기계 학습 기법을 활용한 여성 및 아동을 위한 IoT 기반 스마트 안전 시스템 평가

여성과 아동을 위한 전통적인 보안 시스템은 수동 활성화 및 느린 응답 시간으로 인해 종종 실패합니다. 이 연구는 생리적 스트레스와 잠재적 위협을 자율적으로 감지하고 대응하기 위해 기계 학습(ML)을 활용하는 IoT 지원 스마트 안전 프레임워크를 제시합니다. 제안된 시스템은 생리적 센서(심박수, 온도)와 활동 센서(GPS, 가속도계)를 지능형 웨어러블 장치에 통합합니다. 주로 서포트 벡터 머신(SVM)과 나이브 베이즈(NB)를 활용하는 혼합 기계 학습 접근 방식이 강력한 활동 인식 및 스트레스 수준 분류에 사용됩니다. 성능은 k-겹 교차 검증을 통해 엄격하게 검증되었으며, SVM 분류기는 위협 감지에서 99.7%의 평균 정확도를 달성했습니다. 이 AI 기반 접근법은 감지 지연 시간을 3초로 줄이고, 배터리 최적화는 18-20시간의 지속적인 작동을 보장합니다. 자율적인 위협 감지 후, 시스템은 GSM 연결을 통해 GPS 좌표를 당국에 전송합니다. 이 연구는 데이터 프라이버시와 윤리적 배치를 강하게 강조하며 개인 보안을 위한 실용적이고 높은 정확도의 해결책을 보여줍니다.