Earticle

본 연구는 산업보안상 인적취약요소로 분류되는 조직구성원에 의한 업무부정행위의 정의와 발생원인, 방지대책 등에 대하여 문헌연구를 통해 고찰하고, 선행연구를 통해 드러난 부정행위의 행동적 발생징후들에 대하여 은행, 보험사, 증권사 등 국내 금융산업에 종사하고 있는 근로자들에게 설문자료를 수집하여 기술통계, 요인분석, 로지스틱 회귀분석 등을 실시하였다. 분석결과, 부정행위의 발생징후들은 ‘경제적 동기’, ‘비경제적 동기’ 두 가지 요인으로 분류되었으며, ‘과도한 주식투자’와 ‘빈번한 이사 등으로 생활환경의 불안정’의 두 징후에 대한 정확성 평가와 실제 부정행위의 적발 경험이 통계적으로 유의미하게 연관되어 있는 것으로 확인되었다. 또한 내·외부 제보에 의해서 업무부정행위가 가장 많이 적발되는 것으로 나타났다. 본 연구의 분석결과를 토대로 향후 금융산업에서 발생할 수도 있는 업무부정행위를 조기에 발견하여 피해규모를 최소화도록 일조하는 데 연구의 목적이 있다.

This study aims to contribute to the early detection of occupational fraud in the Korean financial industry by analyzing fraud symptoms. Firstly, the definition, cause of occupational fraud, and fraud symptoms were discussed through literature review. Secondly, survey data were collected from the employees of the financial industry such as bank, insurance, and securities companies to conduct statistical analysis. The result of analysis showed that the symptoms of ‘excessive stock investment’ and ‘unsettled life style’ were statistically significant predictors of fraud detection experience. Plus, ‘tips and complaints’ were the most frequent method for detecting occupational fraud in the Korean financial industry. The financial institutions can minimize the loss of occupational fraud by early detection through educating their employees and vendors on these important symptoms of occupational fraud.

Due to a lack of security design as well as the specific characteristics of IoT devices such as the heterogeneity of processor architecture, IoT malware detection has to deal with very unique challenges, especially on detecting cross-architecture IoT malware. Therefore, the IoT malware detection domain is the focus of research by the security community in recent years. There are many studies taking advantages of well-known dynamic or static analysis for detecting IoT malware; however, static-based methods are more effective when addressing the multi-architecture issue. In this paper, we give a thorough survey of static IoT malware detection. We first introduce the definition, evolution and security threats of IoT malware. Then, we summarize, compare and analyze existing IoT malware detection methods proposed in recent years. Finally, we carry out exactly the methods of existing studies based on the same IoT malware dataset and an experimental configuration to evaluate objectively and increasing the reliability of these studies in detecting IoT malware.

Fake news is inaccurate information that is intentionally disseminated for a specific purpose. If allowed to spread, fake news can harm the political and social spheres, so several studies are conducted to detect fake news. This study uses a deep learning method with several architectures such as CNN, Bidirectional LSTM, and ResNet, combined with pre-trained word embedding, trained using four different datasets. Each data goes through a data augmentation process using the back-translation method to reduce data imbalances between classes. The results showed that the Bidirectional LSTM architecture outperformed CNN and ResNet on all tested datasets.

This paper presents a systematic review of deep learning (DL) techniques for Network-based Intrusion Detection Systems (NIDS) based on Preferred Reporting Items for Systematic Reviews and Meta-Analyses: (PRISMA2020) guidelines. It explores recent advancements in data preparation, DL architectures, and performance evaluation metrics for NIDS. The review provides insights into various datasets and tools used in the field, highlighting the effectiveness of DL in improving NIDS performance. Additionally, it discusses the applications of NIDS across different industries and identifies emerging research trends, offering a comprehensive resource for researchers and practitioners in cybersecurity.

This paper presents critical surveillance system functions and considers advances and challenges for privacy and ethical implications. We examine privacy protection strategies and responsible data management practices reflecting the critical problems of cybersecurity and data management to address concerns, ensuring that surveillance technology evolves ethically and sustainably. We highlight state-of-the-art deep learning-based techniques in object detection, addressing the complex difficulties of surveillance systems. Finally, we provide a research framework, including ethical and long-term implications and broad applications in privacy preservation and ethical responsibility. This study advances knowledge to ensure the long-term sustainability, security, and viability of information and communication technology applications.

