• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.328-330
• /
• 2022

현재 다양한 분야에서 메타버스를 도입하고, 콘텐츠 또는 아이템 등의 거래에 NFT를 사용하는 가상융합경제가 등장하여 '메타버스 환경'으로 발전할 것으로 전망하고 있다. '메타버스 환경'은 앞으로 우리사회의 변화를 주도할 것이며 AI, 빅데이터, 클라우드, IoT, 블록체인, 차세대 네트워크 기술과 융합될 것이다. 하지만 메타버스 이용자가 서비스 이용을 위해 제공하는 개인정보, 기기정보, 행위정보는 주요 공격대상 된다. 따라서 사용자의 안전한 이용 환경 제공과 관련 기업의 비즈니스 기반 확대를 위하여 민·관 협력체계 구축 및 보안 가이드 개발이 선두과제이다. 따라서 본 연구에서는 메타버스 특징과 기술을 비교분석하며 이에 발생할 수 있는 보안 위협과 대응방안을 살펴본다.

• International Journal of Computer Science & Network Security
• /
• 제24권7호
• /
• pp.101-107
• /
• 2024

Cloud computing is a widely used technology that has changed the way people and organizations store and access information. This technology is quite versatile, which is why extensive amounts of data can be stored in the cloud. Furthermore, businesses can access various services over the cloud without having to install applications. However, the cloud computing services are provided over a public domain, which means that both trusted and non-trusted users can access the services. Though there are several advantages of cloud computing services, especially to business owners, various challenges are also posed in terms of the privacy and security of information and online services. A kind of threat that is widely faced in the cloud environment is the on/off attack. In this kind of attack, a few entities exhibit proper behavior for a given time period to develop a highly a positive reputation and gather trust, after which they exhibit deception. A viable solution is provided by the given trust model for preventing the attacks. This method works by providing effective security to the cloud services by identifying malicious and inappropriate behaviors through the application of trust algorithms that can identify on-off attacks.

• 인터넷정보학회논문지
• /
• 제19권1호
• /
• pp.27-35
• /
• 2018

본 논문은 안드로이드 플랫폼에서 악성 어플리케이션을 탐지하기 위한 연구로, 안드로이드 악성 어플리케이션에 대한 위협과 행위 분석에 대한 연구를 바탕으로 머신러닝을 적용한 악성 어플리케이션 탐지를 수행하였다. 안드로이드의 행위 분석은 동적 분석도구를 통해 수행할 수 있으며, 이를 통해 어플리케이션에 대한 API Calls, Runtime Log, System Resource, Network 등의 정보를 추출할 수 있다. 이 연구에서는 행위 분석을 통한 특징 추출을 머신러닝에 적용하기 위해 특징에 대한 속성을 변환하고, 전체 특징에 대한 머신러닝 적용과 특징들의 연관분석을 통한 주성분분석으로 특징간의 상관분석으로 얻은 머신러닝 적용을 수행하였다, 이에 대한 결과로 악성 어플리케이션에 대한 머신러닝 분류 결과는 전체 특징을 사용한 분류 결과보다 주요 특징을 통한 정확도 결과가 약 1~4%정도 향상되었으며, SVM 분류기의 경우 10%이상의 좋은 결과를 얻을 수 있었다. 이 결과를 통해서 우리는 전체적인 특징을 이용하는 것보다, 주요 특징만을 통해 얻을 결과가 전체적인 분류 알고리즘에 더 좋은 결과를 얻을 수 있고, 데이터 세트에서 의미있는 특징을 선정하는 것이 중요하다고 파악하였다.

• 품질경영학회지
• /
• 제42권2호
• /
• pp.153-163
• /
• 2014

Purpose: This research aims to find out clinical information protection behavior within a medical institution in mandatory circumstance based on health psychology theories Methods: This research has developed the survey based on the variables from ealth psychology theories; and conducted the survey during the whole month in April 2013. In the end, 256 samples have been used for this research's analysis. Results: First of all, Empirical results has proved that perceived benefits, self-efficacy, and cues to action have an positive influence on clinical information protection behavior. Perceived barriers has an negative influence. Finally, it has proven from the research that perceived severity and perceived susceptibility do not have an impact on clinical inf ormation protection behavior Conclusion: These findings provide an enriched understanding about medical institution workers information protection behavior on patient's clinical information.

