[논문]이미지 암호화 및 다양한 잡음에 내성을 갖춘 PingPong 256 Shuffling 방법

김기환; 이훈재

doi:10.6109/jkiice.2020.24.11.1507

이미지 암호화 및 다양한 잡음에 내성을 갖춘 PingPong 256 Shuffling 방법
PingPong 256 shuffling method with Image Encryption and Resistance to Various Noise 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.24 no.11, 2020년, pp.1507 - 1518

김기환 (Department of Ubequertus IT, Dongseo University) , 이훈재 (Department of Computer Engineering, Dongseo University)

초록
AI-Helper

고화질 이미지는 정보가 많아 민감한 데이터는 민간기업이나 군사용 암호화에 의해 저장된다. 암호화된 영상은 비밀키를 통해서만 해독이 가능하지만, 일부 픽셀 데이터를 임의의 값으로 덮어쓰는 공유 공격 및 노이즈 공해 공격 기법의 공격을 받아도 원본 데이터는 보존할 수 없다. 중요한 데이터는 공격에 대한 복구 방법에 대한 대책이 더 필요하다는 것이다. 본 논문에서는 난수 발전기 PingPong 256과 셔플링 방법을 제안한다. PingPong 256은 영상이고 영상 암호화는 더 빠르게 수행할 수 있다. 또한 셔플링 방식은 화소를 재조정하여 Shear attack과 Noise pollution attack 기법에 저항하는 것이다. 다음으로 제안한 PingPong256을 SP800-22로 검사하고 다양한 노이즈에 대한 내성을 테스트하고 셔플 링 방식이 적용된 이미지가 Anti-shear attack과 Anti-noise pollution attack을 만족하는지 검증했다.

Abstract ▼ AI-Helper

High-quality images have a lot of information, so sensitive data is stored by encryption for private company, military etc. Encrypted images can only be decrypted with a secret key, but the original data cannot be retained when attacked by the Shear attack and Noise pollution attack techniques that overwrite some pixel data with arbitrary values. Important data is the more necessary a countermeasure for the recovery method against attack. In this paper, we propose a random number generator PingPong256 and a shuffling method that rearranges pixels to resist Shear attack and Noise pollution attack techniques so that image and video encryption can be performed more quickly. Next, the proposed PingPong256 was examined with SP800-22, tested for immunity to various noises, and verified whether the image to which the shuffling method was applied satisfies the Anti-shear attack and the Anti-noise pollution attack.

주제어

표/그림 (23)

그림 Fig. 1 Encrypted Image
그림 Fig. 2 PingPong256 Structure.
그림 Fig. 3 Sequences passing a test.
그림 Fig. 4 Uniform distribution of p-values.
그림 Fig. 5 Compare PingPong256 Image. (a) PingPong256 used random initial values, (b) LFSR255+1, (c) LFSR257-1, (d) (a)and(b), (e) (a)and(c), (f) (b)and(c).
그림 Fig. 6 Original image and histogram.
그림 Fig. 7 Random image and histogram.
그림 Fig. 8 Encrypted image and histogram.
표 Table. 1 The information entropy for original and cipher image schemes.
표 Table. 2 Compellation analysis.
표 Table. 3 NPCR Randomness test.
표 Table. 4 UACI Randomness test.
그림 Fig. 9 Shear attack(up: encrypted image & cropping 1/4, down: decrypted image).
그림 Fig. 10 Noise pollution attack
그림 Fig. 11 Shuffling image
그림 Fig. 12 Experiment result of Anti-Shear attack
그림 Fig. 13 Experiment result of Anti-shear attack
그림 Fig. 14 Gaussian noise experiment result of Anti-noise pollution attack. (a) var=100, (b) var=1000, (c) var=10000.
그림 Fig. 15 Gaussian noise experiment result of Anti-noise pollution attack. (a) messy image + gaussian 0.05, (b) messy image + gaussian 0.1, (c) messy image + gaussian 0.2, (d) decrypted of image (a), (e) decrypted of image (b), (f) decrypted of image (c).
그림 Fig. 16 Salt noise experiment result of Anti-noise pollution attack. (a) messy image + salt 0.05, (b) messy image + salt 0.1, (c) messy image + salt 0.2, (d) decrypted of image (a), (e) decrypted of image (b), (f) decrypted of image (c).
그림 Fig. 17 Pepper noise experiment result of Anti-noise pollution attack. (a )messy image + pepper 0.05, (b) messy image + pepper 0.1, (c) messy image + pepper 0.2, (d) decrypted of image (a), (e) decrypted of image (b), (f) decrypted of image (c).
그림 Fig. 18 Salt&Pepper noise (a) messy image + s&p 0.05, (b)messy image + s&p 0.1, (c) messy image + s&p 0.2, (d) decrypted of image (a), (e) decrypted of image (b), (f) decrypted of image (c).
표 Table. 5 Noise robustness analysis according to various noise and dispersion.

