최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 급증하는 보이스피싱 피해 예방을 위해 빅데이터와 이상거래탐지시스템(FDS)을 활용한 예측 방안을 제시한다. 머신러닝 기반 FDS에 보이스피싱 관련 데이터를 결합하여 피해 예측 모델 개발의 개념적 기반을 마련했으며, 데이터 수집 및 보안 문제로 구체적인 모델 제시에는 한계가 있었다. 하지만, 기존 연구가 부족했던 보이스피싱 대응에 FDS 융합 방안을 최초로 제시했다는 점에서 의의를 가진다.
보이스피싱 =
보이스피싱의 예방과 대책마련을 위한 연구 =
보이스피싱 범행단계별 대응방안 연구=
도덕적인 AI : 딥페이크부터 로봇 의사까지, 인공지능 윤리를 위한 일곱 가지 물음
Machine learning forensics for law enforcement, security, and intelligence
범죄유발지역·공간에 대한 위험성 평가도구 개발·적용 및 정책대안에 관한 연구.
빅데이터를 활용한 범죄 예측 : 머신러닝을 중심으로
국내거주 외국인의 조직범죄 실태와 대책 연구 =
중국 동북지역 한국관련 마약범죄와 보이스피싱범죄의 실태 및 대응방안에 관한 연구 =
Hidden Markov models : applications to financial economics
범죄와 AI
범죄와 AI
프로파일링 =
딥페이크 생성과 탐지
피싱의 경제학 : 인간 약점을 파고드는 시장 경제의 은밀한 조작과 속임수
(금융 전문가를 위한) 머신러닝 알고리즘 : 파이썬으로 배우는 금융 머신러닝 알고리즘의 원리와 활용
딥페이크 허위정보 대응을 위한 연구
Cyber frauds, scams and their victims
적대적 머신러닝 : 머신러닝 알고리즘으로 시스템 보안 공격과 방어
인공지능, 보안을 배우다 : 프로젝트로 익히는 정보 보안과 머신러닝
시큐리티연구
김대호; 장광호교정상담학연구
이충민, 박호정정보과학회 컴퓨팅의 실제 논문지
양지훈, 이충훈, 김성백정보보호학회논문지
한치훈; 김범수; 박재영범죄수사학연구
정제용; 염윤호한국범죄학
김혜진정보보호학회논문지
정의석, 임종인한국융합학회논문지
김정훈; 고준영; 이근호한국전자거래학회지
김상민; 노승민한국치안행정논집
신성원경찰학연구
최관; 김민지한국재난정보학회 논문집
오세연; 송혜진형사정책
윤해성한국융합학회논문지
강재구; 이지연; 유연우한국IT서비스학회지
조수현; 이유우; 최명길범죄수사학연구
김은정범죄수사학연구
도선희한국공안행정학회보
채문희, 박찬혁경찰학연구
홍동규, 홍순민, 김한결사물인터넷융복합논문지
정유태, 조광문전선 / 대학원
소음진동 데이터의 측정과 분석기법을 이해하기 위하여, 주로 랜덤데이타 분류, 코릴레이션 함수, 스펙트럼 밀도함수, 통계적 오차, 시스템 응답함수, 디지털 데이터 획득기법, FFT 구현 및 소음진동문제의 응용예들을 다룬다.전선 / 대학원
소셜 컴퓨팅과 라지데이터 분석 등이 커뮤니케이션 분야에서도 중요한 이슈로 부상함에 따라 컴퓨터공학을 전공하지 않은 연구자들도 소셜 네트웍 시스템의 기술적, 구조적 특성을 이해할 필요가 있다. 이 수업에서는 Ruby나 Python 등을 사용한 기초 프로그래밍 학습과, 웹 기반 기술(web technology), 데이터베이스 등의 관련 기술에 대한 학습을 통해 실제로 소셜 네트웍을 개발하고 분석하는 방법을 배운다. 또한, 이 과정에서 트위터 등의 소셜 네트웍의 데이터 마이닝 기법을 배우고 소셜 네트웍 분석을 실습을 통해 학습한다.전선 / 대학원
