Earticle

현재, 5G 및 IoT 기술의 발달함에 따라 실생활에 사용하는 사물들에 네트워크로 연결되어 사용되고 있다. 하지만, 네트워크로 연결된 컴퓨터를 악의적인 목적으로 사용하려는 시도가 증가하고 있으며, 사용자 정보의 기밀성 및 무결성 을 침해하는 악성코드를 이용한 공격은 더욱 지능화되고 있다. 이에 대응하기 위한 방안으로 보안관제 시스템과 AI 기술인 지도 학습을 이용한 악성 패킷 탐지 방법에 대한 연구가 진행되고 있다. 사이버보안 관제 시스템 운영상 인력 및 비용 측면에서 비효율적으로 운영되고 있다. 또한, 코로나19 팬데믹 시대에 원격 근무가 증가하여 즉각적인 대응에 어려움이 있다. 그리고 기존 AI 기술인 지도 학습을 이용한 악성코드 탐지에는 변종 악성코드를 탐지하지 못하고 데 이터의 양과 질에 따라 부정확한 악성코드 탐지율을 가진다. 따라서, 본 연구에서는 다양한 머신러닝과 딥러닝 모델을 통해 악성 패킷 탐지 기술을 융합하여 악성 패킷 탐지 정확도를 높이고 오탐률과 미탐률을 감소시키며 새로운 유형의 악성 패킷이 침입시 이를 효율적으로 탐지 할 수 있는 악성 패킷 탐지 기술을 제안 한다.

Currently, with the development of 5G and IoT technology, it is being used in connection with the things used in real life through a network. However, attempts to use networked computers for malicious purposes are increasing, and attacks using malicious codes that infringe the confidentiality and integrity of user information are becoming more intelligent. As a countermeasure to this, research is being conducted on a method of detecting malicious packets using a security control system and AI technology, supervised learning. The cyber security control system is being operated inefficiently in terms of manpower and cost. In addition, in the era of the COVID-19 pandemic, remote work has increased, making it difficult to respond immediately. In addition, malicious code detection using the existing AI technology, supervised learning, does not detect variant malicious code, and has an inaccurate malicious code detection rate depending on the quantity and quality of data. Therefore, in this study, by converging malicious packet detection technologies through various machine learning and deep learning models, the accuracy of malicious packet detection is increased, the false positive rate and the false positive rate are reduced, and a new type of malicious packet can be efficiently detected when intrusion. We propose a malicious packet detection technology.

클러스터링은 데이터의 정답값(실제값)이 없는 데이터를 기반으로 데이터의 특징벡터의 거리 기반 등으로 군집 화를 하는 비지도학습 방법이다. 이 방법은 이미지, 텍스트, 음성 등 다양한 데이터에 대해서 라벨링이 없이 적용 할 수 있다는 장점이 있다. 기존 클러스터링을 하기 위해 차원축소 기법을 적용하거나 특정 특징만을 추출하여 군 집화하는 방법이 적용되었다. 하지만 딥러닝 기반 모델이 발전하면서 입력 데이터를 잠재 벡터로 표현하는 오토인 코더, 생성 적대적 네트워크 등을 통해서 딥 클러스터링의 기술이 연구가 되고 있다. 본 연구에서, 딥러닝 기반의 딥 클러스터링 기법을 제안하였다. 이 방법에서 오토인코더를 이용하여 입력 데이터를 잠재 벡터로 변환하고 이 잠재 벡터를 클러스터 구조에 맞게 벡터 공간을 구성 및 k-평균 클러스터링을 하였다. 실험 환경으로 pytorch 머 신러닝 라이브러리를 이용하여 데이터셋으로 MNIST와 Fashion-MNIST을 적용하였다. 모델로는 컨볼루션 신경 망 기반인 오토인코더 모델을 사용하였다. 실험결과로 k가 10일 때, MNIST에 대해서 89.42% 정확도를 가졌으며 Fashion-MNIST에 대해서 56.64% 정확도를 가진다.

