티스토리

기술기술

검색하기

블로그 홈

기술기술

tektek.tistory.com/m

기술기술 님의 블로그입니다.

구독자: 0

방명록 방문하기

주요 글 목록

SBOM(Software Bill Of Materials) 1. 소프트웨어 자재명세서 SBOM의 개념 환경 파악 및 의사결정을 빠르게 하기 위해 소프트웨어의 구성에 사용된 컴포넌트 관련 메타정보를 기록한 목록표 소프트웨어 패키지 및 구성 요소 등 고유하게 식별 가능한 메타데이터, 저작권 및 라이선스 등 소프트웨어 콘텐츠에 대한 정보를 포함하는 공식 명세서 2. 소프트웨어 자재명세서 SBOM 구성도 및 구성요소 가. SBOM 구성도 나. SBOM 구성요소 - 필선 공이버식의 타어라 구분 구성요소 설명 필수요소 공급자 이름 - 구성요소를 만들고 정의하고 식별하는 주체의 이름 컴포넌트 이름 - 최초 공급자에 의해 정의된 소프트웨어 단위의 명칭 컴포넌트 버전 - 이전 소프트웨어 버전의 변경을 명시하기 위한 식별자 고유 식별자 - 구성요소 식별 및 데이터베이스 조회 키 .. 공감수 0 댓글수 0 2024. 2. 21.
디지털 플랫폼 정부 1. 정의 모든 데이터가 하나로 연결되는 플랫폼 위에서 국민,기업,정부가 함께 새로운 가치를 창출하는 모델(정부) 2. 특징 및 주요내용 가. 특징 - 디디공이생 네방규글 민혁맞창 나. 주요내용 측면 내용 설명 정부 과학적 국정운영 - 인공지능·데이터분석을 통한 일 잘하는 정부 실현 - 全부처 데이터의 공유·연계·분석을 위한 공통기반 마련 - 데이터 분석을 통한 정책효과 정밀예측 등 국정운영의 과학화 실현 국민 선제적 맞춤형 서비스 - 알아서 챙겨주는, 국민이 편안한 서비스 제공 - 개별 사이트의 정보‧서비스를 연계‧통합해 - 국민은 하나의 사이트에서 모든 서비스 신청‧이용 기업 혁신 생태계 조성 - 민·관협업으로 기업이 다양한 혁신서비스 창출과 공공서비스‧데이터를 민간에 개방 - (기업)융합‧결합으로 .. 공감수 0 댓글수 0 2024. 2. 21.
PI((Process Innovation) / BPR(Business process reengineering) 비교 1. 정의 BPR(Business process reengineering) : one-time Chnage로, 비즈니스 프로세스를 근본적으로 재설계하여 비용, 품질, 시간을 개선하는 절차 PI(Process Innovation) : 지속적으로 전체 구성원 참여 독려하여, 고객중심 업무처리 방식으로 혁신하는 절차. 2. 절차 및 상세 비교 가. 절차 BPR 절차 - 비장대혁 경영전략 및 Vision 수립 프로세스 분류 및 장기 목표 설정 대상 프로세스 선정 및 현상파악 새 프로세스 설계 및 혁신수행 PI 절차 - 정목개점 프로젝트 정의 현수준 파악 및 업무 목표 설정 개선 항목 도출 점진적 프로세스 개선 나. 상세비교 - 목성방수빈위 비교 항목 BPR PI 목적 장기적인 경쟁력 향상 가속화 되는 변화에 신.. 공감수 0 댓글수 0 2024. 2. 21.
자기 조직화 지도(Self Organizing Maps) 1. 정의 군집화, 차원축소 목적으로 2개의 층(입력층, 경쟁층)으로 구성된 인공신경망을 통해 사용자가 설정한 node 개수의 map에 데이터 mapping 하는 비지도 학습 알고리즘 차원축소(dimensionality reduction)와 군집화(clustering)를 동시 수행하는 머신러닝 비지도 학습기법 특징 : 승자독식 구조, 빠른 수행, 역전파 불가 2. 구성요소 및 과정 가. 개념도 및 구성요소 - 입노경가 나. 과정 - 초선유가반 - BMU(Best Matching Unit) : 가장 짧은 노드를 추적 - SOM은 역전파와 달리 단 하나의 전방패스 를 사용하여 수행 속도가 매우 빠르기에 실시간 학습처리를 할수 있는 모델 - SOM은 고차원의 데이터를 저차원의 지도 형태로 형상화 하기에 시각적.. 공감수 1 댓글수 1 2024. 2. 14.
