문제4) 정보보호 관리체계(Information Security Management System)의 개념과 관리과정을 설명하시오. 답) 1. 정보보호 및 개인정보보호 관련 컴플라이언스. 정보보호 관리체계의 개념 가. 정보보호 관리체계(Information Security Management System)의 개념 개념 정보보호관리에 대한 표준적 모델 및 기준을 제시하여 기업의 정보보호관리체계 수립·운 영을 촉진하고 기업의 정보보호를 위한 일련의 활동등이 객관적인 인증 심사 기준에 적합 한 지를 인증하는 제도 개별적으로 운영되던 과학기술부정통부 소관의 ‘정보보호 관리체계 인증제도(ISMS)’와 방송통신위원회, 행정안전부 소관의 ‘개인정보보호 관리체계 인증제도(PIMS)’를 통합하여 인증 제도를 일원화하여 I..

문제1) 인공지능(AI)을 이용한 자연어 처리 임베딩(Embedding) 기술에 대하여 설명하시오. 답) 1. 인공지능을 이용한 자연어 처리 임베딩(Embedding) 기술의 개념 자연어를 기계가 이해할 수 있는 숫자의 집합인 벡터로 표현하는 방법으로, 단어를 밀집 표현으로 변환 2. 자연어 처리 임베딩 기술의 구성 방식 처리기술 설명 워드 클라우드 텍스트를 분석하여 사람들의 관심사, 키워드, 개념 등을 파악할 수 있도록 빈도수를단순히 카운트하여 시각화하는 기술 N-gram Model 카운트 기반의 통계적 방법으로 Unigram, Bi-gram, Tri-gram등을 이용. (예) 현재기준 단어 분석시, 현재의 단어만 선택하여 분석할경우 unigram.바로 전 단어까지 선택하여 분석할 경우 Bi-gram,..

문제2) 머신러닝 보안 취약점에 대하여 설명하시오. 가. 머신러닝 학습과정에서의 적대적 공격 4 가지 나. 각각 적대적 공격의 방어기법 답) 1. 머신러닝의 적대적 공격 개요 정의 러닝의 심층신경망을 이용한 모델에 적대적 교란(Adversarial Perturbation)을 적용하여 오분류를 발생시키는 공격기술 유형 적대적 공격은 AI를 활용하고 있는 다양한 분야에 위협이 되고 있음. 머신러닝 학습 과정에서 악의적인 학습 데이터를 주입해 머신러닝 모델을 망가뜨리는 중독 공격(Poisoningattack), 머신러닝 모델의 추론 과정에서 데이터를 교란해 머신러닝을 속이는 회피 공격(Evasion attack), 역공학을 이용해 머신러닝 모델이나 학습 데이터를 탈취하는 모델 추출 공격(Model extrac..

문제1) 머신 러닝(Machine Learning)에서 활용되는 의사결정나무(Decision Tree)모델을 설명하시오. 답) 1. 스무고개 놀이, 의사결정나무(Decision Tree)모델의 개념 정의 의사결정 규칙을 나무 구조로 나타내어 전체 자료를 몇 개의 소집단으로 분류(classification)하거나 예측(prediction)을 수행하는 분석방법 설명변수(X) 간의 관계나 척도에 따라 목표변수(Y)를 예측하거나 분류하는 문제에 활용되는 나무 구조의 모델 구성 요소 root node 의사결정 Tree가 시작되는 노드 child node 하나의 마디로부터 분리되어 나간 2개 이상의 노드 parent node 주어진 마디의 상위 노드 terminal node 더 이상 분기가 되지 않아 자식 마디가 ..

문제4) 최근 인공지능 기술 활용이 증가하면서 다양한 보안 위협이 증가하고 있다. 이와 관련하여 아래 사항들에 대하여 설명하시오. 1) 머신러닝 학습과정에서의 적대적 공격 4가지와 방어기법 2) 생성형 언어모델 기반의 인공지능 기술 활용 시 발생할 수 있는 보안취약점 답) 1. 머신러닝의 적대적 공격 개요 정의 러닝의 심층신경망을 이용한 모델에 적대적 교란(Adversarial Perturbation)을 적용하여 오분류 를 발생시키는 공격기술 유형 적대적 공격은 AI를 활용하고 있는 다양한 분야에 위협이 되고 있음. 머신러닝 학습 과정에서 악의적인 학습데이터를 주입해 머신러닝 모델을 망가뜨리는 중독 공격(Poisoning attack), 머신러닝 모델의 추론 과정에서 데이터를 교란해 머신러닝을 속이는 회..

