수사단서를 이용한 동일 사이버범죄 판단 기법 :Technique for indentifying cyber crime using clue

김주희

추천

검색

자료유형: 학위논문

저자정보: 김주희 (고려대학교, 고려대학교 정보보호대학원)

지도교수: 李相珍

발행연도: 2015

저작권: 고려대학교 논문은 저작권에 의해 보호받습니다.

이용수5

이 논문의 연구 히스토리 (2)

2015

수사단서를 이용한 동일 사이버범죄 판단기법

김주희 정보보호학회논문지 2015.08 학술저널

수사단서를 이용한 동일 사이버범죄 판단 기법

김주희 디지털포렌식 2015.01 학위논문

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

초록· 키워드

오류제보하기

최근 몇 년간 스마트폰의 보급률이 폭발적으로 증가하면서 사이버범죄는 기존의 수사체계의 한계를 넘어서는 새로운 형태의 수사단서들을 쏟아내고 있다. 일선 경찰관서에서는 사건 접수 시 피해자로부터 이러한 형태의 수사단서를 수집하여 방대하게 축적하고 있으나, 이를 체계적으로 관리하고 있지 않아 많은 데이터 속에서 이것이 내포하고 있는 숨은 의미를 지나치는 경우가 많다. 사이버범죄에서 주 범행 도구인 컴퓨터 시스템의 특성상 기계적이고 복잡한 단서가 대량 생성되므로, 수집된 수사단서를 체계적으로 분류, 단순화하여 분석할 필요가 있다. 본 논문에서는 국내에서 발생되는 사이버범죄 유형에 따른 수사단서를 체계적으로 분류, 단순화하여 주요 취급되는 주요수사단서를 선정하고, 데이터 마이닝 및 시각화를 통해 사건 수사단서 간 상호 연관성을 확인할 수 있었다. 이러한 사이버범죄 데이터 활용을 통해 범죄 조기차단 및 중복수사를 방지하여 수사의 효율성을 증대하고 사이버범죄 예방을 도모하고자 한다.

#사이버범죄 #범죄데이터 #데이터마이닝 #시각화

I. 서론 1
II. 데이터 마이닝의 정의 및 기법 3
1. 데이터 마이닝의 개념과 목적 3
2. 데이터 마이닝의 기능 4
2.1. 특성화(characterization) 4
2.2. 빈발패턴(frequent pattern), 연관성(association), 상관성(correlation)의 마이닝 5
2.3. 분류(classification)와 예측(prediction) 5
2.4. 군집 분석(cluster analysis) 5
2.5. 이상치 분석(outlier analysis) 6
2.6. 전개 분석(evolution analysis) 6
3. 군집화 분석 6
3.1. 군집화의 기능 6
3.2. 군집화 기법 8
3.2.1. 분할기법 8
3.2.2. 계층적 기법 9
3.2.3. 밀도기반 기법 9
4. 범죄 데이터와 데이터 마이닝 10
III. 범죄데이터에 데이터 마이닝을 활용한 해외사례연구 12
1. Tucson Police Department: COPLINK i2 12
2. Los Angeles Police Department: Palantir Visualization 14
IV. 사이버 범죄의 유형 별 조사 체계 고찰 18
1. 사이버 범죄 유형과 수사단서 18
1.1. 인터넷 사기 유형 20
1.2. 사이버 금융범죄 유형 20
1.3. 그 외 정보통신망 이용사기 20
2. 주요 수사 단서 선정 22
3. 동일 범죄 여부 판단 방안 23
V. 사이버 범죄 조사 체계 개선 방안 25
1. 자료의 수집 및 정제 25
2. 데이터 마이닝 기법 선택 27
3. 수사단서를 활용한 집중 수사 체계 제안 30
4. 실제 데이터 적용 사례 34
4.1. 다수의 대포통장 이용 인터넷 사기사건 연관성 분석 34
VI. 사이버 범죄 수사단서 DB구축 제안 40
1. 사이버범죄 DB 설계 및 ER 다이어그램 40
2. 수사단서 데이터베이스 스키마 41
2.1. Case 테이블 42
2.2. Clue 테이블 42
2.3. Personal 테이블 43
2.4. Personal Code 테이블 43
2.5. Account 테이블 44
2.6. CCTV 테이블 44
2.7. Phone 테이블 45
2.8. ID 테이블 46
2.9. Malware 테이블 46
2.10. IP 테이블 47
VII. 결론 48

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 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)