회(TTA)의 엄격한 품질 검증을 통과하며 최고 등급인 GS인증 1등급을 획득했습니다. 보이지 않는 전파를 꿰뚫어 보는 펀진의 혁신 기술을 요약해 드립니다.

📡 KWM-Ocelot, 어떤 시스템인가요?

• 3차원 전파 시각화: 드론 등 정찰기기가 수집한 이동통신 및 광대역 신호 데이터를 3차원 공간정보 및 시계열 데이터와 결합해 시각화합니다.

• 정밀 위치 추적: 복잡하고 노이즈가 많은 전자기 환경 속에서도 특정 신호를 정밀하게 탐지하고, 신호를 발생시킨 근원지의 위치를 정확하게 찾아냅니다.

🎖️ 실전에서 입증된 압도적 퍼포먼스

• 수상 릴레이: 지난해 5월 '육군 AI 아이디어 공모전 대상' 수상에 이어, 7월에는 드론산업유공으로 '국방부장관 표창'을 받으며 일찌감치 기술력을 인정받았습니다.

• 전투실험 성공: 지난해 10월 강원도 인제 과학화전투훈련단(KCTC) 전투실험에 직접 투입되어 전장 실효성을 입증했습니다. 그 결과, 현재 해외 방산 기업들의 뜨거운 관심이 쏟아지고 있습니다.

🚀 KWM-Ocelot의 넥스트 스텝

펀진은 이번 GS인증 1등급 획득을 기점으로 압도적인 초격차 기술을 위한 연구개발을 지속합니다.

• 물리정보신경망(PINN) 기반의 물리 AI 적용

• 국방 전파 분야의 '월드 파운데이션 모델(World Foundation Model)' 개발

• 최종 목표: 단순 위치 추적을 넘어, 주파수 탐지 데이터만으로 해당 객체가 무엇인지 완벽히 식별하는 수준까지 기술을 고도화!

A. 위성 데이터 수집량은 폭발적으로 증가하는 반면, 인간 분석관의 처리 능력은 한계가 있어 정보 공백(Intel Gap)이 점차 커지고 있습니다.

KWM-GIL은 이러한 데이터 홍수 속에서 AI를 보조 도구로 활용해 정보 분석의 사각지대를 줄여보고자 기획 및 개발을 진행하고 있는 솔루션입니다.

개별 데이터가 지닌 의미도 중요하지만, 특히 여러 데이터를 융합했을 때 새롭고 더 가치 있는 정보를 얻을 수 있다고 판단하여 개발을 추진하게 되었습니다.

A. 현재 기본적으로 가장 많이 연구되고 있는 대표적인 세 가지 분야를 고도화해 나가는 단계입니다.

• 객체 탐지: Vision Transformer(ViT) 모델을 도입해 전차나 발사대, 함정 등을 자동 탐지하는 기능을 연구 중이며, 최종적으로 정확도 95% 달성을 목표로 하고 있습니다.

• 변화 탐지: 시계열 특성을 지닌 영상, 즉 촬영 시점이 다른 이미지들로부터 유의미한 차이를 찾아내는 기술을 테스트 중입니다.

• 초해상도: AI 화질 개선 기술을 통해 저해상도 이미지의 식별력을 높이는 연구를 진행하고 있습니다.

현재 이러한 분야들을 중심으로 고도화를 진행 중이며, 향후에는 정보 융합을 통해 유의미한 신규 정보를 창출해 내는 연구에 더욱 집중할 계획입니다.

A. '초해상도' 기술을 통해 한계를 극복하려 연구 중입니다. 현재 GAN(생성적 적대 신경망)과 Diffusion 모델을 적용해 1m급 저해상도 영상을 0.3m급 수준으로 복원하는 테스트를 진행하고 있습니다. 기상 조건이나 해상도 문제로 식별이 어려운 표적의 윤곽을 최대한 선명하게 살려내는 데 집중하고 있습니다.

A. 그 부분이 저희가 지속적으로 모델 학습을 고도화하고 있는 핵심 과제 중 하나입니다. 단순한 이미지 픽셀 차이만 비교하는 것을 넘어, '의미론적 탐지'가 가능하도록 발전시키고 있습니다. 눈이 오거나 낙엽이 지는 자연스러운 변화와 병력 이동, 진지 구축 등 실제 위협을 AI가 스스로 구분하여 오탐지를 최소화하는 방향으로 연구 중입니다.

이러한 의미론적 분석을 완벽하게 수행하기 위해서는 다양한 정보를 융합하고 해석할 필요가 있습니다. 시점에 따른 해석과 특정 지역에서의 분쟁, 급격한 변화 등을 종합하여 해석해야 합니다.

A. 광학 위성, SAR 위성 등 다양한 데이터를 융합해 여러 분야에 쓰일 수 있도록 현재 자체개발을 통해 다음과 같은 활용 가능성을 검증하고 있습니다.

• 군사 작전: 지형 및 토지 데이터를 융합하여 부대 기동로를 분석하고 지휘 본부 후보지를 선정할 수 있습니다. 자사 KWM 시스템에서 공격 방책을 추천할 때 기동로 분석에 활용할 수 있으며, 더 나아가 적의 행동 예측에도 적용 가능합니다. 적의 활동이 탐지된 경우 지휘 본부나 본대의 예상 위치를 선정하고, 적 부대의 예상 기동로를 분석하는 데 쓰입니다.

• 재난 대응 및 BDA: 화재점 데이터와 연계한 산불 시계열 분석 및 피해 규모 평가 기술입니다. 이는 군사적으로 교전 발생 시 적과 아군의 전투피해평가(BDA)에 즉각적으로 적용할 수 있습니다.

• 해양경계 및 주요 자산 감시: AIS(선박자동식별장치) 데이터와 결합한 의심 선박 추적 및 항만 입출항 자동 탐지 기술입니다. 이러한 추적 기능은 적의 핵심 시설(비행장, 해군 기지)과 주요 자산(항공기, 군함, 잠수함 등)의 특이 동향을 파악하고 감시하는 데 훌륭하게 활용될 것입니다.

인간의 눈이 미치지 못하는 방대한 위성 데이터의 사각지대를 줄이기 위해 KWM-GIL은 지금도 끊임없이 데이터를 학습하며 진화하고 있습니다. 아직 완성된 기술은 아니지만, 다양한 융합 데이터를 기반으로 한 AI 분석 솔루션이 향후 미래 국방과 재난 감시 분야에서 어떤 시너지를 만들어낼지 그 발전 과정이 주목됩니다.