AI 본문요약
AI-Helper

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

가설 설정

1. 원본 이미지 픽셀 위치와 난수 생성순서를 동기화.
2. 난수 생성기로 임의의 숫자를 픽셀크기만큼 반복.
4. 평문 이미지 픽셀 위치를 난수가 정렬된 순서에 따라 동일한 위치로 이동.
것이다. 대표적으로 AES 암호 알고리즘에서 AES 128의 CRT(Counter)모드를 사용하여 128비트 단위를 하나의 블록으로 가정해 실험했다. 블록을 암호화할 때마다 1씩 증가해 가는 카운터를 암호화해서 키스 트림을 만든다.

제안 방법

PingPong256을 사용하여 스트림 암호화를 통해 원본 이미지와 암호 이미지를 비교해보았다. [그림 6]은 1024*1024크기의 원본 이미지의 특징을 식별하기 위해각 채널별(원본, 파란색, 녹색, 빨간색)로 히스토그램을 나타낸 것이다.
본 논문은 미국 NIST의 난수발생기 검증 표준 SP800-22을 만족하는 난수 발생기 PingPong256를 사용하여 이미지를 암호화하는 방법과 암호화된 이미지에 다양한 잡음에 대한 내성 분석 방법인 Robustness analysis의 대표적인 공격 방식으로 픽셀의 위치를 무작위로 재배열 방법을 사용하여 이미지의 일부 픽셀을 삭제하는 Shear attack과 다양한 노이즈에 따른 영향력을 실험하는 Noise pollution attack 저항력을 실험하여 안전한 결과를 확인했다. 또한 PingPong256은 대표적으로 사용되는 AES 128 CTR 모드와 비교하여 동일한 크기의 이미지를 암호화하는 것에 상대적으로 적은 연산 시간을 소비한다.
좋은 암호화 체계는 인접한 픽셀의 상관관계를 효과적으로 줄여야 한다. 상관관계 분석은 상관 계수를 사용하여 인접 픽셀 간의 상관관계를 분석하고 제안 된 방식을 추가로 확인한다. 상관 계수는 [수식 5 –수식 8]과 같이 각 x와 y축 픽셀의 평균을 픽셀과 비교하여 계산하는 방법이다.
엔트로피 분석으로 암호 이미지를 흑백 이미지로 변경한 엔트로피와 컬러 이미지의 파랑, 초록, 빨강을 나누어 조사했다. [표 1]과 같이 흑백 이미지는 7.
암호화된 이미지에 다양한 잡음에 대한 내성 분석 방법을 Robustness analysis라고 부르며, 대표적인 공격 방식으로 Shear attack과 Noise pollution attack이 있다[9]. 육안으로 이미지간 차이를 정량적으로 판별할 수 없어 이미지의 평균 정보량을 의미하는 엔트로피와 비교 대 상간의 유사도를 평가하는 상관계수를 통해 이미지를 비교했다.
(c)는 (a)의 초기값에 LFSR257에서 마지막 비트를 반전한 결과이다. 육안으로는 뚜렷한 차이를 느낄 수 없기 때문에 and 연산을 통해 차이점을 비교했다. (d), (e), (f)는 각각 (a)and(b), (a)and(c), (b)and(c)의 연산 결과이며, 서로 다른 비트 이미지에서 모두 고르게 분포된 비트 이미지를 관찰할 수 있으므로 1비트의 변화가 전체적으로 변화를 유발한다고 볼 수 있다.
받는지 알 수 있다. 이 공격에 대한 저항력이 있을 경우 Anti-noise pollution attack이라고 하며, 테스트하기 위해 가우시안, 소금, 후추, 소금&후추 노이즈 순서로 진행했다. [그림 14]는 가우시안 노이즈를 극단적으로 하여 노이즈를 가했다.
이 공격에 대하여 저항력이 있을 경우 Anti-shear attack이라고 한다. 이를 측정하기 위해 다양한 수준의 데이터로 손실된 암호문 이미지를 올바른 비밀키를 사용해 복구한 다음 손실 데이터의 암호문 이미지를 복원한다. [그림 12]는 [그림 6]의 무작위 재배열 이미지의 특정 영역을 ‘0’으로 삭제한 이미지이다.
추가적으로 [그림 15]와 같이 가우시안 분포의 평균을 0 그리고 분산을 각각 0.05, 0.1, 0.2로 설정하고 인물 이미지를 사용한 결과에서는 컬러와 흑백을 나누어 평가했다. 소금 노이즈는 [그림 16]과 같이 비율이 늘어나면서 전체적으로 흰색에 가까워지며, 특징이 소실되지 않는 것으로 확인되었다.
대표적인 공격 기법은 암호 이미지 픽셀의 일부영역을 삭제하여 해독된 이미지를 정상적으로 인식할 수 없도록 삭제하는 Shear attack과 Noise pollution attack이다. 추가적으로 본 논문은 다양한 원인에 의하여 암호 이미지 픽셀의 일부가 삭제당하는 공격인 Shear attack과 Noise pollution attack에 저항하는 이미지 암호화 기법도 제안한다. 이미지를 정상적으로 인식할 수 없도록 만드는 공격에 저항하는 행위를 Anti-shear attack과 Anti-noise pollution attack이라고 한다.

