[논문]스마트폰 기반 Continuous Authentication 기술 동향

조금환; 김형식

스마트폰 기반 Continuous Authentication 기술 동향 원문보기

情報保護學會誌 = KIISC review, v.30 no.5, 2020년, pp.61 - 69

조금환 (성균관대학교 정보통신대학) , 김형식 (성균관대학교 정보통신대학)

초록
AI-Helper

스마트폰의 잠금을 해제하기 위해 초기에 사용자를 인증하는 과정을 한 번 통과하면 스마트폰의 모든 정보에 접근 가능하다. 현재 스마트폰을 사용하고 있는 사용자가 초기 인증된 사용자인지 아닌지 여부를 판단하지 않기 때문에 인증된 스마트폰에 타인이 접근한다면 모든 정보가 유출될 수 있다. 본 논문에서는 스마트폰 기반 continuous authentication 기술에 대한 연구 동향에 대해 소개하고 현재까지 연구된 기술들을 상용 스마트폰에 적용할 수 없는 한계점에 대해 분석한다.

AI 본문요약
AI-Helper

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

문제 정의

그러나 시스템이 지속적으로 정보를 수집하고 계산하는 등 스마트폰을 사용하는 주목적이 아닌 이유로 컴퓨팅 파워를 지속적으로 사용하게 되며 그로 인해 배터리 소모가 크다는 문제점을 갖고 있다. 본 논문에서는 다양한 CA 기술을 분류하고, 분류한 각 기술에 대한 최신 연구 동향을 소개하고 각 기술의 한계점에 논의한다.
만약 상당한 편차가 발생한다면 합법적이지 않은 사용자가 폰을 사용하고 있다고 판단할 수 있다. 본 논문에서는 대표적으로 사용되는 서비스로 사용자의 위치에 따라 인증을 수행하는 location-based 인증 기술과 애플리케이션 사용패턴에 따라 인증을 수행하는 app usage 인증 기술에 대한 기존 연구에 대해 살펴본다.
본 논문에서는 스마트폰에서 사용자를 지속적으로 인증할 수 있는 CA기술에 대한 연구 동향에 대해 알아보았다. 연구 동향에 대해 분석한 결과 각 기술의 특징에 대해 파악할 수 있었고 현재까지 연구들이 상용 스마트폰에 적용되지 못하는 한계가 존재한다는 결론을 얻을 수 있었다.
모바일 기기에서 얼굴 캡처를 할 때 자이로스코프, 가속도계 및 자력계 센서 데이터를 결합하여 카메라 방향을 수정한다. 이 결과를 기반으로 얼굴 이미지의 방향을 수정할 수 있는 방법을 제안하였다. 실험을 통해 얼굴 방향 보정을 통한 얼굴 인식 정확도의 향상과 CA의 프로타입을 구현하여 유효성을 입증하였다.

가설 설정

∙ 한계점: keystroke 패턴이 손의 생리적 변화에 따라 달라질 수 있어 정확도에 영향을 미칠 수 있다. 또한 현재까지의 진행된 연구들은 lab study 수준의 연구이기 때문에 실제 사용자가 사용했을 때 타이핑(typing) 패턴이 수시로 변경될 가능성이 있다.
∙ 한계점: 얼굴인식을 수행하는 과정에서 얼굴의 자세가 변화하는 등의 이유로 정확도가 저하될 수 있다. 예를 들어 조명 조건, 머리 자세, 얼굴 액세서리, 표정, 노화 등은 정확도에 영향을 줄 것이다.
∙ 한계점: 터치스크린에서 발생되는 이벤트를 사용하기 때문에 터치스크린이 손상된 경우에는 사용할 수 없다. 또한 터치스크린에 입력되는 터치 이벤트가 상황에 따라 터치 압력이나 터치 입력속도 등이 달라질 수 있기 때문에 트레이닝 된 모델과 차이가 발생할 수 있다.
∙한계점: 지금까지 연구된 finger-based CA 인증 기술은 touch dynamics와 유사한 기술을 사용해서 인증을 수행하고 있다. 따라서 앞서 언급한 touch dynamics에서 갖고 있는 한계를 동시에 갖고 있다고볼 수 있다.

제안 방법

[그림 2]은 biometric 기반 CA 시스템의 프레임워크를 보여준다[4]. Touch, keystroke, face, fingerprint, other traits 등 스마트폰에 내장된 센서 및 사용가능한 기타 정보를 수집한 뒤 인증 알고리즘을 이용하여 합법적인 사용자 여부를 판단한다. 인증에 실패하면 knowledge-based인 PINs, 패턴, 패스워드 등의 인증기술을 이용하여 사용자 인증을 수행한다.
Ehatisham-ul-haq 등[23]은 터치 기반 제스처 인식 기술을 제안하여 합법적인 사용자의 다른 손가락들이 터치스크린에 사용될 때 사용자를 인증하는 기술을 연구했다. 가속도계 센서를 이용해서 스마트폰의 위치 (position)를 파악하고 사용된 손가락을 터치 기반 제스처를 이용해 파악한다. 제안된 기법은 대규모 데이터베이스가 필요하지 않고 공격으로부터 더 정확하고 안전 하게 이미지를 분류할 수 있음을 보였다.
기록된 스크린 터치 데이터에서 동작의 feature vector를 추출하고, 추출된 feature를 이용하여 분류기에 트레이닝하여 인증을 한다.
Crouse 등[19]은 눈에 띄지 않게 작동하는 얼굴 기반 CA 연구를 진행하였다. 모바일 기기에서 얼굴 캡처를 할 때 자이로스코프, 가속도계 및 자력계 센서 데이터를 결합하여 카메라 방향을 수정한다. 이 결과를 기반으로 얼굴 이미지의 방향을 수정할 수 있는 방법을 제안하였다.
[그림 1]은 CA 기술 분류를 나타내었다. 언급되지 않은 다양한 CA 기술이 연구되고 있지만 상용 스마트폰에 적용이 가능한 기술에 초점을 두고 분류 및 분석 하였다. Biometrics를 이용한 기술들이 현재까지 연구된 CA 기술의 대부분이며, 다른 기술의 분류로 user profiling 기술이 연구되고 있다.
이미지에서 눈, 코, 입, 머리카락, 눈&코, 입&코, 눈&코&입, 눈&눈썹, 얼굴전체로 분할해서 총 9개의 얼굴 컴포넌트를 이용하였다.
Fathy 등[18]은 스마트폰의 전면 카메라가 촬영한 영상을 이용한 active authentication 문제 해결을 위한 자동 얼굴 인식 방법에 대한 연구를 진행하였다. 촬영한 영상 중 얼굴일 가능성이 가장 높은 부분을 찾기 위해 주어진 프레임에서 얼굴 세그먼트를 검출하고 클러스터링 하는 방식을 사용했다.

대상 데이터

) 내에서 사용자의 물리적 존재를 보장하는 fine-grained된 위치 기반인증 시스템을 제안했다. 스마트폰 애플리케이션을 개발해서 데이터를 수집했다. 실험 결과 실험실에서 7개의 인접한 work cubicle을 구분할 수 있었다.
안드로이드 애플리케이션을 구현하고 제안된 방법의 유용성과 효율성을 100 × 150 image를 feature로 사용하여 평가하였고, 결과는 6.3~15.4%의 EER을 획득 하였다([표 1] 참조).
모바일 기기 사용자 인증을 위한 그래픽 기반 암호 입력 방식 기반 keystroke dynamics의 사용하는 인증기술이 제안[12]되었고, Zahid 등[13]은 keystroke dynamics가 스마트폰 사용자를 식별하는데 사용될 수 있음을 증명하였다. 이를 위해 다양한 스마트폰 사용자 25명의 keystroke dynamics 데이터를 수집한 뒤 분석했다. 6개의 구별될 수 있는 keystroke dynamics feature를 발견했고, fuzzy classifier에 적합하다는 것을 보여줬다.
스마트폰에 내장된 고유한 센서를 통해 사용자의 타이핑 행동의 특징을 찾고 머신러닝 기법에 의존해 사용자 인증을 실시하는 것이 핵심 아이디어다. 제안된 기술의 효율성을 증명하기 위해 안드로이드 프로토타입을 구현했고 20명의 실험참가자를 대상으로 평가하였다. 실험 결과 keystroke에 의한 발생되는 센서 데이터를 이용하는 방법(EER >0.

데이터처리

Meng 등[10]은 cost를 고려하여 사용자 터치 behavioral feature를 개선했다. 5개의 일반적인 classifier(Decision Tree, Naive Bayes, Radial Basis Function Network, Back Propagation Neural Network, SVM)를 이용하여 제안된 방법의 성능을 평가하였다. 60명의 실험참가자를 대상으로 실험한 결과 average error rate가 5.

성능/효과

5개의 일반적인 classifier(Decision Tree, Naive Bayes, Radial Basis Function Network, Back Propagation Neural Network, SVM)를 이용하여 제안된 방법의 성능을 평가하였다. 60명의 실험참가자를 대상으로 실험한 결과 average error rate가 5.01~10.09%였다.
이를 위해 다양한 스마트폰 사용자 25명의 keystroke dynamics 데이터를 수집한 뒤 분석했다. 6개의 구별될 수 있는 keystroke dynamics feature를 발견했고, fuzzy classifier에 적합하다는 것을 보여줬다. 스마트폰의 새로운 keystroke dynamics 기반 PIN 검증 모드를 제공하고 실험결과 제안된 시스템은 average error rate이 2%였다.
실험 결과 실험실에서 7개의 인접한 work cubicle을 구분할 수 있었다. SVM classifier를 이용한 결과 98.37%의 정확도를 얻을 수 있었다([표 4 참조]). 사용자 위치 기반 인증기술은 다음과 같은 한계점이 존재한다.
또한 과거 앱 사용 데이터를 이용한 연구도 진행되었다[27]. 규칙 기반 분류기, 동적 프로파일링 기법 및 스무딩 함수의 조합을 사용함으로써 사용자의 전체 앱 사용에 대한 결과는 EER 9.8%였다.
6개의 구별될 수 있는 keystroke dynamics feature를 발견했고, fuzzy classifier에 적합하다는 것을 보여줬다. 스마트폰의 새로운 keystroke dynamics 기반 PIN 검증 모드를 제공하고 실험결과 제안된 시스템은 average error rate이 2%였다. 사용자가 패스워드를 입력해서 시스템에 액세스하는데 실시간으로 모니터링해서 사용자가 입력할 때 키를 눌렀다가 놓는데 필요한 시간을 캡처해서 feature로 사용하는 연구가 진행되었다[14].
실험 결과 keystroke에 의한 발생되는 센서 데이터를 이용하는 방법(EER >0.5%)이 keystroke 시간을 측정하는 방법(EER >7%)에 비해 훨씬 더 효과적이었다.
Tsai 등[21]은 얼굴 인식을 위한 interactive artificial bee colony optimization 알고리즘을 이용한 모델을 제안하였다. 실험 결과 실시간 CA 환경에서 정확도를 최대 86.88%까지 얻을 수 있었다. 얼굴 인식을 이용한 인증기술은 스마트폰의 전면 카메라를 이용하기 때문에 별도의 하드웨어 장비가 필요 없다.
이미지에서 눈, 코, 입, 머리카락, 눈&코, 입&코, 눈&코&입, 눈&눈썹, 얼굴전체로 분할해서 총 9개의 얼굴 컴포넌트를 이용하였다. 실험 결과는 13-30%의 EER을 얻었다.
이 결과를 기반으로 얼굴 이미지의 방향을 수정할 수 있는 방법을 제안하였다. 실험을 통해 얼굴 방향 보정을 통한 얼굴 인식 정확도의 향상과 CA의 프로타입을 구현하여 유효성을 입증하였다.
본 논문에서는 스마트폰에서 사용자를 지속적으로 인증할 수 있는 CA기술에 대한 연구 동향에 대해 알아보았다. 연구 동향에 대해 분석한 결과 각 기술의 특징에 대해 파악할 수 있었고 현재까지 연구들이 상용 스마트폰에 적용되지 못하는 한계가 존재한다는 결론을 얻을 수 있었다. 따라서 향후에는 한계점등을 해결한 솔루션 연구가 필요할 것이다.
사용자가 패스워드를 입력해서 시스템에 액세스하는데 실시간으로 모니터링해서 사용자가 입력할 때 키를 눌렀다가 놓는데 필요한 시간을 캡처해서 feature로 사용하는 연구가 진행되었다[14]. 유클리드 디스턴스를 이용하여 실험한 결과 FAR은 12.97%, FRR은 2.25%를 달성했다.
Neal 등[28]은 UND data (200) 데이터셋을 이용하였다. 일주일 동안 앱 사용 데이터를 이용한 결과 79.8%의 평균 recognition rate (RR)를 보였다. Mahbub 등[29]은 UMDAA-02와 Securacy 데이터셋을 이용하였다.
가속도계 센서를 이용해서 스마트폰의 위치 (position)를 파악하고 사용된 손가락을 터치 기반 제스처를 이용해 파악한다. 제안된 기법은 대규모 데이터베이스가 필요하지 않고 공격으로부터 더 정확하고 안전 하게 이미지를 분류할 수 있음을 보였다. 지문 인식을 이용한 인증기술은 다음과 같은 한계점이 존재한다.
5%)이 keystroke 시간을 측정하는 방법(EER >7%)에 비해 훨씬 더 효과적이었다. 최고 성능을 기준으로 password 입력 시 정확도가 매우 높았다(EER=0.08%).

후속연구

연구 동향에 대해 분석한 결과 각 기술의 특징에 대해 파악할 수 있었고 현재까지 연구들이 상용 스마트폰에 적용되지 못하는 한계가 존재한다는 결론을 얻을 수 있었다. 따라서 향후에는 한계점등을 해결한 솔루션 연구가 필요할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	CA 기술은 어떤 과정인가?	CA 기술은 스마트폰에 내장된 센서 및 기타 정보 (예: 통화기록, 애플리케이션 사용 기록 등)를 활용하여 스마트폰을 사용하고 있는 사용자의 행동 특성을 파악하고, 파악된 정보를 기반으로 합법적인 사용자를 검증하는 과정이다. CA 기술은 사용자가 인증을 위해 필요한 과정을 생략하고 시스템 내부적으로 사용자 인증을 수행하기 때문에 implicit, transparent, progressive authentication 기술이라고도 말한다[2][3].
	CA 기술은 어떤 기술이라고 말하는가?	CA 기술은 스마트폰에 내장된 센서 및 기타 정보 (예: 통화기록, 애플리케이션 사용 기록 등)를 활용하여 스마트폰을 사용하고 있는 사용자의 행동 특성을 파악하고, 파악된 정보를 기반으로 합법적인 사용자를 검증하는 과정이다. CA 기술은 사용자가 인증을 위해 필요한 과정을 생략하고 시스템 내부적으로 사용자 인증을 수행하기 때문에 implicit, transparent, progressive authentication 기술이라고도 말한다[2][3].
	CA 기술의 문제점은?	최근 스마트폰의 컴퓨팅 파워가 지속적으로 증가함에 따라 CA 기술에 대한 연구가 활발히 이루어지고 있으며, 별도의 인증 과정이 요구되지 않기 때문에 사용자에게 편리함을 제공할 수 있는 인증 기술이다. 그러나 시스템이 지속적으로 정보를 수집하고 계산하는 등 스마트폰을 사용하는 주목적이 아닌 이유로 컴퓨팅 파워를 지속적으로 사용하게 되며 그로 인해 배터리 소모가 크다는 문제점을 갖고 있다. 본 논문에서는 다양한 CA 기술을 분류하고, 분류한 각 기술에 대한 최신 연구 동향을 소개하고 각 기술의 한계점에 논의한다.

참고문헌 (29)

K. Niinuma, U. Park, AK. Jain, "Soft Biometric Traits for Continuous User Authentication," IEEE Transactions on Information Forensics and Security, vol. 5, no. 4, 2010.

상세보기
A. Al Abdulwahid, N. Clarke, I. Stengel, S. Furnell, and C. Reich, "Continuous and transparent multimodal authentication: Reviewing the state of the art," Cluster Computing, vol. 19, no. 1, Mar. 2016.

상세보기
T. J. Neal and D. L. Woodard, "Surveying biometric authentication for mobile device security," Journal of Pattern Recognition Research, vol. 1, pp. 74-110, 2016.
D. Crouse, H. Han, D. Chandra, B. Barbello, and A. K. Jain, "Continuous authentication of mobile user: Fusion of face image and inertial measurement unit data," In Proceedings of International Conference on Biometrics, 2015.
M. Frank, R. Biedert, E. Ma, I. Martinovic, and D. Song, "Touchalytics: On the applicability of touchscreen input as a behavioral biometric for continuous authentication," IEEE Transactions on Information Forensics and Security, vol. 8, no. 1, 2013.

상세보기
H. Zhang, V. M. Patel, M. E. Fathy, and R. Chellappa, "Touch gesture-based active user authentication using dictionaries," In Proceedings of IEEE Winter Conference Applications of Computer Vision, 2015.
L. Li, X. Zhao, and G. Xue, "Unobservable reauthentication for smart phones," In Proceedings of 20th Network and Distributed System Security Symposium, 2014.
T. Feng, Z. Liu, K. A. Kwon, W. Shi, B. Carbunar, Y. Jiang, and N. Nguyen, "Continuous Mobile Authentication using Touchscreen Gestures," In Proceedings of IEEE Conference on Technologies for Homeland Security, 2012.
X. Zhao, T. Feng, W. Shi, and I. Kakadiaris, "Mobile User Authentication Using Statistical Touch Dynamics Images," IEEE Transactions on Information Forensics and Security, vol. 9, no. 11, 2014.

상세보기
W. Meng, W. Li, and D.S. Wong, "Enhancing touch behavioral authentication via costbased intelligent mechanism on smartphones," Multimedia Tools and Applications, vol. 77, 2018.

상세보기
M. Abuhamad, A. Abusnaina, D. Nyang, and D. Mohaisen, "Sensor-based Continuous Authentication of Smartphones' Users Using Behavioral Biometrics: A Contemporary Survey," IEEE Transactions on Internet of Things Journal, 2020.
T. Y. Chang, C. J. Tsai, and J. H. Lin, "A graphical- based password keystroke dynamic authentication system for touch screen handheld mobile devices," Journal of Systems and Software, vol. 85, no. 5, 2012.

상세보기
S. Zahid, M. Shahzad, S. A. Khayam, and M. Farooq, "Keystroke-based User Identification on Smart Phones," In Proceedings of International Workshop on Recent advances in intrusion detection, 2009.
E. V. C. Urtiga and E. D. Moreno, "Keystroke-based biometric authentication in mobile devices," IEEE Latin America Transactions, vol. 9, no. 3, 2011.

상세보기
N. Kumar, A. Berg, P. Belhumeur, and S. Nayar, "Describable visual attributes for face verification and image search," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 33, no. 10, 2011.

상세보기
C. Giuffrida, K. Majdanik, M. Conti, and H. Bos, "I sensed it was you: authenticating mobile users with sensor-enhanced keystroke dynamics," In Proceedings of International Conference on Detection of Intrusions and Malware, and Vulnerability Assessment, 2014.
T. Anusas-amornkul, "Strengthening password authentication using keystroke dynamics and smartphone sensors," In Proceedings of ACM International Conference on Information Communication and Management, 2019.
M. E. Fathy, V. M. Patel, and R. Chellappa, "Face-based active authentication on mobile devices," In Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing, 2015.
D. Crouse, H. Han, D. Chandra, B. Barbello, and A. K. Jain, "Continuous authentication of mobile user: Fusion of face image and inertial measurement unit data," In Proceedings of International Conference on Biometrics, 2015.
P. Samangouei, V. M. Patel, and R. Chellappa, "Attribute-based continuous user authentication on mobile devices," In Proceedings of IEEE International Conference on Biometrics Theory, Applications and Systems, 2015.
P.W. Tsai, M.K. Khan, J.S. Pan, and B.Y. Liao, "Interactive Artificial Bee Colony Supported Passive Continuous Authentication System", IEEE Systems Journal, vol. 8, no. 2, 2014.

상세보기
A.B. Buduru and S.S. Yau, "An effective approach to continuous user authentication for touch screen smart devices," In Proceedings of IEEE International Conference on Software Quality, Reliability and Security, 2015.
M. Ehatisham-ul-haq, M.A. Azam, U. Naeem, and J. Loo, "Continuous authentication of smartphone users based on activity pattern recognition using passive mobile sensing," Journal of Network and Computer Applications, vol. 109, no. C, 2018.
F. Zhang, A. Kondoro, S. Muftic, "Location-based authentication and authorization using smart phones," In Proceedings of IEEE International Conference on Trust, Security and Privacy in Computing and Communications, 2012.
M. A. Alawami, H. Kim, "LocAuth: A fine-grained indoor location-based authentication system using wireless networks characteristics," Computers & Security, vol. 89, 2020.

상세보기
F. Li, N. Clarke, M. Papadaki, and P. Dowland, "Behaviour profiling for transparent authentication for mobile devices," In Proceedings of European Conference on Information Warfare and Security, 2011.
F. Li, N. Clarke, M. Papadaki, and P. Dowland, "Active authentication for mobile devices utilising behaviour profiling," International Journal of Information Security, vol. 13, no. 3, 2014.

상세보기
T. Neal, D. Woodard, and A. Striegel, "Mobile device application, Bluetooth, and Wi-Fi usage data as behavioral biometric traits," In Proceedings of IEEE International Conference on Biometrics Theory, Applications and Systems, 2015.
U. Mahbub, J. Komulainen, D. Ferreira, R. Chellappa, "Continuous authentication of smartphones based on application usage," IEEE Transactions on Biometrics, Behavior, and Identity Science, vol. 1, no. 3, 2019.

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

스마트폰 기반 Continuous Authentication 기술 동향 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (29)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

스마트폰 기반 Continuous Authentication 기술 동향 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (29)

이 논문을 인용한 문헌

저자의 다른 논문 :

조금환 (2)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

초록
AI-Helper

AI 본문요약
AI-Helper