[논문]기만적 데이터 시각화 사례 연구

김시현; 박진완

doi:10.9728/dcs.2018.19.3.521

초록
AI-Helper

데이터 시각화는 정보 전달의 유용한 도구로 자리 잡아, 전문가뿐만 아니라 일반적인 수준에서도 널리 쓰이고 있다. 하지만 효율적인 만큼 그릇된 정보를 전달하기도 쉽다는 위험을 안고 있다. 모든 데이터 시각화에는 편집자의 의도가 숨어있으며, 때로는 강력한 메시지가 담겨 있다. 이러한 의도를 파악하는 시스템을 구축하는 것은 집단이나 개인의 사상을 이해하는 데에 도움이 되고, 오용된 데이터에 대처할 수 있는 방안이 된다. 기존의 연구 방향은 효과적인 데이터 시각화 방법에 대한 고찰이나 표현 방식에 초점을 둔 연구가 대부분이다. 시각화 방식이 다양해질수록 데이터가 왜곡될 가능성이 커질 것이므로 충분한 대응책이 필요하다. 본 논문에서는 목적 지향적 환경에서 벌어지는 기만적 데이터 시각화에 대한 분석을 제시한다. 인간의 인지 프로세싱이 갖는 취약점을 바탕으로 공격 유형을 분류하여, 데이터 시각화의 맥락에서 어떠한 속임수가 발생하는지 확인한다. 이 연구는 공격적 시각화 사례를 연구하는 첫 번째 단계를 제시하여 추가 연구의 길을 열 것으로 기대한다.

Abstract ▼ AI-Helper

Data visualization has become a useful tool to effectively communicate information and is widely used not only by experts but also at a general level. However, it is dangerous that it is as efficient as it is to transmit false information. All data visualizations have hidden intent with powerful mes...

Data visualization has become a useful tool to effectively communicate information and is widely used not only by experts but also at a general level. However, it is dangerous that it is as efficient as it is to transmit false information. All data visualizations have hidden intent with powerful messages by editor. Building a system that grasps these intentions helps to understand the thoughts of groups and individuals. Most of the existing research focuses on effective data visualization methods and methods of expression. The more various visualization methods, the more likely the data will be distorted. In this paper, we present an analysis of deceptive data visualization in a goal-oriented environment. Based on the vulnerability of human cognitive processing, we classify the attack types and identify what tricks occur in the context of data visualization. This study suggests the first step in studying the case of aggressive visualization and opens the way for further research.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 위 자료에서 언급한 공격 지점 중 시각 부분의 공격에 대해서 다룬다. 노이즈를 통해 산만한 자료를 제공하는 것, 부정 스케일링, 중요한 부분을 은폐하는 공격, 색의 취약점에 대한 공격으로 분류했다.
본 연구에서는 이러한 시스템을 구축하기에 앞서 적합한 자료를 모으고 분석하는 것에 초점을 두었다. 저자는 연구재단의 출판 지원을 받아 데이터 시각화의 구현과 해석을 주제로 책을 집필하며 수집한 데이터를 기초로 하여 학술적 분석을 진행했다.

제안 방법

저자는 연구재단의 출판 지원을 받아 데이터 시각화의 구현과 해석을 주제로 책을 집필하며 수집한 데이터를 기초로 하여 학술적 분석을 진행했다.[8] 이에 추가 데이터를 통해 사람의 인식 범위에 따라 발생하는 기만적 데이터 시각화 유형을 정리했다.
본 논문에서는 위 자료에서 언급한 공격 지점 중 시각 부분의 공격에 대해서 다룬다. 노이즈를 통해 산만한 자료를 제공하는 것, 부정 스케일링, 중요한 부분을 은폐하는 공격, 색의 취약점에 대한 공격으로 분류했다. 동일한 데이터임에도 의도적 혹은 비의도적 프로파간다가 가미되었을 때 다양한 메시지를 담을 수 있다는 점을 다양한 사례를 통해 제시한다.
다양한 예시를 통해 인간의 지각을, 그 중에서도 시각 처리과정을 파고드는 데이터 시각화 공격 종류를 정리해보았다. 다양한 방식이 존재하는 와중에 일관된 유형이 있다는 것을 파악할 수 있었다.
[5] 정보 전달 프로세스의 약점은 외부 공격자 입장에서는 좋은 기회가 되기 때문이다. 데이터 시각화를 커뮤니케이션의 한 과정으로 보았으며, 이 과정에서 벌어지는 정보 부정 관점에서 연구를 진행했다.
노이즈를 통해 산만한 자료를 제공하는 것, 부정 스케일링, 중요한 부분을 은폐하는 공격, 색의 취약점에 대한 공격으로 분류했다. 동일한 데이터임에도 의도적 혹은 비의도적 프로파간다가 가미되었을 때 다양한 메시지를 담을 수 있다는 점을 다양한 사례를 통해 제시한다.
인간의 정보 전달 과정에서 발견되는 취약점을 기준으로 데이터 시각화 사례를 분류했다. 모든 메시지는 전달 과정에서 왜곡되거나 오염될 소지가 있기 때문에 인간이 정보를 처리하는 과정을 파악하는 것은 중요한 쟁점이 된다.
본 연구에서는 이러한 시스템을 구축하기에 앞서 적합한 자료를 모으고 분석하는 것에 초점을 두었다. 저자는 연구재단의 출판 지원을 받아 데이터 시각화의 구현과 해석을 주제로 책을 집필하며 수집한 데이터를 기초로 하여 학술적 분석을 진행했다.[8] 이에 추가 데이터를 통해 사람의 인식 범위에 따라 발생하는 기만적 데이터 시각화 유형을 정리했다.

