[논문]프로그램 코드 분석을 위한 유사도 측정 및 가시화 기법

이영주; 이정진

doi:10.9717/kmms.2013.16.7.802

프로그램 코드 분석을 위한 유사도 측정 및 가시화 기법
A Similarity Measurement and Visualization Method for the Analysis of Program Code 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.16 no.7, 2013년, pp.802 - 809

초록
AI-Helper

본 논문에서는 프로그래밍 언어에 정의되는 지정자와 키워드가 프로그램 코드 상에서 연속적인 패턴으로 나타나게 될 때, 해당 연속 패턴들의 빈도와 길이를 측정하여 두 코드 사이의 유사성을 측정하는 기법을 제안한다. 또한, 이러한 분석 결과를 정형적 개념 분석 기법을 이용하여 가시화하는 기법을 제안한다. 제안 기법은 기존의 유사도 측정 기법에서는 고려하지 않았던 단어 인접성을 유사도 측정에 반영한다. 함수 단위로 지정자와 키워드 패턴을 이용하여 함수의 호출 순서나 수행 순서에 상관없이 표절을 탐지할 수 있다. 또한, 유사도 측정 결과는 정형적 개념 분석 기법을 이용하여 격자(lattice)로 시각화되어 사용자의 이해도를 높일 수 있다. 실험 결과 제안 기법은 96%의 표절 탐지 성공률을 보여주었다. 제안 기법은 프로그램 코드 뿐만 아니라 일반 문서의 분석에도 적용될 수 있다.

Abstract ▼ AI-Helper

In this paper, we propose the similarity measurement method between two program codes by counting the frequency and length of continuous patterns of specifiers and keywords, which exist in two program codes. In addition, we propose the visualization method of this analysis result by formal concept analysis. Proposed method considers adjacencies of specifiers or keywords, which have not been considered in the previous similarity measurements. Proposed method can detect the plagiarism by analyzing the pattern in each function regardless of the order of function call and execution. In addition, the result of the similarity measurement is visualized by the lattice of formal concept analysis to increase the user understanding about the relations between program codes. Experimental results showed that proposed method succeeded in 96% plagiarism detections. Our method could be applied into the analysis of general documents.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

일치 구문을 이용한 유사도 측정 기법은 [10]에서 연구된 바 있으나, 빈도 차이를 반영하지 못하는 단점이 있었다. 따라서 본 연구에서는 빈도 차이를 반영할 수 있는 유사도 측정 기법을 제안한다. 제안 유사도 측정 기법은 근본적으로 유사도 측정에 널리 사용되는 식 (1)의 Dice coefficient [11]의 개념에 기반을 두고 있다.
본 논문에서는 프로그램 코드 분석 및 표절 탐지를 위하여 기존의 지문법과 구조 검사법의 장점을 동시에 취할 수 있는 유사도 측정 및 가시화 기법을 제안한다. 본 논문에서는 프로그래밍 언어에 정의되는 지정자(specifier)와 키워드(keyword)가 코드 상에 연속적인 패턴으로 나타나게 될 때, 특정 지정자와 키워드 연속 패턴들의 길이와 빈도를 측정하여두 코드 사이의 유사성을 측정한다. 또한, 이러한 분석 결과를 정형적 개념 분석 기법을 이용하여 가시화 하는 기법을 제시한다.
본 논문에서는 프로그래밍 언어의 지정자와 키워드 패턴을 사용하여 프로그램 코드들 간의 유사성을 측정하고, 이 측정 결과를 정형적 개념 분석을 이용하여 해석하고 가시화하는 방법론을 제시하였다. 실험 결과 제안 기법은 96%의 표절 탐지 성공률을 보여주었고, 기존 기법[3]의 83%의 표절 탐지 성공률에 비하여 큰 향상이 있었다.
본 논문에서는 프로그램 코드 분석 및 표절 탐지를 위하여 기존의 지문법과 구조 검사법의 장점을 동시에 취할 수 있는 유사도 측정 및 가시화 기법을 제안한다. 본 논문에서는 프로그래밍 언어에 정의되는 지정자(specifier)와 키워드(keyword)가 코드 상에 연속적인 패턴으로 나타나게 될 때, 특정 지정자와 키워드 연속 패턴들의 길이와 빈도를 측정하여두 코드 사이의 유사성을 측정한다.