DBSCAN(Density-based Spatial Clustering of Applications with Noise) 1. 정의 특정 점을 기준으로 반경 x내에 n개 이상이 있을 경우, 하나의 군집으로 인식하는 밀도 기반의 무감독 알고리즘 [군집 인식 방식] Core point를 기준으로 epsilon(중심점으로부터의 거리) 내의 점의 수가 기준 이상 인 경우 2. 특장점 및 구성요소 가. 특장점 k-means처럼 미리 클러스터 수를 정하지 않아도 됨 밀도에 따라 클러스터 연결되므로 기하학적 모양의 군집도 발견 가능 Noise Point를 통해 이상치 검출 가능 나. 구성요소 - 엡클 코보컨노 공감수 0 댓글수 1 2024. 2. 14.
K-평균 알고리즘(K-Means Algorithm) 1. 정의 n개의 데이터를 K개의 군집으로 분류하기 위해 K로부터의 거리 기반(유클리드 거리)으로 반복적 계산하는 비지도 학습 알고리즘 2. 절차 및 K-NN (K-Nearest Neighbor) , K-means 비교 가. 절차 - 최유레단N 나. K-최 근접 알고리즘(K-Nearest Neighbor) , K-평균 알고리즘(K-means) 비교 공감수 0 댓글수 0 2024. 2. 7.
데이터 레이블링 1. 정의 고객이 원하는 음성, 시각, 언어 등 데이터 전반을 수집해 인공지능 학습을 위한 고품질 데이터셋을 빠르게 구축하는 서비스 유형: 음성인식 라벨링(대화내용 받아 적기), 시각인식 라벨링(이미지, CCTV), 텍스트 라벨링(서적) 공감수 0 댓글수 0 2024. 2. 7.
KNN(K-Nearest Neighbor/k-최근접 이웃 알고리즘) 1. 정의 신규 데이터(fingerprint)의 군집 할당을 위해 기존 모든 데이터와 신규 데이터 거리를 측정하여 최고 인접 다수결에 의해 군집에 할당하는 감독 학습 알고리즘 2. 특징 및 동작원리 가. 특징 - 최유레단N 최고인접 다수결 : 기존 데이터 중 가장 유사한 k개의 데이터를 측정하여 분류 유사도(거리) 기반 : 유클리디안 거리, 마할라노비스 거리, 코사인 유사도 등 활용 Lazy Learning 기법 : 새로운 입력 값이 들어온 후 분류 시작 데이터 셋을 저장만 하고 일반화된 모델을 능동적으로 만들거나 하지는 않음 데이터가 들어온 후 분류 및 처리한다는 의미 단순 유연성 : 모형이 단순하며 파라미터의 가정이 거의 없음 NN(Nearest Neighbors) 개선 : KNN은 가장 근접한 k개.. 공감수 0 댓글수 0 2024. 2. 6.
서포트 벡터 머신-SVM(Support Vector Machine) 1. 정의 데이터가 사상 된 공간에서 여백(Margin)을 최대화하고 일반화 능력을 극대화하여 결정 직선을 찾는 두 범주를 갖는 객체들을 분류(이진 분류, Binary classification) 하는 알고리즘 데이터 사상공간 경계선과 최근접 데이터(Support Vector)간 최대거리 경계 식별 알고리즘(MMH :Miximum Margin Hyperplane, 초평면) 활용 : 패턴 인식, 자료 분석을 위한 지도 학습 모델이며, 주로 분류와 회귀 분석 비확률적 이진 선형 분류 모델 생성, 지지도 이용, 벡터 이용, 기계학습 2. 구성도 및 구성요소 가. 구성도 나. 구성요소 - 서마초커 - 주어진 많은 데이터들을 가능한 멀리 두 개의 집단으로 분리시키는 최적의 초평면(hyperplane)을 Train.. 공감수 0 댓글수 0 2024. 2. 6.
