I. 지도 학습의 개요 가. 지도 학습 (Supervised Learning)의 개념 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning) 기법 나. 지도 학습의 특징 명시적인 정답이 주어진 상황에서 기계를 학습 시키기 위해 데이터와 레이블을 사용 사람이 목표값에 개입하므로 정확도가 높으나 시간이 오래걸리고 필요 데이터량이 많음 II. 지도 학습의 기법 및 알고리즘 가. 지도
I. WPA3 (Wi-Fi Protected Access 3)의 개요 가. WPA3의 개념과 필요성 개념 필요성 안전한 Wi-Fi(IEEE 802.11 표준) 무선 네트워크 통신을 위한 Personal/Enterprise 모드의 SAE 기반 암호화 방식 개선 기술 – WPA2의 802.1x와 PSK 기반 취약점 개선 – Personal 모드 스누핑 취약점 개선 필요 – 개방형 네트워크 암호화 기반 보안성 확보 Wi-Fi Alliance에서 2018년 6월에 발표한
I. SDN (Software Defined Networking) 가. SDN (소프트웨어 정의 네트워킹)의 개념 개방형 API(오픈플로우)를 통해 네트워크의 트래픽 전달 동작을 소프트웨어 기반 컨트롤러에서 제어/관리하는 기술 ONF(Open Networking Foundation)의 오픈플로우 프로토콜 표준 존재 IETF의 SDN RG 및 I2RS WG, SPRING WG 등의 워킹그룹을 통해 표준화 나. SDN의 필요성 트래픽패턴변화 Server-Client 간 트래픽 패턴에서 Peer-to-Peer 형태의 트래픽 패턴으로 다양화
I. 제로 트러스트 (Zero Trust)의 개요 가. 제로 트러스트의 개념 내/외부에 관계없이 모든 사용자나 시스템의 연결에 대해 검증 후 신뢰하는 네트워크 보안 모델 나. 제로 트러스트의 필요성 방화벽 내부 신뢰성이 부여된 시스템을 통한 내부 해킹 위협 증가 클라우드 및 모바일 환경 증가에 따른 보안 경계 수립 어려움 정보보호 대상이 시스템 중심에서 데이터, 사용자, 워크로드 등
I. 양자 암호 기술의 개요 가. 양자 암호 기술의 개념 양자의 중첩, 얽힘, 불확정성 특성 기반 도청이 불가능한 안전한 통신을 위한 암호 기술 나. 양자 암호 기술의 필요성 현대 암호 기술의 수학적 계산 복잡도에 의존하는 근본적 보안 취약성 대응 필요 기존 컴퓨팅 한계를 넘는 고성능 양자 컴퓨터의 출현 및 이를 활용한 공격 위협 대두 양자
I. 사이버 복원력(Cyber Redilience)의 개념 사이버 복원력 또는 탄력성(사이버 레질리언스) 조직 내/외부의 예측 불가능한 위협 및 부정적 영향에 대응하는 보안전략 수립 및 리스크 해소 역량 II. 사이버 복원력의 구성요소 및 확보 단계 가. 사이버 복원력의 구성요소 구성요소 설명 비즈니스 영향 분석 위협 요인 분석 기반 우선순위 도출 보안정책 통제 비즈니스 목적 설명 및 문서화를
I. 초연결 지능형 네트워크의 개념 및 필요성/기대효과 가. 초연결 지능형 네트워크의 개념 모든 사람과 사물이 연결되어 지속적으로 데이터를 수집/분석하는 차세대 네트워크 나. 초연결 지능형 네트워크의 필요성/기대효과 II. 초연결 지능형 네트워크 기술 설명 가. 초연결 지능형 네트워크 분류 별 특징 및 역할 5G 이동통신망은 개인생활 지능화, 10G 유선망은 국가 인프라기반, IoT 연동망은 사물데이터 수집 역할
I. 라우팅 테이블 개요 가. 라우팅 테이블의 개념 로컬 시스템이 서로 다른 서브넷을 가지는 원격 시스템과 통신하기 위해 원격 시스템이 속한 서브넷으로 패킷을 전달하는데 참조하는 네트워크 경로 정보 나. 라우팅 테이블의 필요성 Local Server에서 Local Server와 다른 Subnet을 가지는 Remote Server와 통신하기 위해서는 Remote Server가 속한 Subnet 정보를 확인하여 Routing Table을 추가하여야 한다. 모든 트래픽이
I. 사물 인식 기술, 패턴인식 문자, 물체 등을 인식하기 위해 표준 패턴과 입력 패턴 비교 기반 사물 식별 및 클래스 구분 기술 II. 패턴인식 시스템 처리 단계 가. 패턴인식 시스템 처리 단계 나. 패턴인식 시스템 처리 단계 별 기술 요소 처리 단계 기술 요소 설명 수집 /전처리 – 표본화, 정규화 – Noise 제거 –
I. 학습치 재사용 기법, 전이 학습 개념 필요성 데이터 세트가 유사한 분야에 학습치를 전이하여 Fine Tuning 기반 신경망 학습 재사용 기법 – 데이터 부족 해소 – 학습 시간 단축 – 학습치 재사용 II. 전이 학습의 메커니즘 및 알고리즘 유형 가. 전이 학습의 절차도/메커니즘 절차도 메커니즘 ① Feature Learning Data Set 기반 학습 수행 ②