http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
사용자 인증 시스템의 보안성 향상을 위한 생체인식 데이터의 암호화
박우근,Park, Woo-Geun 한국전기전자학회 2005 전기전자학회논문지 Vol.9 No.1
본 논문에서는 생체인식 데이터의 보안성을 향상시키기 위하여 MD5(Message Digest5) 와 RSA(Ron Rivest, Adi Shamir, Len Adleman) 알고리즘 등을 이용한 새로운 생체인식 데이터 전송 모델을 제시함으로써 보다 안전하게 사용자 인증을 수행할 수 있도록 하였다. 즉, 클라이언트를 통해 생체인식 종류 가운데 지문을 입력 하도록 하고, 처리된 지문을 서버로 전송한다. 지문 정보가 전송 될 때, 외부로부터의 불법적인 생체 정보를 가로채는 등의 문 제를 해결하기 위해 MD5 알고리즘을 이용하여 정보를 Digest화하고, 이것을 RSA 방식으로 다시 전송하는 과정을 거치도록 하는 것을 보여주었으며, 암호화 되지 않은 일반 텍스트 데이터와 생체 데이터, 암호화 하여 전송하는 생체 데이터의 전송 속도 및 보안성을 각각 비교 실험 하였다. 이러한 개선된 방법을 통하여 사용자 인증을 수행함으로써 인증 절차를 간소화하고 좀 더 정확하고 안정된 방법으로 여러 분야에 적용될 수 있을 것으로 예상 된다. This paper presented new biometrics data transfer model, and use MD5 (Message Digest5) and RSA (Ron Rivest, Adi Shamir, Len Adleman) algorithm to improve biometrics data's security. So, did so that can run user authentication more safely. That is, do so that may input fingerprint among biometrics through client, and transmit processed fingerprint to server. When fingerprint information is transmitted, it uses MD5 algorithm to solve problem that get seized unlawful living body information from outside and information does Digest. And did to pass through process that transmit again this by RSA method. Also, experimented general text data and living body data that is not encoded, transmission speed and security of living body data that encoding and transmit each comparison. By running user authentication through such improved method, is expected to be applied in several. fields by method to simplify certification procedure and is little more correct and stable.
태양광 발전 예측을 위한 Deep Learning 모델의 입력 변수 선정 방식에 관한 연구
박우근(Woo-Geun Park),김지수(Ji-Soo Kim),신광수(Gwang-Su Shin),김호영(Ho-Young Kim),김철환(Chul-Hwan Kim) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.10
As the number of renewable energy integration is increased, the prediction of photovoltaic(PV) power generation becomes more important. The independent variable which is used to predict the PV power is selected depending on the user’s experience. However, there is no clear standard in determining the variable. In this paper, Variance Inflation Factor (VIF) and Machine Learning (ML) are applied to select the independent variable used in the PV power prediction method. Moreover, Deep Learning (DL) model will be performed with the selected independent variables, and the best prediction performance will be obtained.