현대사회의 다양한 공공안전과 관련된 이슈들 중 특히 범죄와 관련된 제반 이론들과 그에 기초하여 정부가 시행하는 다양한 정책 및 프로그램들의 효과성에 대하여 논의한다. 특히, 최근 이슈가 되고 있는 다양한 유형의 주요 범죄들에 대한 정부의 대응을 평가하며 구체적인 형사사법기관인 경찰, 검찰, 법원, 교도의 각 영역별 주요이슈와 논점들에 대하여 학습한다.전선 / 대학원
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.전선 / 학사
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.전선 / 학사
인공지능 기술의 발달로 외국어교육 연구에서도 많은 혁신이 요구된다. 본 강의에서는 인공지능 기술을 언어교육에 활용하는 방안을 모색해 본다. 구체적으로, 본 과목은 언어 학습자 및 언어 교육 맥락에 대한 이해를 바탕으로 다양한 언어 교육 목적의 테크놀로지를 활용하여 언어를 교수하고 평가하는 방법을 익히는 것을 목적으로 한다. 이를 위해 언어입력, 출력, 상호작용, 피드백과 같이 언어교육 및 발달과 관련한 주요 개념을 익히고, 다양한 인공지능 도구를 활용하고 적용해 본다.전선 / 대학원
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.전선 / 학사
이 강좌는 사회 현상의 새로운 보고(寶庫)인 ‘소셜 빅데이터(social big data)’를 수집하고 분석하는 방법을 다룬다. ‘초연결사회’가 도래하면서 사람과 사물의 사회적 행동 및 관계들 상당 부분이 디지털 빅데이터로 서버에 저장되어 분석을 기다리고 있다. 이 ‘소셜 빅데이터’는 전통적인 사회조사분석의 패턴, 즉 설문 조사, 표본 조사, 정형 데이터, 통계 분석 등의 조합과는 또 다른 조사 분석의 환경과 방법을 요구한다. 이를 위해서는 적어도 Open API 를 활용한 데이터 수집, 텍스트 내용 분석, 소셜 네트워크 분석, 기계 학습, 스크립트에 의한 분석흐름 제어 방법 등이 필요하다. 개념적인 소개와 더불어 실제 빅데이터를 직접 수집해서 다양하게 주물러 보는 체험을 해봄으로써, 수학과 프로그래밍을 전공하지 않은 보통의 문과 사회과학도라도 ‘소셜 빅데이터’를 두려움 없이 다룰 수 있는 기초 소양을 쌓도록 하는 것이 이 강좌의 목표이다.전선 / 대학원
이 과목에서는 빅데이터의 시대를 맞이하여 탐색적 자료분석과 확증적 자료분석을 보다 일반화한 개념인 알고리즘과 통계적 추론의 발전과정에 대해서 공부한다. 먼저 통계학 분야의 대표적인 3개의 학파, 베이지안(Bayesian), 빈도주의(Frequentist), 우도주의 (Fisherian)에 대해서 알아본 후 교차검증과 모형선택, 축소추정량, 경험적 베이즈 방법론, 재표본 추출법, 생존분석과 EM 알고리즘, MCMC, 다중비교과 같은 최신통계 방법론을 소개한다.전선 / 학사
인공지능과 데이터 과학이 급속히 발전하면서 인류와 사회에 커다란 영향을 끼치고 있다. 빅데이터를 기반으로 학습된 인공지능 알고리듬이 다양한 선택과 의사결정에 폭넓게 사용되기 시작하고, 인간의 개입과 통제가 감소하면서 공정성, 책임, 신뢰성, 투명성, 프라이버시 등의 문제가 제기되고 있다. 이 강의는 인공지능과 데이터 과학이 작동하는 방식에 대한 개념적인 수준의 이해에서 출발하여, 데이터의 수집, 생성, 분석, 유통 과정에서 제기될 수 있는 여러 윤리적 문제들과 어느 정도의 자율성을 가지는 인공지능 알고리듬의 책임성 있는 설계 및 사용과 관련된 여러 윤리적 쟁점들을 살펴본다. 이를 통해, 이 수업은 인공지능과 빅데이터의 시대를 살아가야할 지성인에게 비판적인 디지털 문해력을 제공할 것이다.전선 / 대학원