• 한국산학기술학회논문지
• /
• 제11권11호
• /
• pp.4553-4562
• /
• 2010

네트워크의 발달과 더불어 보안에 대한 중요성이 부각되면서 많은 침입탐지시스템이 개발되고 있다. 침입에 대한 다양한 침투기법을 미리 파악하여 패턴화시킴으로써 침입을 탐지하는 오용행위탐지와 알려진 침입뿐만 아니라 알려지지 않은 침입이나 비정상행위 탐지를 위한 비정상행위탐지 등이 그것이다. 현재 비정상행위탐지를 위한 통계적 방법 및 비정상적인 행위의 추출과 예측 가능한 패턴 생성을 위한 다양한 알고리즘 등이 연구되고 있다. 본 연구에서는 데이터 마이닝의 클러스터링 및 연관규칙을 사용하여 두 모델에 따른 탐지영역을 분석하여 대규모 네트워크에서의 침입탐지 시스템을 설계하는데 도움을 주고자 한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권6호
• /
• pp.2188-2203
• /
• 2021

With the rapid development of mobile Internet, smart phones have been widely popularized, among which Android platform dominates. Due to it is open source, malware on the Android platform is rampant. In order to improve the efficiency of malware detection, this paper proposes deep learning Android malicious detection system based on behavior features. First of all, the detection system adopts the static analysis method to extract different types of behavior features from Android applications, and extract sensitive behavior features through Term frequency-inverse Document Frequency algorithm for each extracted behavior feature to construct detection features through unified abstract expression. Secondly, Long Short-Term Memory neural network model is established to select and learn from the extracted attributes and the learned attributes are used to detect Android malicious applications, Analysis and further optimization of the application behavior parameters, so as to build a deep learning Android malicious detection method based on feature analysis. We use different types of features to evaluate our method and compare it with various machine learning-based methods. Study shows that it outperforms most existing machine learning based approaches and detects 95.31% of the malware.

• The Journal of Asian Finance, Economics and Business
• /
• 제8권2호
• /
• pp.273-280
• /
• 2021

Financial behavior and financial well-being are two closely related aspects of an individual's financial decision making. This study attempts to investigate the extent to which financial behavior influences financial well-being in the Indian scenario. The data is collected using a structured questionnaire from a sample of 150 respondents. The study employs Financial Management Behaviour Scale (FMBS) (Dew & Xiao, 2012) to measure financial behavior. Factor analysis and multiple regression are performed to find the influence of financial behavior on financial well-being. The findings of the study suggest that except for credit commitment all the other behavioral factors like future security, savings and investments, credit indiscipline, and financial consciousness have a significant impact on the financial well-being of an individual in the Indian scenario. The regression coefficients of financial well-being are strongly determined by financial consciousness. The study is a contribution to the existing behavioral studies literature and the model used identifies the factors that influence the financial well-being in the Indian scenario. The study is conducted during the year 2020, so the results could have been influenced by the economic scenario of the period. The results of the study can be used by financial advisors to understand the financial well-being in the Indian scenario.

• 시큐리티연구
• /
• 제47호
• /
• pp.61-84
• /
• 2016

본 연구는 민간경호경비산업의 경호원을 중심으로 내 외재적 직무만족과 조직시민행동의 관계를 규명하고 직무특성 변인의 조절효과를 규명하는데 그 목적이 있다. 이상의 목적을 달성하기위한 표본 추출방식은 유의표집방법을 사용하였으며 207명의 자료를 분석에 사용하였다. 수집된 자료는 SPSS 21.0과 AMOS 22.0프로그램을 활용하여 빈도분석, 상관분석, 탐색적 요인분석, 신뢰도 분석, 구조방정식 모형분석, 다중집단분석을 실시하였다. 연구 결과를 요약하면 다음과 같다. 첫째, 내 외재적 직무만족의 하위요인인 내재만족은 이타행동에 정(+)적인 영향을 미치는 것으로 나타났다. 둘째, 내재만족은 양심행동에 정(+)적인 영향을 미치는 것으로 나타났다. 셋째, 내재만족은 참여행동에 정(+)적인 영향을 미치는 것으로 나타났다. 넷째, 외재만족은 이타행동에 유의한 영향을 미치지 않는 것으로 나타났다. 다섯째, 외재만족은 양심행동에 유의한 영향을 미치지 않는 것으로 나타났다. 여섯째, 외재만족은 참여행동에 유의한 영향을 미치지 않는 것으로 나타났다. 일곱째, 기술다양성은 내재만족과 이타행동, 참여행동의 관계에서 조절효과를 나타내었다. 여덟째, 직무정체성은 내재만족과 이타행동, 참여행동의 관계에서 조절효과를 나타내었다. 아홉째, 직무중요성은 내재만족과 이타행동, 양심 행동, 참여행동의 관계에서 조절효과를 나타내었다.