문제9) 머신러닝 최적화 알고리즘 (Optimization Algorithm) 유형 및 장단점 답) 1. 효율 최적화를 위한, 머신러닝 최적화 알고리즘의 개요 머신 러닝 오차 최소화를 위해 예측값의 손실함수 값을 줄이도록 가중치와 편향값을 조절하여 비용 함수의 최소값을 찾는 알고리즘 2. 머신러닝 최적화 알고리즘의 유형 및 장단점 가. 머신러닝 최적화 알고리즘 유형 머신 러닝 성능 향상을 위해 옵티마이저는 스텝 방향, 스텝 사이즈 두 가지 측면에서 지속적 발전 나. 머신러닝 최적화 알고리즘 유형별 장단점 유형 장단점 Stochastic Gradient Decent 장점 학습률을 기준으로 손실함수(Loss Function) 그래프의 경사를 따라내려 가면서 가중치를 Update하는 옵티마이저 단점 오버슈팅 ..

문제7) 머신러닝(Machin Learning)과 딥러닝(Deep Learning) 차이 답) 1. 머신러닝과 딥러닝의 개념 비교 머신러닝 딥러닝 입력된 데이터를 스스로 학습하여 결과를 예측하거나 분류하는 기술 머신러닝 기술 중 하나인 인공신경망에서 히든레이어를 깊게 쌓아 만든 기술 2. 머신러닝과 딥러닝의 상세 차이점 설명 가. 머신러닝과 딥러닝의 범위 차이 인공지능은 머신러닝과 딥러닝을 포함하며, 머신러닝에 딥러닝이 포함 나. 머신러닝과 딥러닝의 세부 내용 비교 항목 머신러닝 딥러닝 구성 지도학습, 비지도학습, 강화학습 인공신경망 주요 알고리즘 SVM, KNN, PCA, 회귀분석, 인공신경망 등 MLP, CNN, RNN, LSTM, GAN 등 기반 인공지능 및 통계학 기반 인공지능 및 머신러닝 기반 ..

문제5) K-means Clustering과 DBSCAN(Density-Based Spatial Clustering of Application with Noise)개념,구성요소, 장/단점 답) 1. 중심기반 군집화 K-평균 알고리즘(K-Means) 구분 공식 설명 개념 n개의 데이터를 K개의 군집으로 분류하기 위해 거리 기반으로 반복적으로 계산해 나가는Clustering 알고리즘 개념도 구성 요소 K 값 클러스팅하여 묶을 클러스터의 개수 Centroid 클러스터링을 할 중심 값 장점 짧은 계산 시간 간단한 알고리즘에 빠른 연산 가능 탐색적 방법 탐색적 방법을 사용하여 대용량 데이터에 적합 데이터 다양화 다양한 데이터의 적용 가능 가중치, 거리 정의 적절한 가중치와 거리의 정의가 필요 단점 초기 클러스터링..

문제2) A 발주기관은 B수행업체에게 IT 아웃소싱업무를 위탁하였다. 다음에 대하여 설명하시오. 가. 발주가능한 아웃소싱의 유형 나. SLA(Service Level Agreement)와OLA(Operation Level Agreement) 다. Penalty/Incentive 관리체계, SIP(Service Improvement Plan), Annual Reset 답) 1. 서비스 특성 맞춤형 아웃소싱, IT 아웃소싱의 개요 및 유형 가. IT 아웃소싱의 개요 정의 외부를 뜻하는 Out과 자원 활용을 뜻하는 Sourcing의 합성어로 아웃소싱은 외부 전문기관에 위탁하여 정보시스템 관리 활동의 전부 또는 일부를 위탁하여 관리하는 것 고객의 다양한 정보시스템 관리 및 개발업무를 외부 전문회사가 위탁 받아 ..

문제2) 데이터 커머스(Data Commerce)의 중요성이 점차 증대되고 있다. 데이터 커머스에 대한 아래의 사항을 설명하시오 가. 개념과 주요기술 나. 특징 다. 활용 분야 답) 1. e-Commerce 시장의 확대 다양한 Commerce의 등장 및 빅데이터의 확산으로 인해 데이터 분석 기술 기반의 Data Commerce 등장 2. Data Commerce의 개념 및 특징 가. Data Commerce의 개념 데이터 분석 기술을 기반으로 소비자와 상품 데이터를 분석해 맞춤형 쇼핑 정보를 제공하는 커머스 나. Data Commerce의 특징 특징 설명 맞춤형 정보 데이터 분석을 통한 개인별 맞춤형 상품 추천 중계 플랫폼 기업과 소비자간의 중계 역할 수행 빅데이터 활용 다양한 채널에서의 데이터를 이용한..