http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
웹사이트의 구조를 고려한 개인정보 노출 위험도 계산 기법
이수경(Sue Kyoung Lee),손진식(Jin Sik Son),김관호(Kwanho Kim) 한국전자거래학회 2016 한국전자거래학회지 Vol.21 No.1
본 연구에서는 개인정보가 웹사이트에 노출될 시 위험 정도를 수치화할 수 있는 웹사이트 구조기반의 개인정보 노출 위험도 모델을 정의하기 위해 아래와 같은 두 가지 측면을 고려한다. 첫 번째는 개인정보가 노출되었을 경우 얼마나 민감한 정보인가에 따라 위험수준을 정의한다. 두 번째는 개인정보의 실제 노출 가능성을 측정하기 위해 웹페이지의 예상 방문 확률을 계산하여 어느 웹페이지에 노출된 개인정보가 더 위험한지 판별한다. 이를 바탕으로 대학교, 은행, 중앙 행정 기관, 시 · 도 교육청 4개의 분류를 선정하여 웹사이트 위험도를 측정하였다. 실험 결과, 은행은 다른 분류에 비해 상대적으로 잘 관리되고 있었으며 시 · 도 교육청, 중앙행정 기관, 대학교의 경우 웹사이트 위험도가 높게 측정되었다. 마지막으로, 본 연구는 개인정보 노출 문제의 완화를 위한 우선순위 기반 대처방안 수립에 도움을 줄 것으로 기대한다. This research proposes a method that aims to evaluate the risk levels of websites based on exposure risks of privacy information. The proposed method considers two aspects as follows. First, we define the risk levels of each privacy information according to its own inherent risk. Second, we calculate the visiting probability of a webpage to measure the expected of the actual exposure of privacy information on that webpage. In this research, we implemented an system to prove that automatically collects websites and calculates their risk levels. For the experiments, we used a real world dataset consisting of a total of websites for 4 categories such as university, bank, central government agency, and education. The experiment results show that the websites in the bank category are relatively well managed, while the others are needed to cope with the exposure of privacy information. Finally, the proposed method in this research is expected to be further utilized in establishing a priority-based approach to alleviate of the privacy information exposure problems.
학회 웹사이트의 토픽 정보추출을 이용한 주제에 따른 학회 자동분류 기법
이수경(Sue Kyoung Lee),김관호(Kwanho Kim) 한국전자거래학회 2017 한국전자거래학회지 Vol.22 No.2
최근 온라인상에 게시된 학회정보가 급증함으로써 주제에 따른 학회정보의 자동분류는 연구자들에게 효율적인 관련 학회 탐색을 가능하게 한다. 그러나 대부분의 학회 목록 제공서비스에서는 학회명칭, 날짜, 위치, URL 등의 정보만 제공하기 때문에 학회 주제를 파악할 수 있는 정보는 학회명칭에 국한된다. 따라서 본 연구에서는 URL을 통한 학회 웹사이트의 토픽정보를 추출함으로써 학회정보량의 부족문제를 해결하고, 동시에 양질의 정보로 학습의 성능을 향상시키는 기법을 제안한다. 구체적으로는 웹사이트 URL을 통해 수집한 HTML문서로부터 주요 콘텐츠를 추출하고, 학회명칭과 유사한 토픽 키워드 정보를 선정하여 추가 가중치를 부여한다. 실 데이터를 활용한 실험 결과, 제안된 방법인 추가적인 웹 콘텐츠 정보의 사용은 주제에 따른 학회 분류의 성능을 성공적으로 향상시킬 수 있음을 확인하였다. 추후연구에서는 웹 사이트의 구조를 고려한 토픽 정보추출을 통해 분류의 정확성을 더욱 향상시킬 계획이다. Recently, the number of academic conference information on the Internet has rapidly increased, the automatic classification of academic conference information according to research subjects enables researchers to find the related academic conference efficiently. Information provided by most conference listing services is limited to title, date, location, and website URL. However, among these features, the only feature containing topical words is title, which causes information insufficiency problem. Therefore, we propose methods that aim to resolve information insufficiency problem by utilizing web contents. Specifically, the proposed methods the extract main contents from a HTML document collected by using a website URL. Based on the similarity between the title of a conference and its main contents, the topical keywords are selected to enforce the important keywords among the main contents. The experiment results conducted by using a real-world dataset showed that the use of additional information extracted from the conference websites is successful in improving the conference classification performances. We plan to further improve the accuracy of conference classification by considering the structure of websites.