대상 데이터

이미지를 정상적으로 인식할 수 없도록 만드는 공격에 저항하는 행위를 Anti-shear attack과 Anti-noise pollution attack이라고 한다. 본 논문은 실험을 위해 실험환경으로 Matlab 2015, Visual Studio 2019, 주피터 노트북을 사용하고 PingPong256은 Python과 C++, 검증도구들은 Matlab, Python 그리고 C++를 사용하여 만들고 검증용으로 사용했다. 논문 순서는 2장을 통해 PingPong256의 구조와 미국의 NIST에서 난수발생기 검증 표준인 SP800-22를 소계와 PingPong256의 안전성 검증하고 3장에서 Shear attack과 Noise pollution attack의 실험을 통해 문제점을 확인하여 4장에서 픽셀 위치를 무작위로 재배열하는 셔플링 함수가 Anti-Shear attack과 Anti-noise pollution attack을 만족하는지 확인하고 5장을 통해 결론으로 마무리한다.

이론/모형

난수 발생기의 안전성에 큰 영향을 받는다. 가장 대표적으로 난수발생기를 검증하는 표준 방법은 미국 NIST의 SP800-22를 사용하는 것이다. 이 표준은 16가지의 통계적인 검사 방법을 사용하여 난수발생기 출력 결과가 난수임을 증명한다.
민감도 분석은 NPCR(Number of Changing Pixel Rate)와 UACI(Unified Averaged Changed Intensity)를활용한다. NPCR과 UACI는 이미지 크기가 M*N일 경우 는 서로 다른 사진에서 같은 위치의 픽셀이 서로 다를 경우 1 같은 경우 0을 출력하는 방식이다[7-8].
이미지가 노이즈의 영향에 얼마만큼 강인한지 평가하는 방법으로 MSE(Mean Square Error), PSNR(Peak Signal-to-Noise Ratio), SSIM(Structural Similarity Index Method)를 사용했다[18, 19]. MSE는 두 이미지 간의 같은 위치에 대한 픽셀별 차이를 의미한다.