• 시큐리티연구
• /
• 제19호
• /
• pp.225-244
• /
• 2009

기계경비시스템은 대부분 전자 정보 통신 기기로 구성되어 있기 때문에 정보통신환경의 변화는 기계경비시스템의 기술, 운영체계, 운영방법 등에 영향을 미치게 된다. 본 연구는 기계경비시스템의 기술개발 동향 및 실태를 분석하고 기술개발 전망을 제시하는데 있다. 본 연구는 문헌연구와 기계경비시스템을 사용하는 수요자와 공급자와의 면담을 통한 분석과, 기술개발업자와 시스템 설치 기술자를 대상으로 한 설문조사를 통해 분석결과에 대한 검증을 실시하였다. 국제적으로 경쟁력이 있는 DVR 기술은 본래의 기능인 영상녹화 기능을 위주로 Motion Detection 기능과 상황변화 인식 기능, 목표물 추적 기능 등과 같은 다양한 기능을 수행할 수 있는 하이브리드 DVR 기술개발 쪽으로 진행될 것이며, 상황변화를 인식할 수 있는 기술은 현장에 설치된 많은 카메라를 소수의 인원이 효과적으로 감시할 수 있게 하여 기존의 CCTV시스템의 기능을 보다 향상시킬 수 있을 것이다. 그리고 영상전송기능을 수행하는 인터넷 서버기술과 영상인식 소프트웨어가 카메라에 내장된 'Embedded IP카메라' 기술개발은 CCTV시스템의 구성체계를 보다 간소화 시킬 수 있을 것이다. 생체인식 중 지문인식기술과 얼굴인식기술은 국제적인 경쟁력을 가지고 기술개발이 진행되지만 얼굴인식기술은 인식기술에 있어서는 선진국과 비슷한 수준인 것으로 평가되고 있으나 인식거리를 확보하는 기술과 감시 기능, 3D인식 기술부분에 있어 다소 신뢰성이 떨어져 이를 보완하기 위한 지속적인 개발이 이루어질 것이다. RFID의 무선인식과 추적기능은 사람 또는 차량의 출입통제나 물품의 반입 반출의 감시 통제 등을 위해 유용하게 적용될 것으로 평가되고 있어 RFID의 하드웨어와 소프트웨어 기술개발이 활발하게 진행될 것으로 전망되지만 시장여건과 새로운 제품 도입을 꺼리고 수입 의존도가 높은 현상을 개선하기 위하여 개발된 제품을 사용할 수 있는 여건 조성 등 기술개발을 촉진하기 위한 적극적인 지원이 필요한 것으로 분석된다. 행동패턴을 인식하여 침입상황을 감지하는 센서기술은 기존의 오작동이 많은 공간감지 센서를 대신하여 경보신호의 신뢰도를 향상시켜 자신있는 현장대응을 가능하게 해줄 수 있는 기술로 적극적으로 개발이 이루어질 것으로 전망된다. 행동패턴인식기술과 영상변화를 탐지하고 분석하는 영상인식기술은 유사한 기술로 서로 연계될 수 있으며, 경보신호전송 기술, 영상추적기술, RFID의 무선인식 및 추적 기술, 그리고 이를 관리하기 위한 미들웨어 기술을 통합하여 이상상황에 보다 효과적으로 대응할 수 있는 통합관제시스템을 구축할 수 있을 것이다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권4호
• /
• pp.1529-1547
• /
• 2015

Establishment of trust is important in wireless sensor networks for security enhancement and successful collaboration. Basically, a node establishes trust with other nodes by estimating a trust value based on monitored behavior of the other nodes. Since a malicious/misbehaving node might launch different attack strategies and might demonstrate random misbehavior, a trust estimation method should be robust against such attacks and misbehavior. Otherwise, the operation of trust establishment will be meaningless, and performance of an application that runs on top of trust establishment will degrade. In this paper, we propose a robust and novel trust estimation method. Unlike traditional trust estimation methods, we consider not only the weight of misbehavior but also the frequency of misbehavior. The frequency-of-misbehavior component explicitly demonstrates how frequently a node misbehaves during a certain observed time period, and it tracks the behavior of nodes more efficiently, which is a main factor in deriving an accurate trust value. In addition, the weight of misbehavior is comprehensively measured to mitigate the effect of an on-off attack. Frequency and weight of misbehavior are comprehensively combined to obtain the trust value. Evaluation results show that the proposed method outperforms other trust estimation methods under different attacks and types of misbehavior.