RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      수사단서를 이용한 동일 사이버범죄 판단 기법

      한글로보기

      https://www.riss.kr/link?id=T13692827

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract)

      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.
      번역하기

      최근 몇 년간 스마트폰의 보급률이 폭발적으로 증가하면서 사이버범죄는 기존의 수사체계의 한계를 넘어서는 새로운 형태의 수사단서들을 쏟아내고 있다. 일선 경찰관서에서는 사건 접수 ...

      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.

      더보기

      목차 (Table of Contents)

      • 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
      • 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
      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