성능/효과

3가지 경우를 각각 나누어 이미지 분석 방법을 통해 분석한 결과 상관계수가 0.6643, 0.6896, 0.6644, MSE 는 19328.7472, 17356.4050, 19310.0647, PSNRe 10.0400db, 10.5074db, 10.0442db, SSIM는 0.1853, 0.1955, 0.1854로 연산되었다. 즉 상관계수를 통해 하단 복호화 이미지와 원본 이미지는 강한 상관성이 있으며, MSE를 통해 에러가 심하고 PSNR을 통해 전혀 동일하지 않은 품질임을 나타내고 있으며, SSIM을 통해 육안으로 식별되는 정보는 아주 낮다고 판단할 수 있다.
중간에 위치한 3개의 그림은 복호화된 결과로 하단 3개의 이미지는 가우시안 노이즈로 왼쪽부터 분산이 100, 1000, 10000으로 설정된 결과이다. 3가지 경우를 각각 나누어 이미지 분석 방법을 통해 분석한 결과 상관계수가 0.9927, 0.9335, 0.6355, MSE는 1767.1715, 6495.5847, 14044.6374, PSNRe 20.4292db, 14.7758db, 11.4269db, SSIM는 0.6139, 0.2845, 0.1294 로 연산되었다. 즉 가우시안 노이즈의 분산의 증가는 상관계수를 통해 강한 상관성이 있으며, MSE의 에러는 증폭되고 PSNR의 잡음비 노이즈는 감소하여 품질이 떨어지고, SSIM를 통해 종합적으로 원본 이미지와 비교하면 낮은 품질의 이미지이다.
간단한 실험으로 Python환경에서 크기가 512*512 이미지를 대상으로 AES128 CRT모드는 0.004538초가 소요되었다. PingPong256은 난수 이미지를 사용하기 때문에 초기값을 이미지와 같은 크기의 난수로 설정하여 사용하여 사전에 계산된 값으로 처리한다.
확인하였다. 결과적으로 PingPong256은 난수를 생성하며, LFSR과 논리 연산자인 배타적 논리합으로 구성되어 간단한 구조를 가지고 있으며, 소프트웨어 및 하드웨어로 쉽게 구현할 수 있다는 장점이 있다.
이때 노이즈에 강인성을 띄는 순서가 후추 노이즈, 소금&후추 노이즈, 소금 노이즈, 가우시안 노이즈 순서로 나타났다. 결론적으로 암호화된 이미지에서 임의 영역의 픽셀 정보를 완전히 소실시킬 경우 PingPong256과 무작위 재배열은 복호화된 이미지에서 소실된 영역의 정보를 보존하는 효과를 가지고 있으며, 이 방법은 다양한 노이즈에는 큰 영향을 받지 않는 다는 사실을 알 수 있다. 따라서 노이즈에 따른 손상이 크고 빠른 암호화가 필요한 분야에 효과적이다.
[그림 4]의 결과를 통해 PingPong256은 모든 검증들이 균일하다는 것을 보인다. 두 가지 검증을 통해 PingPong256 난수 발생기는 NIST SP800-22를 통해 통계적 관점에서 난수를 출력하는 것을 입증한다.
수 있다. 또한 가우시안, 소금, 후추, 소금&후추 노이즈 등 다양한 패턴에서 특정 영역에 노이즈가 집중되는 문제를 보이지 않아 픽셀이 효과적으로 분산된 것을 알 수 있다.
마지막으로 소금&후추 노이즈에서도 비율이 증가할수록 원본 픽셀이 손상되었으나 특징이 사라지지 않는 것을 볼 수 있었다. [그림 18]에 사용된 이미지 크기는 512*512로 5%, 10% 20%에 해당하는 실험을 실시하였다.