GRU(Gated Recurrent Unit/게이트 순환 유닛) 1. 정의 LSTM의 은닉 상태를 업데이트하는 계산을 줄인 장단기 메모리 순환 신경망 LSTM의 장기 의존성 문제에 대한 해결책을 유지하면서, 은닉 상태를 업데이트하는 계산을 줄임 성능은 LSTM과 유사하면서 복잡했던 LSTM의 구조를 간단화 데이터 양이 적을 때는 매개 변수의 양이 적은 GRU가 조금 더 낫고, 데이터 양이 더 많으면 LSTM이 더 나음 2. 구성도 및 구성요소 가. 구성도 - 화살표 좌중우위위, 시시탄 X1-XX+ 나. 구성요소 - 리업캔히 공감수 0 댓글수 0 2024. 2. 6.
LSTM(Long Short Term Memory) 1. 정의 RNN의 장기의존성 문제 해결위해 Hidden Layer를 Input Gate, Output Gate, Forget Gate라는 세가지 게이트를 이용하여 해결한 알고리즘 2. 구성도 및 구성요소 가. 구성도 - 화살표 위오위오위오오 시시탄시탄 X+XX 나. 구성요소 - 셀포인아 공감수 1 댓글수 1 2024. 2. 6.
RNN(Recurrent Neural Networks/순환 신경망) 1. 정의 Hidden Node가 방향을 가진 엣지로 연결된 순환구조(directed cycle)를 통해 음성, 문자 등 순차적 데이터 학습, 처리를 위한 딥러닝 알고리즘 신경망 연결에 순환구조를 넣은것 연속된 데이터 상에서 이전 순서의 히든 노드(hidden node)의 값을 저장 이후, 다음 순서의 입력 데이터로 학습할 때 이전에 저장해 놓은 값을 이용 2. 개념도 3. RNN 기울기 소멸 문제(Vanishing Gradient Problem) RNN은 하나의 네트워크가 여러 개 복사된 형태를 띄고 있고 각각의 네트워크는 다음단계로 정보를 넘겨줌 시간에 따라 학습이 진행됨에 따라 앞에서 인풋으로 받은 정보가 학습에 미치는 영향이 점검 감소하다가 결국 사라져 버림 은닉층이 깊어질수록 장기 의존성 문제에.. 공감수 0 댓글수 0 2024. 2. 6.
CNN(Convolutional Neural Network / 합성곱신경망) 1. 정의 Convolution layer, Pooling layer, Fully connected layer 를 통해 feature(특징) 추출, 차원 축소 단계를 거쳐 이미지를 분류, 인식 가능한 신경망 알고리즘 pooling - 이미지 특징을 반영하며, 차원을 축소 2. 절차 및 구성요소 가. 절차 - 원컨풀컨풀전 원본이미지 -> 컨볼루션 -> 풀링 – 컨볼루션 -> 풀링 – 전체 연결된 신경망 나. 구성요소 - 컨폴풀피 컨볼루션 레이어(Convolution Layer) : 합성곱(Convolution) 사용 특징(Feature) 추출, 특징맵(Feature Map)구성 폴링 레이어(Pooling Layer) : Subsampling 차원축소, Max pooling, Average pooling, .. 공감수 0 댓글수 0 2024. 2. 5.
드랍아웃(Dropout) 1. 정의 오버피팅 방지 위해 서로 연결된 연결망(layer)에서 0부터 1 사이의 확률로 뉴런을 제거(drop)하는 과대적합 방지 기법 → 매 학습시 일정확률 p로 뉴런 제거하여 학습후, 추론시에 결과보상하여 추론하는 학습기법 특징) 과적합 문제 해결, 모델 간소화 2. 방법 및 효과 가. 방법 입력층과 은닉층의 임의 노드 선택 및 제거 임의 노드제거 상태에서 학습 수행(feed-forward / back propagation) 실제 테스트 시 제거 노드 복원 및 가중치 연산 가중치에 확률 p를 곱하여 결과 보상 나. 효과 - 오앙동배 투표 특정 셀로 가중치가 높아지는것을 방지 → 편향방지 → 오버피팅 방지 다수의 모델로 학습되는 효과(앙상블/voting/랜덤포레스트 같은 효과) 동조현상 회피(co a.. 공감수 0 댓글수 1 2024. 2. 5.
