기계학습에 기반한 화이트리스트 구축을 통한 강화된 유해사이트 분류 시스템 :Enhanced Harmful Sites Classification System using Whitelist Construction based on Machine Learning

김병진

추천

검색

자료유형: 학위논문

저자정보: 김병진 (숭실대학교, 숭실대학교 대학원)

지도교수: 이상준

발행연도: 2019

저작권: 숭실대학교 논문은 저작권에 의해 보호받습니다.

이용수20

이 논문의 연구 히스토리 (3)

2019

웹 사이트 간 연결 관계를 이용한 유해사이트 판별방법 개선 및 화이트리스트 구축

김병진 , 이상준 정보과학회 컴퓨팅의 실제 논문지 2019.10 학술저널

기계학습에 기반한 화이트리스트 구축을 통한 강화된 유해사이트 분류 시스템

김병진 2019.01 학위논문

2018

웹 사이트간 연결 관계를 이용한 유해사이트 판별방법 개선 및 화이트리스트 구축

김병진 , 이상준 한국정보과학회 학술발표논문집 2018.12 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

인터넷 이용률은 매년 꾸준히 상승하고 있다. 인터넷의 발전은 정보를 빠르고 쉽게 얻는 것이 가능해졌지만 음란물, 성매매, 도박, 살인 및 자살 등의 유해 정보에 쉽게 접근이 가능하다는 문제가 있다. 또한 일부 커뮤니티에서는 개인의 사생활 침해 또는 불법행위의 선동 등 유해 정보들이 이성적인 성인뿐만이 아니라 아직 미성숙한 청소년들 에게 까지 무분별하게 노출 되고 있다. 이러한 문제점 때문에 정부는 유해사이트 차단을 위한 노력을 하고 있지만 유해사이트의 규모가 방대하고 판별 방법에 정확한 기준이 없어 어려움을 겪고 있다. 오늘날, 유해사이트를 판별하기 위한 여러 방법이 제안 되었지만 큰 비용과 시간이 필요하거나 판별의 정확도가 낮았다. 기존에 제안 된 웹 사이트 간 연결 관계를 이용한 유해사이트 판별 방법은 대규모 유해사이트를 판별하는데 소모되는 비용과 시간을 줄이는데 기여했지만 판별의 정확도 문제는 해결하지 못하였다. 따라서 유해사이트 판별 방법의 정확도를 개선 할 새로운 방법이 필요하다.

본 논문에서는 기존에 제안 된 웹 사이트 간 연결 관계 기반 유해사이트 판별 방법의 정확도 문제를 해결하기 위해 먼저 기계학습에 기반한 유해사이트 분류 시스템을 제안한다. 제안 방법은 기존의 연결 관계를 이용한 유해사이트 판별 방법으로 구축된 유해사이트 데이터베이스를 클러스터링 하고 클러스터 별 정보를 전처리 과정을 통해 메타데이터를 생성한다. 웹 사이트의 메타데이터를 이용하여 분류 예측 알고리즘을 만들고 예측 값과 메타데이터 값을 학습시켜 유해사이트 분류 모델을 생성한다. 제안한 모델로 분류한 여러 유형의 사이트 중 비 유해사이트를 이용하여 화이트리스트를 구축하고 웹 사이트간 연결 관계를 이용한 화이트리스트 구축 방법으로 화이트리스트를 확장한다. 또한, 제안 방법으로 명확한 유해사이트에 대한 분류 기준이 없는 우리나라에게 유해사이트 분류 기준을 제시하고 화이트리스트를 이용하여 기존 웹 사이트간 연결 관계를 이용한 유해사이트 판별 방법의 정확도를 개선한다.

Internet usage rate is steadily rising every year. The spread of the Internet has made it possible to obtain information easily and quickly, but it also has the problem of easily accessing harmful information such as prostitution, gambling, pornography, suicide and murder. In some communities, harmful information such as personal privacy invasions and the promotion of illegal activities are indiscriminately exposed not only to rational adults but also to immature adolescents. Due to these problems, the government has made efforts to block harmful sites, but it has been difficult because the scale of the harmful sites are huge and there are no precise standard in the discrimination method. Today, several methods have been proposed to discrimination harmful sites, but they are costly, time consuming, and inaccurate. The proposed method of discrimination harmful sites using linkage relationships between web sites has contributed to reducing the cost and time required to discrimination large - scale harmful sites but the problem of accuracy of discrimination was not solved. Therefore, we need a new method to improve the accuracy of harmful site discrimination method.

In this paper, we propose a method to classify harmful sites to solve the accuracy problem of the proposed method. The proposed method clusters the harmful site database constructed by the existing harmful site discrimination method using the linkages relations and generates metadata through pre-processing of cluster-specific information. We create a classification prediction algorithm by using the metadata of the website and generate the harmful site classification model by learning the prediction value and the metadata value. We construct a whitelist using non harmful sites among various types of sites classified by this model, and expand a whitelist by using a whitelist construction method using linkages between websites. In addition, we propose classification scheme of harmful sites to Korea which does not have clear classification criteria for harmful sites by the proposed method, and improve the accuracy of harmful site discrimination method using linkages relationship between existing websites using whitelist.

#빅 데이터 #기계학습 #데이터베이스

국문초록 ⅴ
영문초록 ⅶ
제 1 장 서론 1
1.1 연구 배경 및 목적 1
1.2 논문 구성 5
제 2 장 관련 연구 및 배경 6
2.1 불법 유해 정보 분류 체계 연구 6
2.2 유해사이트 판별 방법 연구 8
2.2.1 내부 콘텐츠 분석 기반 유해사이트 판별 방법 8
2.2.2 웹 사이트간 연결 관계를 이용한 유해사이트 판별 방법 9
2.3 기계학습 기반 분류 방법 연구 11
2.3.1 Random Forest 분류 모델 12
제 3 장 제안 방법 14
3.1 시스템 구조 14
3.2 시스템 1계층: 데이터 수집 15
3.2.1 웹 사이트 데이터 수집 및 데이터베이스 구축 15
3.3 시스템 2계층: 데이터 전처리 16
3.3.1 텍스트 데이터 전처리(1) 16
3.3.2 텍스트 데이터 전처리(2) 21
3.3.3 도메인 이름과 유해단어 개수 전처리 22
3.3.4 이미지, 자식 도메인 개수 전처리 23
3.3.5 전처리 데이터를 이용한 분류 예측 알고리즘 24
3.4 화이트리스트 구축 방법 25
3.4.1 정부, 교육기관을 위한 도메인 25
3.4.2 제안하는 화이트리스트 구축 방법 26
3.5 시스템 3계층: 기계학습 검증 및 결과 데이터 제공 28
3.5.1 유해사이트 분류 모델 및 화이트리스트 확장 방법 28
제 4 장 실험 및 평가 29
4.1 웹 사이트 수집 및 유해사이트 판별 모델 29
4.2 유해사이트 분류 모델 30
4.2.1 전처리 하지 않은 단순 텍스트 기계학습 31
4.2.2 전처리 한 텍스트 기계학습 32
4.2.3 전처리한 웹페이지 정보를 이용한 기계학습 33
4.2.4 전처리 데이터를 이용한 분류 예측 알고리즘 34
4.2.5 예측 알고리즘의 결과와 전처리한 데이터를 이용한 기계학습 35
4.2.6 기계학습 기반 분류 모델 실험 결과 36
4.3 제안 시스템 평가 37
제 5 장 결론 38
참고문헌 39

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)