We address data collection issues in monocular 3D object detection. Since deep learning based object detection systems often require a variety of human annotations for advanced functionalities and also a lot of training datasets for better performance, it is increasingly important for researchers to review currently available databases, and prepare their own datasets with customized labels for target applications such as monocular 3D object detection. On top of the survey of related datasets, we study two different methods of collecting new datasets. As an example of our methods, we present five realworld object instances for pure RGB-based cuboid detection, and simulate random scenes with the objects for training and testing. In order to improve detection accuracy, all the simulated objects with limitless numbers and varied sizes can appear in high resolution images. As a baseline model, we validate our datasets using the YOLO-like standard deep learning architecture. In a coarse-to-fine manner, annotations such as cuboid, segmentation masks, and 3D models are first accessible on a down-sampled version of the simulated image and then on a sequence of higher resolution sub-images possibly utilized. Finally, we discuss experimental results and future directions.

We examined presence of Escherichia coli, Shiga toxin-producing E. coli, and Salmonella species in feces of six rodent species (Apodemus agrarius, A. peninsulae, A. sylvaticus, Micromys minutus, Myodes regulus, and Rattus norvegicus) captured from different agricultural regions of South Korea. By culture methods and PCR assay, we detected E. coli in 50% of 56 individuals of the six species and various Shiga toxin-producing E. coli strains in 32.7% of them, but no Salmonella species. All of three types of the Shiga toxin-producing E. coli (O83:H1, O104:H4 and O157:H16) were detected in A. agrarius and A. sylvaticus. E. coli O104:H4, as well as E. coli O157:H7 3.6% (2/56), was associated with a widespread and foodborne disease. Although E. coli O104:H4 has rarely been found in feces of wild rodents until now, in the present study E. coli O104:H4 was detected in feces of the wild rodents in South Korea. Wild mice of A. agrarius, which account for 60.7% of total 56 individuals, are most widely distributed and abundant in various agroecosystems of South Korea. Of 36 individuals of A. agrarius, feces of 12 individuals contained Shiga toxin-producing E. coli, which account for 23.1% of total 56 individuals of the six rodent species and 70.6% of total 17 individuals with Shiga toxin-producing E. coli. The three types of the Shiga toxin-producing E. coli (O83:H1, O104:H4, and O157:H7) were detected in A. agrarius. Thus, A. agrarius would be important reservoirs of the pathogenic bacteria which cause zoonotic diseases in different agroecosystem s.

최근 하드웨어 키로거는 키보드 내부에 설치할 수 있는 작은 크기와 Wi-Fi 기능을 내장하고 있는 다양한 모듈식 키로거 제품들이 유통되고 있다. 이러한 키로거는 제3자에 의해서 악의적인 목적으로 사용될 경우 탐지가 어려워 정부와 군, 기업과 개인의 중요정보와 민감정보가 유출될 가능성이 높지만, 소프트웨어 키로거와 달리 대응 보안 솔루션과 탐지 방법에 대한 연 구가 미흡한 실정이다. 따라서 본 논문에서는 하드웨어 키로거에 의한 보안 취약점과 기존 연구된 탐지 방법들을 살펴보고 키 보드의 소비전력, 적외선 온도, X-RAY, 무게, 전자파 등의 비파괴 측정 방법을 통해 모듈식 하드웨어 키로거의 탐지 가능성 을 향상 시킬 수 있는 방법을 실험 결과와 함께 제안한다.

Hardware Keyloggers are available in a variety of modular keylogger products with small size and Wi-Fi communication capabilities that can be concealed inside the keyboard. Such keyloggers are more likely to leak important information and sensitive information from government, military, business and individuals because they are difficult to detect if they are used by a third party for malicious purposes. However, unlike software keyloggers, research on security solutions and detection methods are relatively small in number. This paper, we investigate security vulnerability caused by hardware keylogger and existing detection methods, and improve the detection possibility of modular hardware keylogger through non-destructive measurement methods, such as power consumption of keyboard, infrared temperature, and X-ray. Furthenmore, We propose a method that can be done with experimental results.

본 연구는 현재 디지털 콘텐츠 시장에서 주요 이슈로 거론되고 있는 디지털 동영상 콘텐츠 저작권 보호와 관련된 기술적 접근을 다루고 있다. 오늘날 디지털 동영상 콘텐츠 제작 및 유통이 급증하고 있는 가운데 지적재산권 보호와 관련된 여러 정책적 접근 및 기술적 접근이 이루어지고 있다. 기존의 DRM(Digital Rights Management) 관점의 기술적 접근은 여러 각도에서 이루어져 왔으나 편의성 및 품질 측면에서 한계점 또한 동시에 노출된 것이 사실이다. 본 연구는 기존의 암호화 인증 및 워터마크 기술을 통한 접근보다는 video copy detection 및 contents based copy detection 방식의 하나인 컬러코드(color code) 방식의 기술적 접근 관점에서 접근하고 있다. 특히 본 연구는 국내 영상 시장의 유통 생태계를 고려하여 고품질 방송 동영상 불법유통을 제어할 수 있는 방향에서 본 연구의 기술적 접근을 다루었다.

This study deals with the technical approach related to the protection of digital video contents copyright, which has currently become a major issue in the digital contents market. With the production and distribution of digital video contents rapidly increasing, various policies and technical approaches are being made in relation to the protection of intellectual property rights. The technical approach from a DRM (Digital Rights Management) perspective was made from various angles, but its limitations have also been exposed in terms of convenience and quality. In this study, rather than the existing encoding certification and watermark technologies, it introduces technical approaches from a content-based copy detection method, while suggesting a copy detection method using the representative color sequence. In particular, this study takes into consideration the distribution environment of the domestic video market and deals with the technical approach in a direction that can control the illegal distribution of high quality videos.

MEMs IMU(Inertial Measurement Unit)를 이용한 보행자추측항법 (pedestrian dead-reckoning, PDR) 시스템은 실내 환경에서 보행자의 위치를 추정하는 기술로, 외부 인프라를 요구하지 않고 저비용으로 위치 추정이 가능한 장점으로 인해 이를 활용한 연구가 활발히 이루어지고 있다. 하지만 PDR 시스템은 센서의 낮은 정밀도 및 시간과 거리에 비례하여 누적되는 오차로 인해 신뢰도가 저하되는 문제가 있어 정확도 향상을 위한 알고리즘과 필터 설계가 중요하다. PDR 시스템은 보행자의 걸음을 판단하는 걸음 검출과정과 이동거리를 추정하는 보폭추정 그리고 보행방향을 결정하는 방향추정 과정을 거치게 되며, 걸음과 보폭은 위치 추정 단계에서 이동 거리 오차에 영향을 준 다. 걸음 검출 및 보폭 추정은 일반적으로 가속도 센서의 측정 데이터를 기반으로 이루어지는데, 중력가속도 기반의 걸음 검출은 비교적 정확하게 측정 가능한 반면 사람의 걸음마다 달라지는 보폭을 반영하지 못하는 문제점이 있다. 본 논문에서는 각속도 센서의 측정 데이터를 이용한 걸음 검출 및 보폭 추정 방법을 제안하였고, 제안하는 방법을 발 부착형 PDR 시스템에 적용하여 실험을 통해 걸음 검출 및 보폭 추정의 정확도를 평가하였다.

PDR system using IMU is proposed as a method for estimating the position in an indoor environment. The PDR system has the advantage of estimating the position without any additional external devices, however, it requires an algorithm and filter design to improve accuracy owing to precision and noise problems. The PDR system estimates the position through step detection, step length estimation, and heading estimation. In the position estimation procedure, the detected step and estimated step length affect the movement distance error. Step detection and step length estimation are generally based on measurement data from an accelerometer. While step detection using gravity acceleration is relatively accurate, it can not reflect the step length that varies with each step of the person. In this paper, a step detection and step length estimation method using gyroscope data is proposed. The proposed method was applied to the foot-mounted PDR system and the accuracy of the step detection and step length estimation was evaluated through experiments.

칵테일 파티 효과란 복수의 화자가 존재하는 공간에서 그 화자들이 동시에 발화를 하는 경우에 인간의 청각 기관에는 모든 소리가 혼합되어 들리지만 인간은 자신이 집중하고자 하는 화자의 소리만을 들을 수 있는 능력을 의미한다. 이는 기계를 사용한 기술로는 구현하기 어려운 인간이 가지고 있는 특별한 능력이며 인간과 인간과의 소통, 더 나아가서는 인간의 탁월한 청각적 인지 능력에 대한 좋은 예가 된다. 컴퓨터 기술이 발전하면서 인간의 다양한 능력들을 기계를 사용하여 구현하고자 하는 많은 노력들이 있었으며 칵테일 파티 효과도 이러한 능력 중 하나의 예로 볼 수 있다. 이러한 기술이 기계로 구현하는 것이 가능해진다면 인간과 기계의 소통, 즉 음성인식 등의 기술이 보다 다양한 환경에서 구현이 가능하게 되며 더 나아가서는 인공지능 관련 기술들이 실생활에 범용적으로 사용이 가능하게 되는 등의 장점이 있다. 본 논문에서는 칵테일 파티 효과와 관련하여 지난 20여년간 개발되어 온 기술들에 대해서 서술하고자 한다. 또한 이러한 기술들을 바탕으로 인간의 소통에 관한 이해를 바탕으로 딥러닝 기술을 사용한 향후 기술발전 방향에 대한 전망도 제시한다.

최근 아일랜드 보건당국, 美송유관 등 全세계적으로 랜섬웨어 피해가 급증하고 있으며, 사회 모든 분야에 피 해를 입히고 있다. 특히, 랜섬웨어 탐지 및 대응에 기존의 탐지방법뿐 아니라 머신러닝 등을 이용한 연구가 늘어 나고 있다. 하지만, 전통적인 머신러닝은 모델이 데이터가 많은 쪽으로 예측하는 경향이 강해 정확한 예측값을 추 출하기 어려운 문제점이 있다. 이에 다수(Majority)의 Non-Ransomware(정상코드 또는 멀웨어)와 소수의(Minorit y) Ransomware로 구성된 불균형(Imbalance) 클래스에서 샘플링 기법을 통해 불균형을 해소하고 랜섬웨어탐지 성능을 향상시키는 기법을 제안하였다. 본 실험에서는 두가지 시나리오(Binary, Multi Classification)을 사용하여 샘플링 기법이 다수 클래스의 탐지 성능을 유지하면서 소수 클래스의 탐지 성능을 개선함을 확인하였다. 특히, 제 안된 혼합샘플링 기법(SMOTE+ENN)이 10% 이상의 성능(G-mean, F1-score) 향상을 도출했다.

Recently, ransomware damage has been increasing rapidly around the world, including Irish health authorities and U.S. oil pipelines, and is causing damage to all sectors of society. In particular, research using machine learning as well as existing detection methods is increasing for ransomware detection and response. However, traditional machine learning has a problem in that it is difficult to extract accurate predictions because the model tends to predict in the direction where there is a lot of data. Accordingly, in an imbalance class consisting of a large number of non-Ransomware (normal code or malware) and a small number of Ransomware, a technique for resolving the imbalance and improving ransomware detection performance is proposed. In this experiment, we use two scenarios (Binary, Multi Classification) to confirm that the sampling technique improves the detection performance of a small number of classes while maintaining the detection performance of a large number of classes. In particular, the proposed mixed sampling technique (SMOTE+ENN) resulted in a performance(G-mean, F1-score) improvement of more than 10%.

본 연구는 유방영상 검사기법을 사용하여 종양의 검출률을 평가하고자 하였다. 유방암 환자 중 FFDM, DBT, BMRI 검사를 시행한 180명을 대상으로 종양의 모양(shape)과 마진(margin)을 score로 평가하고 또, 석회석을 크기에 따라 분류 해서 개수를 평가하였다. 저밀도 유방에서 1cm이상, 고밀도 유방에서 2cm이상 종양은 DBT와 BMRI의 유의한 차이가 없었 다. 또한 미세석회석의 개수는 크기에 관계없이 FFDM, DBT, BMRI순으로 검출률이 높았다. 결론적으로 저밀도 유방에서 종괴가 1cm이상, 고밀도 유방에서 종괴가 2cm이상 일 경우 BMRI를 시행하지 않아도 DBT로 검출이 가능하였다. 그리고 석회석은 크기와 관계없이 FFDM, DBT 순으로 검출률이 높았으며, BMRI는 석회석이 관찰되지 않았다. 향후 종괴성 종양 에 대한 FFDM, DBT, BMRI를 적절히 활용함으로 환자의 부담감을 줄일 수 있는 검사법에 대한 가이드가 될 것이다.

This study aimed to assess detection rate applying the mammographic imaging methods. The evaluation of the shape and margin of tumor was conducted by score oriented to 180 patients who had undergone FFDM, DBT and BMRI scans among breast cancer patients, and the number of calcification was classified by size. There was no significant difference between DBT and BMRI for tumors larger than 1 cm in low-density breasts and for tumors larger than 2 cm in high-density breasts. Moreover, as for the detection rate of number of fine calcification, the highest rate was observed in FFDM followed by DBT and BMRI in the order named regardless of size. In conclusion, DBT was able to be detected even without BMRI if the mass was larger than 1 cm in the low-density breast and larger than 2 cm in the high-density breast. The detection rate of calcification turned out to be the highest in FFDM followed by DBT regardless of size, and calcification was not observed by BMRI. The appropriate use of FFDM, DBT and BMRI with respect to mass tumor will contribute to serving as a guide to examination methods of reducing burden of patients.