1. 클라우드 환경의 포렌식, 클라우드 포렌식의 배경 클라우드 환경은 데이터센터가 지리적으로 분산되어 데이터 확보가 어려워 기존 디지털 포렌식 기술을 적용하기 어려우므로 별도의 포렌식 방법/절차가 필요 2. 클라우드 포렌식 (Cloud Forensics) 조사 절차 (1) 클라우드 포렌식 조사 프로세스 클라우드 서비스에 대한 조사는 로그인 정보의 획득 여부에 따라 다양하게 구분 (2) 클라우드 포렌식 핵심 조사 활동
1. 양방향 WPAN 통신, 블루투스 5 기기간 효율적 근거리 무선 통신 위해 FEC 등 적용한 ISM 밴드 기반 저전력 WPAN 무선 통신 기술 IEEE 802.15.1 표준 기반 2Mbps PHY, 전송 거리 확장(최대 400M) 2. 블루투스 5의 스택과 기술 요소 (1) 블루투스 5의 Protocol Stack (2) 블루투스 5 구현을 위한 기술 요소 구분 기술 요소
1. 실내 측위 기술의 개요 (1) 실내 측위 기술의 개념 Wi-Fi, 센서, 비콘 등 무선 기술을 활용하여 건물 내부에서 위치를 파악하는 기술 (2) 실내 측위 기술의 특징 구조/시설물 – 실내 공간 존재 구조물로 이동 제약 입체 구조 반영 – 다층 구조 입체 구성을 반영하는 체계 다양한 측위기술 – Wi-Fi, 센서, 비콘 등 다양한 측정 기술
I. 조직측면 CARTA 실현, DevSecOps 보안팀, 프로세스 및 툴을 DevOps에 통합하여 보안팀과 개발팀 간 장벽을 해소한 공동 작업 기법 II. DevSecOps 라이프사이클 및 주요 기술 가. DevSecOps의 라이프사이클 개발 전 주기에 보안을 강화하여 수명주기 확보하며 검증강화 나. DevSecOps 활용을 위한 주요기술 구분 기술 요소 설명 이슈 관리 Jira – 이슈 사항 등록, 모니터링 Splunk
1. LTE기반 장치 간 저전력 통신 LPWAN 기술, LTE-M (1) LTE-M(Machine Type Communication)의 개념 이동통신망 이용 사물인터넷 통신을 위해 LPWA 장치 간 메시지 전송하는 무선 통신 기술 (2) LTE-M의 특징 저전력 모드 – PSM(Power Saving Mode) 기능 추가 면허 대역 주파수 – 주파수 간섭 인한 통신 품질 저하 없음 Global Network – Roaming을 통한 글로벌
1. ISM 대역 저전력, 장거리 통신 LPWAN 기술, Sigfox (1) Sigfox의 개념 비면허 대역의 저전력, 저비용, 고신뢰 네트워크를 구성하는 장거리 커버리지 제공 무선 통신 기술 ETSI 표준 주도, 프랑스 SIGFOX사에서 개발, 100Hz Uplink(BPSK), 600Hz Downlink(GFSK) 대역폭 (2) Sigfox의 특징 특징 구성요소 저전력/저비용/장거리 – 저전력 배터리, 기존 칩셋 사용, ~146/162dB 커버리지 비면허 대역 – ISM 주파수 대역(<
1. ISM 대역 저전력, 장거리 통신 LPWAN 기술, LoRa (1) LoRa(Long Range)의 개념 ISM 주파수 대역의 저전력, 저비용, 고신뢰 네트워크를 구성하는 장거리 커버리지 제공 무선 통신 기술 LoRa Alliance에서 표준 주도, 125 ~ 500KHz 대역폭, Chirp FSK(CSS, Chirp Spread Spectrum) 변조 (2) LoRa의 특징 특징 세부 요소 저전력/저비용/장거리 – 5년, 저렴한 모듈, 수 km 커버리지 속도/거리
1. 저지연/고신뢰 자율주행 기술, eV2X (1) eV2X의 개념 스마트카의 자율주행을 실현하기 위해 고도 주행, 센서 확장 기반 저지연/고신뢰 차량 통신 기술 (2) V2X와 eV2X의 차이점 V2X eV2X – 4G LTE 기반 이동통신 활용 – DSRC, WAVE 등 일반통신 – 3GPP Rel 15 이하 통신표준 – 4G/5G 초저지연 이동통신 – NR 및 D2D 기반 고신뢰 –
1. 데브옵스 (DevOps) 개념 개발과 운영의 합성어로 개발과 운영 간의 상호 작용을 원활하게 하기 위한 개발 방법론 목적 개발자와 비 개발자 사이의 대화, 협동, 통합을 강조하고 담당 업무와 직급 간 상호 이해를 추구 신뢰성, 보안성 기반 빠른 개발→테스팅→배포 순환 2. 데브옵스의 구성요소 구분 구성요소 요소 설명 품질 테스트 자동화 – 서비스 통합/시스템 테스트 –
1. 영상 내 사물 인식, RCNN (Region-based CNN) 입력 영상 내 사물 인식을 위한 사물의 영역 탐지 및 사물 특징 추출, 분류 CNN 기반 신경망 알고리즘 2. RCNN의 구성도 및 구성요소 (1) RCNN의 구성도 ① 이미지 입력 ② 2000개 정도 Region Proposal 추출(Selective Search) ③ Cropping(자르기), Warping(크기 동일화), Feature 추출 ④ 각 Region Proposal