소비자복지와 관련한 정보부족 등 시장실패, 반독점활동, 정보제공요구, 광고규제, 규제기관과 관련한 문제와 정책의 연구들이 특정이익 혹은 공익을 보호할 수 있는 차원에서 고찰된다.전선 / 대학원
경제법에 대한 기본적인 이해를 전제로 하여 경제법의 중요분야(예컨대 독점규제법, 중소기업법, 소비자보호법, 물가규제법, 개별 산업규제법 등)에 대하여 구체적인 사례를 중심으로 경제법의 실제적인 기능과 그 문제점을 파악하도록 한다.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
컴퓨터 청각(Machine Listening; Computer Audition) 분야는 컴퓨터 비전(Computer Vision)과 더불어 인공지능에서 가장 활용 분야가 넓은 연구 분야 중 하나이다. 시리 등의 음성인식 알고리즘부터 오디오 핑거프린팅을 이용한 자동 음악검색 등 이미 많은 컴퓨터 청각 관련 서비스들이 우리 생활 깊숙이 침투해 있다. 본 교과목은 강의를 통해 인공청각지능 또는 컴퓨터 청각 시스템을 만들기 위해 사용되고 있는 최첨단 기계학습 알고리즘들의 기본 원리에 대해 알아보고, 랩 세션을 활용하여 이러한 알고리즘들을 실제로 구현해본다. 최종적으로는 기말과제를 통하여 오디오/음악/청각인지 등에 실제로 적용할 수 있는 시스템을 구축하는 것을 목표로 한다.전선 / 대학원
컴퓨터 청각(Machine Listening; Computer Audition) 분야는 컴퓨터 비전(Computer Vision)과 더불어 인공지능에서 가장 활용 분야가 넓은 연구 분야 중 하나이다. 시리 등의 음성인식 알고리즘부터 오디오 핑거프린팅을 이용한 자동 음악검색 등 이미 많은 컴퓨터 청각 관련 서비스들이 우리 생활 깊숙이 침투해 있다. 본 교과목은 강의를 통해 인공청각지능 또는 컴퓨터 청각 시스템을 만들기 위해 사용되고 있는 최첨단 기계학습 알고리즘들의 기본 원리에 대해 알아보고, 랩 세션을 활용하여 이러한 알고리즘들을 실제로 구현해본다. 최종적으로는 기말과제를 통하여 오디오/음악/청각인지 등에 실제로 적용할 수 있는 시스템을 구축하는 것을 목표로 한다.전선 / 학사
현대의 과학, 공학, 그리고 경영의 응용시스템은 데이터에 점점 더 많이 의존하게 되었지만 전통적인 데이터 분석 기술들은 복잡한 빅 데이터 시대에 맞도록 설계되어 있지 않는 실정이다. 데이터를 수집, 저장, 가공하여 그 안에서 지식을 추출하는 빅 데이터 분석은 새로운 과제들을 탐구하는 흥미 있고 빠르게 발전하는 하나의 학문으로 등장하였다. 본 강의에서는 프로그래밍 경험이 많지 않는 학생들을 대상으로 데이터의 수집 및 분석뿐만 아니라 데이터 프로그래밍 언어의 사용에도 초점을 맞춰 이를 바탕으로 빅 데이터 분석의 토대를 마련하는 것을 목표로 한다.전선 / 대학원
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.전선 / 대학원
본 강좌는 인공지능 시스템과 관련된 법적 쟁점들, 즉 로보틱스 등 자율시스템으로부터의 위해의 통제, 분류모델의 공정성·투명성, 공정 기계학습, 설명 가능 인공지능, 프라이버시 보존 데이터 마이닝 및 분석, 가격결정 에이전트와 시장질서, 자율살상무기, 디지털서비스 법체계와의 관계, 기타 규범적 쟁점, 인공지능을 통한 법체계의 고도화, 법학방법론으로서의 인공지능 등을 탐구한다.전선 / 학사
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 학습한다.