제안 방법

실험을 위하여 임의의 프로그램 코드 12개를 이용하여 공통으로 사용된 지정자와 키워드 패턴을 추출하고, 컨텍스트를 생성하였다. 그리고, 컨텍스트를 이용하여 컨셉 격자로 프로그램 코드 간의 관계를 시각화하였다. 컨셉 격자 생성은 Concept Explorer[13]를 사용하였다.
또한, 이러한 분석 결과를 정형적 개념 분석 기법을 이용하여 가시화 하는 기법을 제시한다. 기존의 벡터 공간 모델과 같은 단일 단어 기반 분석 기법은 단어의 인접 관계를 고려하지 않지만, 제안 기법은 단어의 인접 관계를 분석하여 지문법의 단점인 코드의 부분적인 표절 탐지의 어려움을 해결할 수 있고, 함수의 호출이나 수행 순서에 무관하게 표절을 탐지할 수 있는 장점을 갖는다. 또한, 유사도 측정 결과는 정형적 개념 분석 기법을 이용하여 격자로 시각화되어 사용자가 프로그램 사이의 관계에 대한 이해도를 높일 수 있다.
다음으로 본 논문에서 제안한 알고리즘 및 유사도 측정 기법을 사용하여 n × n 행렬에 대한 고유 값과 고유 벡터를 구하는 프로그램 코드 간 유사도를 측정하였다.
그러나 이러한 구조는 지정자와 키워드의 연속된 패턴 정보가 표현이 되지 않아 올바른 분석이 힘들다. 따라서 본 논문에서는 기존 단어-문서 행렬과 다른 색인 구조를 사용해야하며 DIG(Document Index Graph) 구조를 프로그램 코드 분석 도메인에 알맞게 보완하여 사용한다[10].
김 등은 함수 선형화 기법을 사용하여 프로그램 코드의 구조적 특징을 분석하는 기법을 제안하였다[4]. 또한, 관련 정보와 유사 구간을 시각적으로 표시하여 가독성을 증가시켰다. 함수 선형화 기법을 이용하여 프로그램 코드의 실제적인 수행 절차와 같이 토큰들을 재배치하여 의미 없는 코드의 삽입이나 함수의 위치 변경 등에도 강인한 분석 결과를 보여주었다.
본 논문에서는 프로그래밍 언어에 정의되는 지정자(specifier)와 키워드(keyword)가 코드 상에 연속적인 패턴으로 나타나게 될 때, 특정 지정자와 키워드 연속 패턴들의 길이와 빈도를 측정하여두 코드 사이의 유사성을 측정한다. 또한, 이러한 분석 결과를 정형적 개념 분석 기법을 이용하여 가시화 하는 기법을 제시한다. 기존의 벡터 공간 모델과 같은 단일 단어 기반 분석 기법은 단어의 인접 관계를 고려하지 않지만, 제안 기법은 단어의 인접 관계를 분석하여 지문법의 단점인 코드의 부분적인 표절 탐지의 어려움을 해결할 수 있고, 함수의 호출이나 수행 순서에 무관하게 표절을 탐지할 수 있는 장점을 갖는다.
Si 등은 문서의 구조를 먼저 분석하고, 중요도가 높은 키워드를 추출하여 이를 특징 벡터로 비교하는 기법을 제안하였다[8]. 문서 내에 문서의 구조를 포함하는 LaTex 문서에서 구조 트리를 구성하고, 이 트리를 토대로 중요도가 높은 키워드 분포도를 알아내어 이를 비교하였다. 하지만, 이 기법은 LaTex으로 작성된 문서에 대해서만 분석이 가능하다는 제약 조건으로 인하여 프로그램 코드 분석에는 적용이 어렵다.
손 등은 프로그램 코드들의 유사도를 측정하는 방법을 제안하였고, 프로그램 코드를 계층적으로 군집화하고, 분석 결과를 수형도로 시각화하는 방법을 제안하였다[3]. 문자 개수, 단어 개수, 키워드 개수, 식별자 개수로 구성된 특징을 추출하여 4차원 공간 상의 점으로 표현한 후 두 프로그램 사이의 관계를 두 점 사이의 유클리디안 거리로 모델링하였다. 또한, 수형도에서 사용자가 입력한 임계값이 임의의 수직선으로 표현되어 표절 분석의 민감도를 사용자가 원하는 수준으로 설정할 수 있다는 장점이 있었다.
본 논문에서는 비교 및 분석해야 하는 프로그램 코드들에 공통으로 사용된 지정자(specifier)와 키워드(keyword)의 연속된 패턴을 프로그램 코드들 사이의 유사도 측정의 근거로 사용한다. 일반적으로 프로그램 코드에서 지정자는 char, int, float, short, void, static, public, new 등이 있고, 키워드는 if, for, return, switch, do, else, this, case, break 등이 있다.
본 연구에서는 [10]에서 제안된 웹 페이지에서 일치 구문을 추출하기 위한 알고리즘을 보완하여 프로그램 코드 전처리 과정 및 최장 공통 패턴(longest common pattern)을 찾는 과정을 추가하였다. 먼저 m_ij를 i번째 프로그램 코드 p_i내에 포함된 j번째 함수로 정의한다.
컨셉 격자를 통한 프로그램 코드 간 관계 시각화 및 해석을 위하여 임의의 프로그램 코드 12개를 사용 하였다. 실험을 위하여 임의의 프로그램 코드 12개를 이용하여 공통으로 사용된 지정자와 키워드 패턴을 추출하고, 컨텍스트를 생성하였다. 그리고, 컨텍스트를 이용하여 컨셉 격자로 프로그램 코드 간의 관계를 시각화하였다.
실험 결과 제안 기법은 96%의 표절 탐지 성공률을 보여주었고, 기존 기법[3]의 83%의 표절 탐지 성공률에 비하여 큰 향상이 있었다. 제안 기법은 기존의 유사도 측정 기법에서는 고려하지 않았던 단어 인접성을 유사도 측정에 반영하였다. 또한, 함수 단위로 지정자와 키워드 패턴을 이용하여 함수의 호출 순서나 수행 순서에 상관없이 표절을 탐지할 수 있다.

대상 데이터

다음으로 본 논문에서 제안한 알고리즘 및 유사도 측정 기법을 사용하여 n × n 행렬에 대한 고유 값과 고유 벡터를 구하는 프로그램 코드 간 유사도를 측정하였다. C++ 언어로 작성된 원본 프로그램 코드에 대하여 멤버 함수의 분할 및 통합, 코드 재배치, 코딩 스타일 변형, 의미 없는 코드의 삽입 등으로 원본 코드 표절한 코드를 총 100개 작성하여 실험하였다. 제안 기법은 총 100개의 코드 중 96개의 코드를 표절로 탐지하여 96%의 탐지 성공률을 보여주었다.
정형적 개념 분석은 주어진 자료를 컨셉(concept)이라 불리는 추상 개념으로 구조화한 후, 하위 개념과 상위 개념 관계로 순서화한 컨셉 격자(concept lattice)로 표현한다[12]. 정형적 개념 분석의 입력으로 사용되는 자료는 컨텍스트라고 부르며, 객체의 집합 E(Entity), 속성의 집합 F(Feature), 객체와 속성의 이항 관계 집합 R(Relationship)로 이루어진 트리플 (E,F,R) 이다. 집합이 유한일 때, 분석 대상의 컨텍스트는 표로 나타낼 수 있고, 다음 표 1은그 사례이다.
컨셉 격자를 통한 프로그램 코드 간 관계 시각화 및 해석을 위하여 임의의 프로그램 코드 12개를 사용 하였다. 실험을 위하여 임의의 프로그램 코드 12개를 이용하여 공통으로 사용된 지정자와 키워드 패턴을 추출하고, 컨텍스트를 생성하였다.

이론/모형

그리고, 컨텍스트를 이용하여 컨셉 격자로 프로그램 코드 간의 관계를 시각화하였다. 컨셉 격자 생성은 Concept Explorer[13]를 사용하였다.

성능/효과

또한, 함수 단위로 지정자와 키워드 패턴을 이용하여 함수의 호출 순서나 수행 순서에 상관없이 표절을 탐지할 수 있다. 공통으로 사용된 지정자와 키워드 패턴을 이용하여 프로 그램 코드를 컨셉 격자로 가시화함으로써 프로그램 코드 간 관계에 대한 이해도를 높일 수 있었다. 향후 연구로는 컨셉 격자에서 컨셉 간의 거리에 프로그램 코드 사이의 유사도를 반영하는 연구를 계획 중이다.
손 등은 프로그램 코드로부터 parse tree를 추출하여 구조적인 정보를 추출한 후 parse tree들 사이의 유사도를 측정하는 기법을 제안하였다[9]. 기존 기법들에 비하여 변수, 함수, 클래스의 이름을 바꾸 거나 함수와 클래스를 융합하거나 분리하는 등의 간단한 표절 기법들에 대하여 좋은 성능을 보여주었으나 다량의 불필요한 코드를 계속 삽입할 경우 제안 기법의 유사도 값이 크게 감소하는 문제점이 있었다.
즉, 프로 그램 코드 G, H와 프로그램 코드 I, J의 유사도에는 한 개의 공통 패턴 const int의 유무에 따른 차이가 반영된 반면, 프로그램 코드 G, H와 프로그램 코드 A, B의 유사도에는 두 개의 공통 패턴 const int, for if this의 유무에 따른 차이가 반영되어 있다. 따라서 프로그램 코드 G, H와 프로그램 코드 I, J 간의 유사도는 프로그램 코드 G, H와 프로그램 코드 A, B 간의 유사도보다 높을 가능성이 크다. 프로그램 코드 G, H는 하나의 컨셉에 속한다.
손 등의 방법[3]에서 제안한 유클리디안 거리에 기반을 둔 유사도 측정 기법으로 동일한 실험을 반복한 결과 탐지 성공률이 최대가 되도록 사용자가 최적의 임계값을 설정하였음에도 불구하고, 83%의 탐지 성공률을 보여주었다. 또한, 다양한 알고리즘들을 C++ 언어로 작성한 10개의 서로 다른 원본 프로그램 코드들에 대하여 제안 기법과 손 등의 방법[3]은 10개 모두 표절이 아닌 것으로 분석하여 0%의 오탐지율을 보여주었다.
문자 개수, 단어 개수, 키워드 개수, 식별자 개수로 구성된 특징을 추출하여 4차원 공간 상의 점으로 표현한 후 두 프로그램 사이의 관계를 두 점 사이의 유클리디안 거리로 모델링하였다. 또한, 수형도에서 사용자가 입력한 임계값이 임의의 수직선으로 표현되어 표절 분석의 민감도를 사용자가 원하는 수준으로 설정할 수 있다는 장점이 있었다. 하지만, 프로그램의 제어 흐름을 고려하지 않았기 때문에 사용자가 프로그램의 실행과 무관한 코드를 삽입하는 경우 표절 여부의 판단에 실패하는 문제점이 있다.
제안 기법은 총 100개의 코드 중 96개의 코드를 표절로 탐지하여 96%의 탐지 성공률을 보여주었다. 손 등의 방법[3]에서 제안한 유클리디안 거리에 기반을 둔 유사도 측정 기법으로 동일한 실험을 반복한 결과 탐지 성공률이 최대가 되도록 사용자가 최적의 임계값을 설정하였음에도 불구하고, 83%의 탐지 성공률을 보여주었다. 또한, 다양한 알고리즘들을 C++ 언어로 작성한 10개의 서로 다른 원본 프로그램 코드들에 대하여 제안 기법과 손 등의 방법[3]은 10개 모두 표절이 아닌 것으로 분석하여 0%의 오탐지율을 보여주었다.
본 논문에서는 프로그래밍 언어의 지정자와 키워드 패턴을 사용하여 프로그램 코드들 간의 유사성을 측정하고, 이 측정 결과를 정형적 개념 분석을 이용하여 해석하고 가시화하는 방법론을 제시하였다. 실험 결과 제안 기법은 96%의 표절 탐지 성공률을 보여주었고, 기존 기법[3]의 83%의 표절 탐지 성공률에 비하여 큰 향상이 있었다. 제안 기법은 기존의 유사도 측정 기법에서는 고려하지 않았던 단어 인접성을 유사도 측정에 반영하였다.
C++ 언어로 작성된 원본 프로그램 코드에 대하여 멤버 함수의 분할 및 통합, 코드 재배치, 코딩 스타일 변형, 의미 없는 코드의 삽입 등으로 원본 코드 표절한 코드를 총 100개 작성하여 실험하였다. 제안 기법은 총 100개의 코드 중 96개의 코드를 표절로 탐지하여 96%의 탐지 성공률을 보여주었다. 손 등의 방법[3]에서 제안한 유클리디안 거리에 기반을 둔 유사도 측정 기법으로 동일한 실험을 반복한 결과 탐지 성공률이 최대가 되도록 사용자가 최적의 임계값을 설정하였음에도 불구하고, 83%의 탐지 성공률을 보여주었다.
먼저 본 논문에서 제안한 지정자와 키워드 패턴 추출 기법을 이용하여 C++ 언어로 작성된 최대공약수와 최소공배수를 구하는 프로그램 코드에 대하여 원본 코드 1과 원본 코드 1에 대하여 함수를 분할하고, 코드를 재배치하는 변형이 가해진 코드 2에 대하여 지정자와 키워드 패턴을 추출하면 지정자와 키워드 패턴의 종류와 길이, 빈도에 관하여 표 2와 같은 분석 결과를 얻을 수 있다. 표 2에서 볼 수 있듯이 다수의 지정자와 키워드 패턴이 공통으로 두 코드에서 검출되는 것을 확인할 수 있고, 제안 기법이 표절 탐지에 유용함을 확인할 수 있었다.
또한, 관련 정보와 유사 구간을 시각적으로 표시하여 가독성을 증가시켰다. 함수 선형화 기법을 이용하여 프로그램 코드의 실제적인 수행 절차와 같이 토큰들을 재배치하여 의미 없는 코드의 삽입이나 함수의 위치 변경 등에도 강인한 분석 결과를 보여주었다. 하지만, 동적 프로그래밍 구현 기법의 사용에 따른 연산 부담이 크고, 기법의 적용이 Java 언어에만 국한된 단점이있다.