과적합 문제 (Overfitting/Underfitting) 1. 정의 오버피팅 : 모델의 일반성이 떨어져 모델의 학습 오차가 매우 낮은데 비해 테스트 오차가 비정상적으로 높은 상태 , 복잡한 학습모델, 일반화 오류, 고분산 저편향 언더피팅: 학습 데이터가 불충분하거나 모델이 지나치게 단순하여 모델이 학습 데이터의 패턴을 잡아내지 못하는 상태(Decision Boundary) 단순한 학습모델, 성능부족 학습 오류, 저분산 고편향 2. 오버피팅의 발생원인 및 해결방안 가. 발생원인 - 노독복 노이즈, 독립변수, 모델 복잡성(차원의 저주-xponentially하게 증가), 나. 해결방안 - 정교차드조 정규화, 교차검증, 차원축소(PCA, ICA 등), Drop out, 조기 종료 3. 언더피팅의 발생원인 및 해결방안 가. 발생원인 - LG Less Feature(차원.. 공감수 0 댓글수 0 2024. 2. 5.
기울기 소실 문제(Vanishing Gradient Problem) 1. 정의 심층신경망의 역전파 알고리즘을 이용한 학습 시 앞쪽의 은닉층으로 오차가 거의 전달되지 않는 현상 2. 발생원인 및 해결방안 가. 발생원인 Layer(층) 깊이 측면 : 복잡한 문제 해결 위한 층 확장 국부해(Local Minimum) 수렴, 최적해 수렴 시 반복 계산 증가 활성함수 측면 : Sigmoid 함수의 “Squash” 특성, 역전파 시 최대 미분 값 0.25, 층 반복 시 0 수렴 나. 해결방안 - 효개 메사미음 공감수 0 댓글수 0 2024. 2. 5.
경사하강법(gradient descent) 1. 정의 함수의 최소값의 위치를 찾기 위해 경사가 하강하는 방향을 관찰하고 그 쪽으로 조금씩 이동 하면서 검토를 반복해 근사값을 찾는 최적화 알고리즘 미분의 개념을 최적화 문제에 적용, 에러 함수의 global minimum을 찾는 방법 2. 개념도 및 문제점 가. 개념도, 매커니즘 함수의 기울기를 구하여 기울기가 낮은 쪽으로 계속 이동시켜서, 반복시켜서 최적화 알고리즘 손실함수 : 학습을 통해 얻은 데이터의 추정치가 실제 데이터와 얼마나 차이 나는지 평가하는 지표 -> 클수록 많이 틀렸음을 의미하며 0이면 '무손실' (완벽추정) 의미 나. 유형 - 확배미 확률적 경사하강법 : 하나의 학습 데이터마다 즉시 오차 계산하여 적용, 순차적 수행 필요 => 병렬컴퓨팅 효과 얻기 어려움 배치 경사하강법 : 모든.. 공감수 0 댓글수 0 2024. 2. 5.
소프트맥스 함수 1. 정의 뉴런 출력값에 대해 class 분류를 위하여 마지막 단계에서 출력값에 대한 정규화 해주는 함수 데이터를 분류 시 사용하는 활성함수가 소프트맥스 함수 [특징] 출력값은 0에서 1.0, 출력 총합 : 1 2. 수식, 주의사항 가. 수식 n : 출력층의 뉴런 수 yk : k번째 출력 exp : 지수함수 나. 주의사항 지수함수로 되어 있어 오버플로우(무한대 값 발생 가능) 문제가 발생 할 수 있음 오버플로우를 해결하기 위해 개선한 식 - 데이터를 분류하고자 할때 모든 입력 신호로부터 영향을 받으므로 사용하는 활성함수가 소프트맥스 함수임. 공감수 0 댓글수 1 2024. 2. 5.
원핫인코딩 1. 정의 피처 값의 유형에 따라 새로운 피처를 추가해 고유 값에 해당하는 칼럼에만 1을 표시하고 나머지 칼럼에는 0을 표시하는 방법 2. 특징 및 주의사항 가. 특징 훈련 세트와 테스트 세트를 나누기 전에 데이터 변환 수행 각 값들은 서로 독립적으로 구성(단어의 속성이 벡터에 반영되지 않음) 차원의 저주 문제 발생 나. 주의사항 훈련 세트와 테스트 세트를 나누기 전에 데이터 변환 수행 각각을 분류 후 원핫인코딩 수행 시 두 세트에 각각 다른 인코딩이 적용 됨. 공감수 0 댓글수 0 2024. 2. 5.