Clustering is an unsupervised learning method that involves grouping data based on features such as distance metrics, using data without known labels or ground truth values. This method has the advantage of being applicable to various types of data, including images, text, and audio, without the need for labeling. Traditional clustering techniques involve applying dimensionality reduction methods or extracting specific features to perform clustering. However, with the advancement of deep learning models, research on deep clustering techniques using techniques such as autoencoders and generative adversarial networks, which represent input data as latent vectors, has emerged. In this study, we propose a deep clustering technique based on deep learning. In this approach, we use an autoencoder to transform the input data into latent vectors, and then construct a vector space according to the cluster structure and perform k-means clustering. We conducted experiments using the MNIST and Fashion-MNIST datasets in the PyTorch machine learning library as the experimental environment. The model used is a convolutional neural network-based autoencoder model. The experimental results show an accuracy of 89.42% for MNIST and 56.64% for Fashion-MNIST when k is set to 10.

본 논문은 기업 내 생성형 AI(Generative Artificial Intelligence) 시스템의 보안 위협과 대응 방안을 제시한다. AI 시스템이 방대한 데이터를 다루면서 기업의 핵심 경쟁력을 확보하는 한편, AI 시스템을 표적으로 하는 보안 위협에 대 비해야 한다. AI 보안 위협은 기존 사람을 타겟으로 하는 사이버 보안 위협과 차별화된 특징을 가지므로, AI에 특화된 대응 체계 구축이 시급하다. 본 연구는 AI 시스템 보안의 중요성과 주요 위협 요인을 분석하고, 기술적/관리적 대응 방 안을 제시한다. 먼저 AI 시스템이 구동되는 IT 인프라 보안을 강화하고, AI 모델 자체의 견고성을 높이기 위해 적대적 학습 (adversarial learning), 모델 경량화(model quantization) 등 방어 기술을 활용할 것을 제안한다. 아울러 내부자 위 협을 감지하기 위해, AI 질의응답 과정에서 발생하는 이상 징후를 탐지할 수 있는 AI 보안 체계 설계 방안을 제시한다. 또한 사이버 킬 체인 개념을 도입하여 AI 모델 유출을 방지하기 위한 변경 통제와 감사 체계 확립을 강조한다. AI 기술 이 빠르게 발전하는 만큼 AI 모델 및 데이터 보안, 내부 위협 탐지, 전문 인력 육성 등에 역량을 집중함으로써 기업은 안전하고 신뢰할 수 있는 AI 활용을 통해 디지털 경쟁력을 제고할 수 있을 것이다.

This paper examines the security threats to enterprise Generative Artificial Intelligence systems and proposes countermeasures. As AI systems handle vast amounts of data to gain a competitive edge, security threats targeting AI systems are rapidly increasing. Since AI security threats have distinct characteristics compared to traditional human-oriented cybersecurity threats, establishing an AI-specific response system is urgent. This study analyzes the importance of AI system security, identifies key threat factors, and suggests technical and managerial countermeasures. Firstly, it proposes strengthening the security of IT infrastructure where AI systems operate and enhancing AI model robustness by utilizing defensive techniques such as adversarial learning and model quantization. Additionally, it presents an AI security system design that detects anomalies in AI query-response processes to identify insider threats. Furthermore, it emphasizes the establishment of change control and audit frameworks to prevent AI model leakage by adopting the cyber kill chain concept. As AI technology evolves rapidly, by focusing on AI model and data security, insider threat detection, and professional workforce development, companies can improve their digital competitiveness through secure and reliable AI utilization.

인공지능 기술의 발전으로 우리의 삶은 혁신적으로 변화하고 있지만, 동시에 윤리적 문제들도 새롭게 대두되고 있다. 특히 알고리즘 및 데이터 편향성에 의한 차별문제, 딥페이크 및 개인정보 유출 문제 등은 인공지능 서비스 확대에 따라 사회적으로 해결해야 할 선결과제라 판단된다. 이를 위해 본 논문에서는 인공지능 윤리 측면에서 인 공지능의 개념과 윤리적 이슈를 살펴보고 이를 예방하기 위한 각국의 윤리 가이드라인, 법률, 인공지능 영향평가 제도, 인공지능 인증제도와 인공지능 알고리즘 투명성 관련 기술 현황 등을 살펴보고 인공지능 윤리 강화를 위한 제도적 개선방안을 제시하고자 한다.

With the development of artificial intelligence technology, our lives are changing in innovative ways, but at the same ti me, new ethical issues are emerging. In particular, issues of discrimination due to algorithm and data bias, deep fakes, and personal information leakage issues are judged to be social priorities that must be resolved as artificial intelligence service s expand. To this end, this paper examines the concept of artificial intelligence and ethical issues from the perspective of artificial intelligence ethics, and includes each country's ethical guidelines, laws, artificial intelligence impact assessment sy stem, artificial intelligence certification system, and the current status of technologies related to artificial intelligence algorit hm transparency to prevent this. We would like to examine and suggest institutional improvement measures to strengthen artificial intelligence ethics.