후속연구

한 등은 식별자의 동일 여부를 고려한 지문법 기반 탐지 기법을 제안하였다[6,7]. 제안 기법은 오픈 소스를 분석하여 표절 여부를 탐지하였고, 구글의 코드 검색 API와 연동하여 분석이 가능하였으나 사용자가 원본 프로그램의 식별자 명을 바꾼다면, 오픈 소스 코드의 표절 탐지가 불가능하다는 문제점이 있다. 손 등은 프로그램 코드들의 유사도를 측정하는 방법을 제안하였고, 프로그램 코드를 계층적으로 군집화하고, 분석 결과를 수형도로 시각화하는 방법을 제안하였다[3].
공통으로 사용된 지정자와 키워드 패턴을 이용하여 프로 그램 코드를 컨셉 격자로 가시화함으로써 프로그램 코드 간 관계에 대한 이해도를 높일 수 있었다. 향후 연구로는 컨셉 격자에서 컨셉 간의 거리에 프로그램 코드 사이의 유사도를 반영하는 연구를 계획 중이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	지문법은 어떻게 표절 검사를 수행하는가?	기존에 제안된 프로그램 코드 분석 및 표절 탐지기법은 크게 지문(fingerprint)법과 구조 검사법으로 구분된다. 지문법은 두 개의 코드에 사용된 키워드들의 빈도수나 유사성을 분석하여 프로그램 코드의 통계적인 특징을 추출하고, 이를 기반으로 표절 검사를 수행한다[3,5-7]. 지문법은 분석해야할 프로그램 코드의 길이에 영향을 받지 않고, 프로그램 코드 내에 구문의 순서를 변경하더라도 사용된 지정자(specifier), 키워드(keyword)의 빈도수 등을 기준으로 고속으로 분석이 가능하다.
	기존에 제안된 프로그램 코드 분석 및 표절 탐지기법은 어떻게 구분되는가?	기존에 제안된 프로그램 코드 분석 및 표절 탐지기법은 크게 지문(fingerprint)법과 구조 검사법으로 구분된다. 지문법은 두 개의 코드에 사용된 키워드들의 빈도수나 유사성을 분석하여 프로그램 코드의 통계적인 특징을 추출하고, 이를 기반으로 표절 검사를 수행한다[3,5-7].
	최근 프로그램 코드들을 분석하여 상호 유사성을 측정하고, 표절 여부를 판단하는 탐지 기법들에 대한 연구가 활발해진 것은 어떤 이유 때문인가?	그러나 이러한 디지털화된 정보의 폭발적인 증가 속도에 비하여 보안이나 복제 방지에 대한 대책은 미흡한 실정이며 인터넷과 스마트폰 등의 다양한 매체의 활성화에 따른 디지털화된 정보의 급격한 증가는 정보 복제를 더욱 쉽게 만드는 주요인이 되고 있다[2]. 디지털화된 정보 중 프로그램 코드는 특히 복제가 빈번하게 일어나고 있고, 특히 프로그램을 교육하는 경우 학생들이 제출하는 프로그램 과제의 표절 여부를 육안으로 검사하기가 어렵기 때문에 이를 자동으로 탐지해주는 시스템이 필요하다[3]. 또한, 컴퓨터 프로그램 코드에 대한 저작권은 지적재산권의 한 종류로서 마땅히 보호되고, 관리되어야 하지만, 그 침해와 피해 사례는 늘어만 가고 있다[4]. 이러한 필요성에 의하여 최근 프로그램 코드들을 분석하여 상호 유사성을 측정하고, 표절 여부를 판단하는 탐지 기법들에 대한 연구가 활발히 수행되고 있다.