활성화 함수(activation function) 1. 정의 신경망 학습 모델의 input 값에서 output값을 도출할때, 임계치(threshold, Critical Point) 내에서 output 이 도출되도록 transfer 하는 함수 2. 활성화 함수 종류 - 단경시렐소 양항탄엘 계 구분 명칭 그래프 설명 단극성 경사함수 - 단극성 선형 연속 함수 Sigmoid - 로지스틱 함수, x값을 변화에 따라 0~ 출력 ReLU(Rectified Linear Unit) - x값이 음수일 땐 0 고정 - 기울기 소실 문제 발생 - 시그모이드보다 6배 빠름 Softmax 2차원 그래프 표현 불가 - 여러 입력값을 0~1로 나눠어 표현 - 마지막 출력층에서 결과값을 분리(SVM 유사) 양극성 항등함수 - 양극성 선형 연속 함수 - 입력의 가중합 출력 tanh .. 공감수 0 댓글수 0 2024. 1. 30.
C-ITS(Cooperative Intelligent Transportation System) 1. 정의 차량과 차량(V2V) 차량과 인프라(V2I) 간 양방향 통신으로 교통정보를 교환 및 공유하여 서비스를 제공하는 차세대 ITS 2. 구성도 및 구성요소 가. 구성도 나. 구성요소 V2P : 차량, 보행자(휴대단말) 간 통신 V2V : 차량간 통신 V2I : 차량, 인프라 간 통신 C2I : 센터, 인프라간 통신 공감수 0 댓글수 0 2024. 1. 25.
디지털 트랜스포메이션 1. 정의 정보통신기술 활용하여 기존 전톡적인 경영구조에서 디지털 경영구조로 전환하여 시스템을 근본적으로 변화시키는 경영전략 배경 ) 빅블러, 디지털 컨버전스, ESG 2. 추진 절차 및 전략 가. 추진 절차 - 비조거비혁 나. 전략 - 고운비 고객 경험 전략 고객 중심 커뮤니 케이션 운영/관리 프로세스 전략 IT 인프라 적극 활용 거버넌스 체계 의사결정 속도 향상 비지니스 모델 전략 제품, 서비스, 비지니스 모델 재설계 모델 점검, 디지털 환경 대응 3. 조직 운영 모델 - 분공C집 분산, 공유, COE, 집중화 모델 공감수 1 댓글수 2 2024. 1. 24.
API Gateway 1. 정의 사용자 설정 라우팅 따라, Endpoint 요청 서비스를 Backend에서 처리하도록 지시하고, 처리된 결과를 다시 Endpoint에 전달하는 Proxy Gateway 2. 역할 중개 : HTTP/JSON 기반 프로토콜 변환 보안 : 내부 데이터 보호(암호화), 접근통제, 로깅 및 모니터링 서비스 연결 : 클라이언트 요청 변환, 백앤드 처리결과 반환 라우팅 : 서비스 매칭, 로드밸런싱 기타 : 서비스 오케스트레이션, 통계, 디스커버리 공감수 0 댓글수 0 2024. 1. 23.
파라미터 1. 파라미터 / 하이퍼파라미터 개요 2. 하이퍼 파라미터 튜닝 방법 가. 구성도 - 학습의 규모가 커질수록 탐색시간 기준 Bayesian Optimization이 가장 뛰어나지만 생성하려는 모델 수준 등을 고려할 때 상황에 맞는 튜닝방법을 선택하는것이 핵심 나. 구성요소 - 최근에는 Amazon SageMaker, Google Cloud ML 등에서 베이지안 최적화 튜닝을 사용 중 공감수 0 댓글수 0 2024. 1. 22.
딥러닝 1. 정의 사람의 개입없이 능동적인 비지도 학습(unsupervised)이 결합돼 컴퓨터가 사람처럼 스스로 학습할 수 있는 인공지능 기술 등장 배경 ) 하드웨어 발전, CNN, RNN 진화, 비지도 학습 전처리 기술 발전 2. 개념도 및 주요 알고리즘 가. 개념도 나. 대표 알고리즘 심층 신경망(DNN) : 입력 계층(input layer)과 출력 계층(output layer) 사이에 복수개의 은닉 계층(hidden layer)들로 이뤄진 인공신경망 합성곱 신경망(CNN) : 최소한의 전처리를 사용하도록 설계된 다계층 퍼셉트론 (Multi-layer Percep tron)의 한 종류 순환 신경망(RNN) : 인공신경망을 구성하는 유닛사이의 연결이 Direct Cycle을 구성하는 신경망 3. 딥러닝 적용.. 공감수 0 댓글수 0 2024. 1. 22.