본 연구는 차 산업혁명의 대표적인 기술인 빅데이터와 인공지능 기술이 4 적용된 스포츠 환경의 최근 동향을 분석하 고 스포츠 분야에서의 빅데이터와 인공지능 기술의 융합이라는 관점으로 접근하였으며 그 결과는 다음과 같다. 첫째, 글 로벌 소프트웨어 기업인 SAP사의 ‘스포츠 원 솔루션’은 독일 축구국가대표팀과의 협업을 통해 선수 및 경기 데이터 분 석과 팀의 전략적 의사결정을 지원하는 솔루션을 제공하였다. 둘째, 선수의 경기력과 부상방지가 승패의 결정적인 요소 인 스포츠 환경에서 빅데이터와 인공지능 결합을 통한 각 선수별 개인화된 서비스 제공이 가능하다. 셋째, 컴퓨터 비전 시스템이나 레이저 센서를 통해 수집된 데이터를 빅데이터와 인공지능 기술을 활용하여 스포츠 경기에서 문제가 되고 있는 오심판정을 보완하고 점차 확대해 나가고 있다. 넷째, 빅데이터 분석과 인공지능 기술을 통해 시장, 팬들에 대한 거시적 시각을 바탕으로 마케팅에 적극적으로 활용하고 있으며, 기존의 스포츠 중계에 비해 저렴한 비용으로 가능한 AI 중계방식을 통해 팬들과의 적극적 소통에 나서고 있다. 4차 산업혁명 기술은 모든 산업 전반에 혁신적 변화를 가져오고 있고 스포츠 분야도 그 과정 중에 있다. 빅데이터와 인공지능의 결합은 과학적 분석과 훈련이 승패를 결정하는 스포츠 환경에서 빠르게 변화하는 미래에 핵심적인 기술로서 그 중요한 역할을 하게 될 것으로 기대한다.

This study analyzed the recent trends in the sports environment to which big data and AI technologies, which ar e representative technologies of the 4th Industrial Revolution, and approached them from the perspective of converge nce of big data and AI technologies in the sports field. And the results are as follows. First, it is being used for pla yer and game data analysis and team strategy establishment and operation. Second, by combining big data collected using GPS, wearable equipment, and IoT with artificial intelligence technology, scientific physical training for each pl ayer is possible through user individual motion analysis, which helps to improve performance and efficiently manage injuries. Third, with the introduction of an AI-based judgment system, it is being used for judge judgment. Fourth, it is leading the change in marketing and game broadcasting services. The technology of the 4th Industrial Revolutio n is bringing innovative changes to all industries, and the sports field is also in the process. The combination of big data and AI is expected to play an important role as a key technology in the rapidly changing future in a sports env ironment where scientific analysis and training determine victory or defeat.

인공지능(AI)의 급속한 발전은 현대 전쟁의 양상을 근본적으로 변화시키고 있다. AI를 전략 기술로 인식한 미국과 중국 등 주요 군사 강국들은 자율 무기, 정보 처리, 의사결정 지원 메커니즘 등 다양한 분야에 AI를 적극 도입하고 있다. 한국 또한 국 방혁신 4.0 정책에 따라 자율 감시, 지휘통제(C2), 무인 전투체계 등에 AI를 적용하여 작전 효율성과 전투 대비태세를 강화하 고 있다. 그러나 군사 분야에서 AI를 활용하는 과정에서는 윤리적, 법적, 보안상의 문제들이 제기되며, 이에 따라 구조화된 거 버넌스 체계가 필수적으로 요구된다. 본 연구는 국방 AI 적용의 필요성에 대해 언급하고, NATO, 유엔, 유럽연합(EU)의 글로 벌 AI 거버넌스 동향을 고찰하여 한국의 AI 정책이 국제 규범과 정합성을 유지할 수 있도록 정책 방향을 제시한다. 아울러 생 성형 AI, 연합학습, 엣지 컴퓨팅 기반 AI 등 최신 기술들이 군사 작전에 어떻게 활용될 수 있는지를 살펴보고, 종합적이고 윤 리적이며 안전한 AI 거버넌스 방향을 제시하여 국방 역량을 강화하는 동시에 국제 기준에 부합하는 책임 있는 AI적용 방향을 제시한다.