참고문헌 (13)

A. Barabasi, R. Albert, and H. Jeong, "Scalefree Characteristics of Random Networks: the Topology of the World-wide Web," Physica, Vol. 281, No. 1, pp. 69-77, 2000.

상세보기
김영철, 최재영, "구문트리에서 키워드 추출을 이용한 프로그램 유사도 평가," 정보처리학회 논문지, 제12권, 제2호, pp. 109-116, 2005.

원문보기 상세보기
손기락, 문승미, "계층적 군집화 기법을 이용한 소스 코드 표절 검사," 정보교육학회논문지, 제11권, 제1호, pp. 91-98, 2007.
김은혜, 이송아, 허준, 한경숙, 오용철, "자바소스코드 유사도 측정 시스템," 한국정보과학회 학술발표논문집, 제34권, 제2호, pp. 536-539, 2007.
D. Grune and M. Huntjens, "Het Detecteren van Kopieen bij Informatica-practica," Informatie, Vol. 31, No. 11, pp. 864-867, 1989.
한소정, 용환승, "오픈 소스코드 표절 탐지 기법," 한국정보처리학회 추계학술발표대회 논문집, 제15권, 제2호, pp. 1459-1461, 2008.
한소정, 오픈 소스코드 표절 탐지 기법, 이화여자대학교 석사논문, 2009.
A. Si, H.V. Leong, and R.W.H. Lau, "CHECK: a Document Plagiarism Detection System," Proc. the 1997 ACM Symposium on Applied Computing, pp. 70-77, 1997.
손정우, 박성배, 이상조, 박세영, "Parse tree kernel을 이용한 소스코드 표절 검출," 한국컴퓨터종합학술대회 논문지, 제33권, 제1호, pp. 157- 159, 2006.
K.M. Hammouda and M.S. Kamel, "Efficient Phrase-Based Document Indexing for Web Document Clustering," IEEE Transactions on Knowledge and Data Engineering, Vol. 16, No. 10, pp. 1279-1296, 2004.

상세보기
이정진, 이호, 김정곤, 이창경, 신영길, 이윤철, 이민선, "동적 MR 영상에서 비강체 정합과 감산 기법을 이용한 자동 전립선 분할 기법," 멀티미디어학회논문지, 제14권, 제3호, pp. 348-355, 2011.
P. Boucher-Ryan and D. Bridge, "Collaborative Recommending using Formal Concept Analysis," Research and Development in Intelligent Systems XXII , Vol. 19, No. 1, pp. 205-218, 2006.
S.A. Yevtushenko, "System of Data Analysis Concept Explorer," Proc. the 7th national conference on Artificial Intelligence KII-2000, p. 127-134, 2000.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증