머신러닝 파이프라인 1. 정의 머신 러닝의 데이터 수집에서부터 전처리, 학습 및 학습된 모델의 배포와 서비스 적용까지 전 과정을 순차적으로 처리하도록 설계된 시스템 아키텍처 2. 머신러닝 파이프라인 구성도 및 구성요소 가. 구성도 나. 구성요소 - 흡준모예 공감수 0 댓글수 0 2024. 1. 22.
자기지도학습 1. 정의 레이블 없는 원데이터로 부터 데이터 관계 통해 레이블 자동생성, 지도학습에 이용하는 비지도 학습기법 비지도학습 기법 중 하나로, 다수의 레이블이 존재하지 않는 원본 데이터로부터 레이블을 자동으로 생성하여 지도학습에 이용하는 학습 특징 ) 정답 레이블 없이 학습 가능, 3D 시각 데이터 분야 적용 활발 필요성 ) 데이터 수집의 한계, 데이터 가공 비용, 데이터 편향성 2. 학습 절차 및 종류 가. 학습 절차 나. 자기지도 학습 종류 - 영문대자 오간 공시 뵬 자 영상 재건/생성 기반 오토인코더 기반 : 디노이징(Denoising), 색상화 GAN 기반 : 이미지복원, 초해상도 복원(SRGAN) 문맥 이용 프리텍스트 테스크 기반 공간적 관계 기반 : Exampler CNN, Relative Pos.. 공감수 0 댓글수 0 2024. 1. 16.
Hadoop3.0 1. 정의 대용량 데이터 분산저장, 병렬처리 프레임워크 3.0 2. 주요 가. 운영 효율성 측면에서의 하둡 v3.0 특징 (이얀맵) Erasure Coding 도입 Fault Tolerance를 위한 Replication factor 3 이용 -> HDFS 3배 오버해드 발생(2.0기준) -> 1.4배로 축소 Read Solomon 알고리즘 FEC(오류 시에 정정할 수 있는 기술/전진 오류 수정/Forward Error Correction)) 기능을 넣어, 원본 데이터를 복원할 수 있는 기술 YARN Timeline Service v.2 도입 기존 타임라인 서비스보다 많은 정보를 확인 가능 데이터 쓰기와 읽기 분리, HBase 활용 : 분산처리 가능 확장성과 신뢰성을 확보 flows와 aggregatio.. 공감수 0 댓글수 0 2024. 1. 12.
HDFS(Hadoop Distributed File System) 1. 정의 저비용의 수백, 수천 노드로 구성된 클러스터를 이용, 기가 또는 테라 바이트의 대용량 데이터 집합을 처리하는 응용 프로그램에 적합하도록 설계한 분산 파일 시스템 범용 하드웨어 구성된 클러스터의 파일시스템 2. 구성도 및 구성요소 가. 구성도 나. 구성요소 - 네데세리 NameNode 파일시스템의 Metadata(디렉터리구조, Access 권한 등) 관리 서버 블록에 대한 배치정보를 관리, 특정 파일이 어떻게 블록으로 분할되어 어느 DataNode 에 보관 유지되고 있는지를 관리 네임노드는 디렉터리 구조, 파일목록 등 데이터 노드에 저장된 모든 데이 터에 대한 정보를 가지고 있음 DataNode 실제 데이터를 저장 유지하는 서버, Data Node 간에는 데이터 복제를 통해 데이터의 신뢰성 유지.. 공감수 0 댓글수 0 2024. 1. 12.
빅데이터 보안 1. 정의 기업 환경에서 빅데이터 적용하기 위한 보안, 개인정보보호기술 적용방안, 비식별화조치 저장 : 개인정보등 ( 처리 : PPDM 정책적으로 ) 분석 : 분석기술 이용한 응용 보안 이슈 시스템 : 하둡보안 (접근제어, 인증) 2. 보안 위협 분류 및 대응방향 가. 보안 위협 분류 - 유도가 오법기 유출 : 사용자 조작 오류, 웹앱, 부적절한 운영 도청 및 가로채기 : Sniffing, Tempering, 사회공학, MITM 비도덕적 행위 혹은 오남용 : 신원도용, DoS, 악성코드, 위조 인증서, 권한 남용 법률위반 : 지적재산권, 개인정보, Compliance 기능장애 : 기능 숙련성 부족 조직/인력-정보탈취, 권한상승 나. 대응방향 관리적 - 디지털 소유권(잊혀질 권리,The right to b.. 공감수 0 댓글수 0 2024. 1. 12.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.