그러나 암호화된 이미지는 모든 방향으로 0에 가까운 것을 통해 서로간의 연관관계가 없음을 볼 수 있다. 민감도 분석은 [표 3]을 통해 NPCR에서 유의구간 5%, 1% , 0.1%의 범위를 초과하여 귀무가설을 통해 난수임을 증명하였으며, [표 4]를 통해 UACI에서도 유의구간 5%, 1%, 0.1%는 정해진 구간에 만족하여 귀무가설로 난수임을 증명하였다.
또한 초기값에 따른 키 공간, 키 민감도 분석 등으로 암호에 대한 안전성을 검증하도록 권장하고 있다[4]. 본 논문에서 제안하는 PingPong 256은 임의의 초기값으로 NIST SP800-22를 검증하여 난수임을 볼 수 있다. 그러나 강력한 암호 존재하여도 공격 목표가 네트워크를 통해 수신자가 데이터를 올바르게 전달받지 못하도록 서비스를 방해하는 것이라면 현재 사용 중인 암호 알고리즘은 별다른 방어수단이 없다.
본 연구를 통해 PingPong256가 AES 128 CTR 모드에 비해 이미지 암호화를 빠르게 수행할 수 있으며, 셔플링기법을 사용하면 Anti-Shear attack과 Anti-Noise pollution attack 특성을 얻을 수 있어 암호화된 이미지의 형태를 보존할 수 있다. 또한 간단한 구조를 가지고 있어 하드웨어 및 소프트웨어 제작이 가능한 장점을 활용하여 빠른 속도로 암, 복호화하여 실시간 이미지 및 영상 암호화에 활용 방안 연구가 가능할 것으로 기대한다.
실험에 사용한 가우시안 노이즈는 평균이 0 분산이 1로 설정한 결과이며, 소금 노이즈와 후추 노이즈는 이미지의 5%를 적용한 결과이며, 소금&후추 노이즈는 이미지의 5%를 균등한 비율로 적용한 결과이다. 결과를 통해 각 노이즈별로 약간의 차이가 발생한다.
이미지 분석 방법을 통해 분석한 결과 상관계수가 0.7716, MSE는 9185.5131, PSNRe 13.2710, SSIM는 0.7495로 연산되었다. 상관계수를 통해 [그림 9]의 하단 복호화 이미지와 원본 이미지는 강한 상관성이 있으며, MSE를 통해 에러가 심하고 PSNR을 통해 전혀 동일하지 않은 품질임을 나타내고 있으며, SSIM을 통해 육안으로 식별되는 품질이 아주 낮다고 판단할 수 있다.
1294 로 연산되었다. 즉 가우시안 노이즈의 분산의 증가는 상관계수를 통해 강한 상관성이 있으며, MSE의 에러는 증폭되고 PSNR의 잡음비 노이즈는 감소하여 품질이 떨어지고, SSIM를 통해 종합적으로 원본 이미지와 비교하면 낮은 품질의 이미지이다.
1854로 연산되었다. 즉 상관계수를 통해 하단 복호화 이미지와 원본 이미지는 강한 상관성이 있으며, MSE를 통해 에러가 심하고 PSNR을 통해 전혀 동일하지 않은 품질임을 나타내고 있으며, SSIM을 통해 육안으로 식별되는 정보는 아주 낮다고 판단할 수 있다. 즉, PingPong256과 Messy 함수를 통해 노이즈의 강인성을 주장할 수는 없다.
첫째, 1,000, 000비트를 하나의 샘플로 취급하여 샘플 크기(m)가 1,000, 유의수준() 0.01로 설정한 구간에서 평균 비율()을 로 계산하여 0.99로 나타낸다. [수식 1]의 범위를 만족하면 통계와 논리적 접근을 바탕으로 난수라고 정의할 수 있기 때문이다.