산림전용 및 황폐화 방지를 통한 온실가스 감축방안(REDD 및 plus) 논의동향 및 도입 전망
이수경(Sue Kyoung Lee),최현아(Hyun-Ah Choi),손요환(Yowhan Son),이우균(Woo-Kyun Lee) 한국에너지기후변화학회 2010 에너지기후변화학회지 Vol.5 No.2
Carbon emissions from deforestation and degradation account for about 20% of global anthropogenic emissions. Strategies and incentives for reducing carbon emissions from deforestation and degradation(REDD) has become key issues and major component of continuing negotiations under the United Nations Framework Convention on Climate Change(UNFCCC). This study aims to address a future direction of REDD/REDD-plus project based on current issues that we review methods available to apply REDD/REDD-plus project. The focal point of this paper is to analyze how the norms prevailing in the international REDD framework are reflected in the design of the REDD mechanism.
강원도 고성군 소규모 신규조림/재조림 CDM 시범사업의 온실가스 감축량 산정 연구
손요환 ( Yow Han Son ),김지연 ( Ji Yeon Kim ),이수경 ( Sue Kyoung Lee ),노남진 ( Nam Jin Noh ),윤태경 ( Tae Kyung Yoon ),한새롬 ( Sae Rom Han ),( Gui Shan Cui ),이우균 ( Woo Kyun Lee ) 한국산림과학회 2013 한국산림과학회지 Vol.102 No.3
Afforestation/reforestation (A/R) clean development mechanism (CDM) is the only forestry-based activities allowed under the Kyoto protocol. This study was conducted to develop a methodology to estimate greenhouse gas (GHG) removals of a small scale A/R CDM pilot project in Goseong, Gangwon Province,Korea. AR-AMS0001 was applied as a methodology and selected tree species were Pinus koraiensis, Larix kaempferi, and Betula platyphylla for total area of 75.0 ha. To improve the accuracy on the GHG removals estimation, selection of the baseline scenario and carbon pools and stratification of the project site were conducted. Based on the developed methodology, net anthropogenic GHG removals were estimated as actual net GHG removals, subtracted by baseline net greenhouse gas removals and leakage. As a result, anthropogenic GHG removals of the project were 12,415 ton CO2-e and 165.5 ton CO2-e/ha. This project is the first A/R CDM in domestic site and could enhance the technical accuracy of the GHG removals estimation by using countryspecific data reflecting the site condition.
김해림(Haelim Kim),전용호(Yongho Jeon),박재형(Jaehyung Park),윤한삼(Hansam Yoon) 한국해양환경·에너지학회 2021 한국해양환경·에너지학회 학술대회논문집 Vol.2021 No.5
본 연구에서는 임의의 관측지에서의 조위를 예측하기 위하여 인근 조위 관측소의 조위 관측자료를 입력으로 하는 딥러닝 모델을 제시한다. 시계열 데이터 예측에 뛰어나다고 알려져 있는 순환신경망(RNN, Recurrent Neural Network) 모델을 사용하였으며, 모델의 훈련 및 검증을 위하여 울산 조위관측소와 부산 조위관측소의 조위 데이터를 이용하였다. 조위 예측의 정확도를 평가하기 위하여 평균 제곱급 오차(RMSE, Root Mean Square Error) 및 상관계수(CC, Correlation Coefficient)를 계산한 결과, 각각 5cm, 0.95로 높은 정확도가 나타났다. 또한 예측된 데이터를 조화 분해하여 실제 조위 데이터의 결과와 비교하였을 때 4대 분조 모두에서 진폭 정확도 95% 이상, 위상차 4° 이하가 나타났다. In this research, tidal level of an arbitrary station is predicted by using a deep learning model. RNN (Recurrent Neural Network) model is used and tidal level data of Ulsan tide station and Busan tide station is used for model training and validation. To evaluate the model performance, accuracy of the developed model is discussed in terms of root mean square error (RMSE) and correlation coefficient (CC) of the predicted tidal level. The results indicated that the model had a high accuracy. Also, harmonic analysis is conducted to compare similarities with observed data. As a result, accuracy of the amplitude was more than 95% and the phase difference was less than 4° in all four largeness tide value.