성능/효과

그래프 왜곡은 2017년 대통령 선거 당시에도 드러났는데, 그림 9를 보면 문재인 후보의 지지율에 비해 타 후보의 지지율 그래프 비율이 사실보다 크게 표현되었다. 문재인 후보 지지율은61%, 안희정 후보 지지율은 24%인데 얼핏 봐도 61%의 절반보다 안희정 후보의 지지율이 높아 보이는 것을 알 수 있다. 이 외에도 JTBC는 타 그래프에서 문재인 후보의 상승폭을 실제보다 낮게, 다른 후보의 상승 폭은 실제보다 매우 크게 그리는 경향이 나타났다.

후속연구

그렇기 때문에 데이터 시각화에 대한 방어 시스템을 구축하는 동시에 개인의 수준에서 데이터를 읽을 수 있는 능력을 기르는 방법론에 대한 연구가 진행되어야 한다. 이를 위해서는 개인의 학습 정도와 데이터 노출 빈도 차이에 초점을 둔 사용자 조사에 대한 추가 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	데이터 시각화는 누가 주로 쓰나요?	데이터 시각화는 정보 전달의 유용한 도구로 자리 잡아, 전문가뿐만 아니라 일반적인 수준에서도 널리 쓰이고 있다. 하지만 효율적인 만큼 그릇된 정보를 전달하기도 쉽다는 위험을 안고 있다.
	오바마 케어란?	2008년 버락 오바마(Barack Obama)는 대통령 취임 후 미국의 새로운 건강보험 시스템인 오바마 케어를 도입했다. 민주당은 찬성을 공화당은 반대를 외쳤던 정책으로 양당이 매우 첨예하게 대립한 대표적인 사례라고 볼 수 있다.
	데이터 시각화의 문제점?	데이터 시각화는 정보 전달의 유용한 도구로 자리 잡아, 전문가뿐만 아니라 일반적인 수준에서도 널리 쓰이고 있다. 하지만 효율적인 만큼 그릇된 정보를 전달하기도 쉽다는 위험을 안고 있다. 모든 데이터 시각화에는 편집자의 의도가 숨어있으며, 때로는 강력한 메시지가 담겨 있다.

참고문헌 (12)

S. H. Bak, "Implementation of public data contents using Big data Visualization technology - Map visualization technique -", Journal of Digital Contents Society 18(7), pp. 1427-1434, 2017.
S. K. Kim, "A Study on Information Accepter's Understand ability and Reliability", Journal of Digital Design 15(1), pp. 65-76, Jan 2015.

상세보기
D. Huff, "How to Lie with Statistics",W. W. Norton & Company, pp. 128-134, 1954.
A. D'Amico and M. Kocka,, "Information Assurance Visualizations for Specific Stages of Situational Awareness and Intended Uses: Lessons Learned", IEEE Symp. on Information Visualization's Workshop on Visualization for Computer Security (VizSEC), Minneapolis, MN, pp. 58-69 Oct 2007.
G. Conti, M. Ahamad and J. Stasko, "Attacking information visualization system usability overloading and deceiving the human", SOUPS '05 Proceedings of the 2005 symposium on Usable privacy and security, Pittsburgh, Pennsylvania, USA, pp. 89-100, July, 2005.
United States presidential election, 2008[Internet]. Available: https://en.wikipedia.org/wiki/United_States_presidential_election_2008
Affordable Health Care for America Act [Internet]. Available: https://en.wikipedia.org/wiki/Affordable_Health_Care_for_America_Act
J. W. Park, Data Iconology, Hanbit Academy, pp.137-179, 2017.
The war of the charts [Internet]. Available: https://www.politico.com/agenda/story/2016/07/obamacare-opposition-infographics-strategy-000157
Gallup: More Americans Identify as "Pro-Life" Than "Pro-Choice" For First Time [Internet]. Available: http://the-american-catholic.com/2009/05/15/gallup-more-americans-identify-as-pro-life-than-pro-choice-for-first-time
Color blind example [Internet]. Available : http://wearecolorblind.com/example/google-analytics/
J. Z. Xie, "Color Vision Deficiency in Preschool Children", the American Academy of Ophthalmology, Volume 121, Issue 7, pp. 1469-1474, July 2014.

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

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

기만적 데이터 시각화 사례 연구
Case Studies on Deceptive Data Visualization 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

기만적 데이터 시각화 사례 연구 Case Studies on Deceptive Data Visualization 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

박진완 (30)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

기만적 데이터 시각화 사례 연구
Case Studies on Deceptive Data Visualization 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper