선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 있다. 이에 따라, 본 논문은 점차 지능화 되고 있는 신 유형의 음란 스팸메일에 적극적으로 대처 할 수 있도록 새로운 방법의 음란 메일 차단시스템을 제안하고자 한다. 이 시스템은 음란단어, 음란이미지 및 음란사이트 주소(URL)를 인식할 수 있는 기능이 있으며, 특히, 웹 로봇 에이전트를 이용하여 음란 메일에 링크된 페이지의 음란성까지 검사한다는 점에서 기존의 차단시스템들과 차별화된다 하겠다.
제안 방법
- 피부색 판별에 있어서 RGB 모델은 각각의 성분이 빛의 세기를 포함하고 있으므로 빛의 변화에 의해 컬러의 검출을 방해한다. 그러므로 본 논문에서는 빛의 영향으로부터 RGB 모델에 비해 자유로운 HSV 모델을 이용하여 피부색의 임계 값을 설정하였다.
- 본 논문에서 제안한 시스템은 메일 제목, 내용뿐만 아니라 메일에 링크된 페이지들의 음란성까지 검사하여 해당 메일의 유해성을 판별한다. 이를 위하여 음란 텍스트 및 이미지 판별 엔진과 웹 로봇 에이전트의 구현을 필요로 하였다.
- 본 논문에서 제안한 웹 로봇은 메일 파서를 통해 추출된 URL을 시작점으로 하여, HTTP 프로토콜을 이용해 웹 공간에 분산되어 있는 웹 페이지에 대한 정보를 읽고 분석한다. 이때 에이전트가 제공받는 문서수집정책에 의해 필요한 정보만 수집하게 되며 기방문 DB 내에 존재하는 페이지에 대해서는 데이터 수집을 하지 않는다.
- 본 논문의 구현을 위해서 CPU 3.0 GHz, Main Memory 1 Gigabyte, Windows XP Professional 운영 체제에서, 음란성 검사 필터와 웹 로봇 에이전트는 Microsoft Visual C+ + 6.0을 이용하여 구현하였고 사용자 인터페이스와 메일 수집유닛, 정보 관리 유닛은 Microsoft Visual Basic 6.0으로 구현하였으며, 하부 저장 구조로는 My SQL 5.0.19를 사용하였다.
- 실험 평가 방법으로는 얼마나 정확하게 분류되었는지 성능을 측정하기 위하여 메일의 음란성만 검사한 결과, 메일에 링크된 페이지들(2 Depth)의 음란성만을 검사한 결과, 메일의 음란성과 함께 링크된 페이지들(2 Depth)의 음란성까지 검사한 결과를, 아래와 같은 수식으로 정확도(Precision)와 재현율 (Recall) 二리고 F-mcasurc 측성식으로 평가하였니, . [9]
- 폭력정보에 대해 인터넷내용등급서비스(Safenet)의 등급 기준에 따라 해당 사이트의 등급을 설정하여 DB로 구축하고 있다. 이 해외 등급 DB를 이용하여 음란성 검사 필터가 메일 또는 수집된 웹 페이지에 연결된 URL의 음란성 여부를 판별한다.
- 판별한다. 이를 위하여 음란 텍스트 및 이미지 판별 엔진과 웹 로봇 에이전트의 구현을 필요로 하였다.
- 판별과정에 있어서 우선적으로 메일을 파싱하고, 파싱한 헤더 정보를 정보통신부 스팸메일 방지 가이드라인과 블랙 리스트, 화이트 리스트를 이용하여 검사한 후 음란성 검사 필터를 이용하여 각 메일에 대해서 필터링을 한다. 화이트 리스트에 포함 되지 않았을 경우 웹 로봇 에이전트를 이용하여 메일에 링크된 페이지를 수집하고 수집된 페이지를 인터넷 내용선별기술 표준을 이용하여 전처리한 후 메일의 음란성 검사와 마찬가지로 필터를 이용하여 최종적으로 메일의 음란성에 대해 판별을 한다.
대상 데이터
- 검사를 위한 음란 스팸메일은 2006년 6월 ~ 12월까지 수집한 음란메일 800건과 비음란메일 200건을 사용하였다. 음란 키워드 사전은 정보통신윤리위원회의 Safe net 등급 기준이 적용된 전자사전을 이용하였으며 음란 URL 목록은 정보통신윤리위원회 해외등급 DB를 이용하였다.
이론/모형
- 따라서 본 논문은 기존 방법의 문제점을 해결하기 위하여 이미지 내 Skin-Color분포를 이용한 Human Detection 알고리즘(A)과 웹 로봇에이전트(B)를 이용하였다. 형태소 분석과 전자(A)를 병합하여 적용한 경우 성능 측정에서 90% 정도의 F-measure® 보였지만 추가적으로 후자(B) 와의 병합을 적용한 경우 성능 측정에서 97% 이상의 F-measure® 보이며, 신뢰성이 높은 스팸메일 차단시스템을 구현할 수 있다는 것을 증명하였다.
- 역할을 하는 것이다. 웹은 directed graph와 유사한 구조를 가지고 있기 때문에 graph-traversal 알고리즘을 사용하여 정보탐색을 한다.
- 음란 키워드 사전은 정보통신윤리위원회의 Safe net 등급 기준이 적용된 전자사전을 이용하였으며 음란 URL 목록은 정보통신윤리위원회 해외등급 DB를 이용하였다.
- 첫 번째로 최초 탐색에 Seed URL을 주고 문서를 주줄 한 다음, 그 이후에 재귀적으로 탐색을 하는 방법이다. 재귀적인 탐색시에 breadth-fir st 또는 depth-first 방법 중 하나를 사용한다. 다음으로 특정 URL의 집합을 통해 이를 탐색하는 기법이다.
- 이러한 형태소를 자동으로 분석하는 기법에는 사전기 반형과 휴리스틱기 반형으로 나뉘어진다. 전자는 사전에 저장된 단어들에 대한 정확한 결과를 보증하기 위해 어간사전을 사용하고, 후자는 이전에 보지 못한 단어들에 대한 결과를 유추하기 위하여 휴리스틱 규칙을 사용한다. 그러나 언어는 새로운 단어가 지속적으로 나타나기 때문에 모든 사전은 완전하다고 말할 수 없다.
성능/효과
- 실험 결과를 보면 메일 내 텍스트와 이미지 만을 검사한 분석 결과에서는 성능평가 기준인 F-measure가 각각 84.0% 와 51.1%로서 메일판별의 정확도에 있어서 다소 떨어지는 것을 확인할 수 있다. 웹 로봇 에이전트의 수집페이지 분석 결과에서 링크된 페이지들(2 Depth)의 음란성만 검사한 결과가 96.
- 1%로서 메일판별의 정확도에 있어서 다소 떨어지는 것을 확인할 수 있다. 웹 로봇 에이전트의 수집페이지 분석 결과에서 링크된 페이지들(2 Depth)의 음란성만 검사한 결과가 96.1%의 정확도와 79.1%의 재현율을 보였고, 메일의음란싱만을 검사한 결과가 96.1%의 정확노와 85.6%의 재현율을 보였으며 메일의 음란성과 함께 링크된 페이지들(2 Depth) 의 음, 란싱까지 검사한 결과가 96.2%의 정확노와 97.6%의 재현율을 보이녀 가장 좋은 싱능을 나타내었다.
- 웹 로봇에이전트(B)를 이용하였다. 형태소 분석과 전자(A)를 병합하여 적용한 경우 성능 측정에서 90% 정도의 F-measure® 보였지만 추가적으로 후자(B) 와의 병합을 적용한 경우 성능 측정에서 97% 이상의 F-measure® 보이며, 신뢰성이 높은 스팸메일 차단시스템을 구현할 수 있다는 것을 증명하였다. 여기서 중요한 점은 형태소 분석 및 Skin-Color 분포만을 이용하여 분석한 결과는 만족할 만한 성능을 보이진 않지만 웹 로봇 에이전트를 통한 분석과 병합하여 적용하였을 경우에는 아주 좋은 성능을 보여준다는 것을 알 수 있다.
후속연구
- 갖고 있다. 그러므로 향후에는 웹 로봇 성능 개선에 대한 연구가 필요하리라 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.