후속연구

수 있다. 또한 간단한 구조를 가지고 있어 하드웨어 및 소프트웨어 제작이 가능한 장점을 활용하여 빠른 속도로 암, 복호화하여 실시간 이미지 및 영상 암호화에 활용 방안 연구가 가능할 것으로 기대한다.

참고문헌 (19)

Security news, CCTV data deletion to hide negligence is useless! [Internet]. Available: https://www.boannews.com/media/view.asp?idx63311
JoongAng Ilbo, CCTV footage that disappeared one day and the scheme of daycare center directors. [Internet]. Available: https://news.joins.com/article/23493244
K. H. Kim, H. J. Lee, and Y. S. Lee, "Proposed image encryption method using PingPong256," Journal of the Korea Society of Computer and Information, vol. 25, no. 1, pp. 71-77, Jan. 2020.

원문보기 상세보기
A. Rukhin, J. Soto, J. Nechvatal, M. Smid, E. Barker, S. Leigh, M. Levenson, M. Vangle, D. Banks, A. Heckert, J. Dray, and S. Vo. "A statistical test suite for random and pseudorandom number generators for cryptographic applications," National Institute of Standards and Technology, Sp 800-22 rev. 1a, 2001.
M. Makoto. "Linear feedback shift register," US Patent No. 5,090,035, to NEC Corp, Patent and Trademark Office, Tokyo, 1992.
S. Liu, C. Guo, and J. T. Sheridan, "A review of optical image encryption techniques," Optics & Laser Technology, vol. 57, pp. 327-342, Apr. 2014.

상세보기
Y. Liu, J. Wang, J. Fan, and L. Gong, "Image encryption algorithm based on chaotic system and dynamic S-boxes composed of DNA sequences," Multimedia Tools and Applications, vol. 75, no. 8, pp. 4363-4382, Feb. 2015.
Y. Wu, J. Noonan, and S. Agaian, "NPCR and UACI randomness tests for image encryption," Cyber journals: multidisciplinary journals in science and technology, Journal of Selected Areas in Telecommunications, vol. 1, no. 2, pp. 31-38, Apr. 2011.
X. Wang and J. Yang, "A novel image encryption scheme of dynamic S-boxes and random blocks based on spatiotemporal chaotic system," Optik, vol. 217, no. 164884, May. 2020.
Y. Su, W. X. Su, and Z. Jie, "Optical image encryption based on chaotic fingerprint phase mask and pattern-illuminated Fourier ptychography," Optics and Lasers in Engineering, vol. 128, no. 106042, Jan. 2020.
F. Yang, J. Mou, C. Ma, and Y. Cao, "Dynamic analysis of an improper fractional-order laser chaotic system and its image encryption application," Optics and Lasers in Engineering, vol. 129, 106031, Jan. 2020.
C. Pak and L. Huang, "A new color image encryption using combination of the 1D chaotic map," Signal Processing, vol. 138, pp. 129-137, Mar. 2017.
H. Liu and X. Wang, "Image encryption using DNA complementary rule and chaotic maps," Applied Soft Computing, vol. 12, no. 5, pp. 1457-1466, Dec. 2014.
D. E. ElKamchouchi, H. G. Mohamed, and K. H. Moussa, "A Bijective Image Encryption System Based on Hybrid Chaotic Map Diffusion and DNA Confusion," Entropy, vol. 22, no. 2, 180, Feb. 2020.

상세보기
Y. Wan, S. Gu, and B. Du, "A New Image Encryption Algorithm Based on Composite Chaos and Hyperchaos Combined with DNA Coding," Entropy, vol. 22, no. 2, 171, Jan. 2020.

상세보기
I. Jarin, S. A. Fattah, and C. Shahnaz, "Natural and Medical Image Encryption using Self-Adaptive Permutation and DNA Encoding," in Proceeding of the 2018 IEEE International WIE Conference on Electrical and Computer Engineering, Chonburi: Thailand, pp. 99-102, 2018.
X. Y. Wang and Z. M. Li, "A color image encryption algorithm based on Hopfield chaotic neural network," Optics and Lasers in Engineering, vol. 115, pp. 107-118, Apr. 2019.

상세보기
J. S. Jeong and Y. J. Kim, "Structural Similarity Index for Image Assessment Using Pixel Difference and Saturation Awareness," Journal of KIISE, vol. 41, no. 10, pp. 847-858, Oct. 2014.

원문보기 상세보기
S. B. Rhee, J. H. Kang, and K. H. Kim, "Local Differential Pixel Assessment Method for Image Stitching," Journal of Broadcast Engineering, vol. 24, no. 5, pp. 775-784, Sep. 2019.

원문보기 상세보기

저자의 다른 논문 :

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