The rapid advancement of Artificial Intelligence(AI) is fundamentally transforming the nature of modern warfare. Major military powers such as the United States and China, recognizing AI as a strategic technology, are actively incorporating AI into various domains including autonomous weapons, intelligence processing, and decision-support mechanisms. South Korea, under the Defense Innovation 4.0 policy, is also applying AI to autonomous surveillance, command and control (C2), and unmanned combat systems to enhance operational efficiency and combat readiness. However, the application of AI in the military domain raises ethical, legal, and security concerns, necessitating the establishment of a structured governance framework. This study discusses the necessity of adopting AI in defense and examines global AI governance trends in NATO, the United Nations, and the European Union to ensure that South Korea’s AI policy aligns with international norms. Furthermore, the study explores how emerging technologies such as generative AI, federated learning, and edge computing-based AI can be applied in military operations. Based on this analysis, it proposes a comprehensive, ethical, and secure direction for AI governance that not only strengthens national defense capabilities but also ensures responsible AI adoption in accordance with international standards.

본 연구에서는 인공지능 기술의 확산으로 인해 새롭게 대두되는 개인정보 침해 문제를 해결하기 위한 입법적 대응 방안 을 제시한다. 유럽(EU), 미국 등 주요 국가의 AI 법 및 개인정보보호 관련 판례를 비교 분석하고, 이를 바탕으로 한국형 AI 기본법 내 개인정보보호법(PIPA) 조항의 설계 방향을 제안한다. 특히 AI 학습용 데이터 처리, 자동화된 결정에 대한 정보 주체의 권리 보장, 민감정보의 제한적 처리 조건, 개인정보 영향평가 제도 도입 등을 중심으로 현지화에 중점을 두었다.

This study presents a legislative response plan to resolve the newly emerging problem of personal information infringe ment due to the spread of artificial intelligence technology. Based on a comparative analysis of AI laws and personal infor mation protection-related precedents in major countries such as the EU and the US, we propose a design direction for the Personal Information Protection Act (PIPA) clauses in the Korean Framework Act on AI. In particular, we place emphasis on localization, focusing on data processing for AI learning, guaranteeing the rights of information subjects against automa ted decision-making, restrictive processing conditions for confidential information, and the introduction of a personal infor mation impact assessment system.

2017년 새로운 형태의 아키텍처인 트랜스포머(Transformer)가 발표되면서 언어모델에도 많은 변화가 있었다. 특히 대형 언 어 모델인 LLM(Large language model)의 발전으로 검색이나 챗봇(Chatbot)과 같은 생성형 AI 서비스가 다양한 업무 영역에 활용되고 있다. 하지만 개인정보 유출과 같은 보안 이슈나 거짓 정보를 생성하는 할루시네이션(Hallucination)과 같은 신뢰성 문제가 발생하면서 이러한 서비스의 실효성에 대한 우려의 목소리도 커지고 있다. 이에 본 연구에서는 이러한 우려에도 불구 하고 생성형 AI를 업무 영역에 활용하고 있는 빈도가 점점 증가하고 있는 요인에 대해서 분석하고자 하였다. 이를 위해 LLM 기반의 생성형 AI 응답 데이터 품질에 영향을 미치는 8가지 요인을 도출하고 유효 표본 195개를 대상으로 이러한 요인들이 업무 활용 만족도에 미치는 영향을 실증 분석하였다. 분석결과 전문성, 접근성, 다양성, 편리성이 지속적 사용의도에 유의한 영향을, 보안성, 안정성, 신뢰성 등이 부분적으로 유의한 영향을, 완전성이 부정적 영향을 미치는 요인으로 나타났다. 본 연구 에서는 응답 데이터 품질에 대한 수요자의 인식이 업무 활용 만족도에 어떠한 영향을 미치는지 학문적으로 규명하고, 이러한 서비스에 대한 수요자 중심의 의미 있는 실무적 시사점을 제시하는데 그 목적이 있다.

With the announcement of Transformer, a new type of architecture, in 2017, there have been many changes in languag e models. In particular, the development of LLM (Large language model) has enabled generative AI services such as searc h and chatbot to be utilized in various business areas. However, security issues such as personal information leakage and reliability issues such as hallucination, which generates false information, have raised concerns about the effectiveness of t hese services. In this study, we aimed to analyze the factors that are increasing the frequency of using generative AI in t he workplace despite these concerns. To this end, we derived eight factors that affect the quality of LLM-based generativ e AI response data and empirically analyzed the impact of these factors on job satisfaction using a valid sample of 195 res pondents. The results showed that expertise, accessibility, diversity, and convenience had a significant impact on intention to continue using, security, stability, and reliability had a partially significant impact, and completeness had a negative imp act. The purpose of this study is to academically investigate how customer perception of response data quality affects busi ness utilization satisfaction and to provide meaningful practical implications for customer-centered services.

최근 국방망을 겨냥한 사이버 위협이 증가함에 따라 보안 점검과 보고의 신속성과 신뢰성이 중요해지고 있다. 그러나 현행 국방 보안 진단 보고 체계는 수작업 의존으로 인해 보고 지연, 품질 편차, 규격 대응 미흡 등의 한계를 보인다. 특히 폐쇄망 환경에서는 SaaS형 인공지능을 활용하기 어려워 민간 자동화 연구를 직접 적용하기 어렵다. 본 연구는 이러한 문제를 해결하 기 위해 로컬 LLM 기반 보안 진단 보고 자동화 체계를 제안한다. 제안된 체계는 입력, 전처리, LLM 분석, 자동 보고, 이력 관리 모듈로 구성되어, 다양한 진단 결과를 국제 표준(CVE, CWE) 및 국방 규격(STIG, CC 인증 등)에 자동 매핑하고, 실무 자·지휘관·정책기관 맞춤형 보고서를 생성한다. 적용 시나리오로 전술통신체계 취약점 진단, 무기체계 소프트웨어 보안성 검 증를 제시하였으며, 이를 통해 보고 품질 향상, 인력 절감, 규제 대응 효율화, 지휘결심 지원 강화 등 실질적 효과를 확인하였 다. 또한 국방 특화 데이터 부족, AI 신뢰성 검증, 폐쇄망 성능 제약은 향후 연구 과제로 제시된다.

As cyber threats against defense networks increase, the need for fast and reliable security reporting is growing. However, the current defense reporting system relies on manual processes, causing delays, inconsistent quality, and limited compliance with standards. In closed-network environments, SaaS-based AI solutions cannot be applied, limiting direct adoption of civilian research. This study proposes a local LLM-based automated reporting system consisting of input, preprocessing, LLM analysis, reporting, and history management modules. It maps diagnostic results to international standards (CVE, CWE) and defense regulations (STIG, CC), while generating reports tailored for operators, commanders, and policymakers. Application scenarios—tactical communication systems, weapon system software verification, and cyber command-and-control—demonstrate improved report quality, reduced manpower, efficient compliance, and faster decision support. Challenges such as limited defense-specific datasets, AI reliability, and performance constraints remain for future research.

본 논문은 북한의 대남 사이버위협과 이에 대한 대응방안을 연구하였다. 최근 북한의 사이버 공격은 점점 더 정교해지고 있으며, 그 목표는 정부 기관, 국방, 기술 산업, 언론 매체, 금융 기관 등으로 확장되고 있다. 북한은 군사 및 산업 기밀을 탈취 하여 군사적, 정치적, 경제적 우위를 달성하려 하고 있다. 본 연구는 북한의 피싱 이메일, 워터링홀, 계정 탈취 전술을 분석하 였으며, 우리의 대응체계가 근본적인 취약점을 해결하지 못하고 있음을 확인하였다. 이에 국가 차원의 위협 몰아내기, 인터넷 서비스 보안 강화, 민관군 통합 대응체계 구축, 그리고 적극적인 위협 탐지 및 차단 전략을 개선방안으로 제안하였다. 이를 통 해 북한의 사이버위협에 대한 대응 역량을 크게 강화할 수 있을 것이다.

This paper explores North Korea’s cyber threats against South Korea and the corresponding countermeasures. Recently, North Korea’s cyber-attacks have become increasingly sophisticated, targeting a wide range of sectors such as government agencies, defense, technology industries, media, and financial institutions. North Korea aims to steal military and industrial secrets to achieve military, political, and economic advantages. This study analyzes key tactics employed by North Korean hackers, including phishing emails, watering hole attacks, and account takeovers, and identifies limitations in South Korea's current response systems. To address these vulnerabilities, the paper proposes several improvements, including a national-scale threat elimination strategy, enhanced internet service security, the establishment of an integrated civilian-government-military response system, and proactive threat detection and mitigation strategies. This study is expected to contribute to the development of effective strategies for countering North Korea's cyber threats in the future.