• 한국콘텐츠학회논문지
• /
• 제8권9호
• /
• pp.55-65
• /
• 2008

뉴스의 중요성이 한층 강조되고 있는 정보화시대에 TV뉴스의 영상제작 분야는 다매체 다채널 디지털방식 등 첨단 기술로 끊임없이 진보되어 오고 있다. 하루가 다르게 발전하는 첨단 방송장비들과 새로운 표현기법들은 오랫동안 방송현업에 종사하고 있는 사람들도 당황스럽게 한다. 영상제작방식은 변화의 속도를 더 빠르게 실감하고 있으며 고품질의 영상정보를 수용하려는 시청자들은 이런 변화들을 오히려 반겼을 것이다. 그 동안 전통적 관념으로 영상표현방식이 존재하고 있었는데 TV뉴스 영상에서는 이미지너리 라인을 적용한 표현방식이 있었다. 수용자에게 이제 전통적인 영상표현은 TV뉴스 속에서 중요성을 상실하고 있다. 그러나 진보되어가는 시대적 흐름에 영상표현 방식도 변화를 가져왔고 영상 제작자들은 시청자들의 욕구를 충족시키기 위하여 보완점을 만들어 냈다. 본 논문에서는 기존의 영상제작 방식도 시대적 흐름에 따르지 않고 적응하지 못하고 있다는 의미에서 TV뉴스영상의 이미지너리 라인을 확대 해석해야 할 필요성을 제기하고자 한다. 지금의 영상은 오직 비디오만을 주장하지 않는다. 비디오와 오디오를 통틀어 정의되고 있다. 아울러 이미지너리 라인의 개념도 영상제작에 확대 해석하고 적용해서 수용자들의 이해를 돕고 바른 TV뉴스 영상을 수용자 뿐 아니라 제작자들에게도 인식시키고자 한다.

• 정보보호학회논문지
• /
• 제32권5호
• /
• pp.933-943
• /
• 2022

인터넷이 발달하고 컴퓨터 이용률이 높아짐에 따라 악성코드로 인한 위협 또한 함께 증가하고 있다. 매년 발견되는 악성코드의 수는 급격히 증가하여 자동으로 대량의 악성코드를 분석하기 위한 시스템이 필요한 상황이다. 본 논문에서는 딥러닝 알고리즘을 활용한 악성코드 자동 분석 기법을 소개한다. CNN(Convolutional Neural Network)라는 이미지 분류에 활용도가 높은 알고리즘을 이용하여 악성코드의 특징을 이미지화한 데이터를 분석한다. 제안하는 방법은 악성코드의 Semantic한 정보를 탐지에 활용하기 위하여 단순 바이너리 바이트를 기반으로 생성한 이미지가 아닌, 바이너리의 명령어 빈도수를 기반으로 생성한 이미지를 CNN으로 분석한다. 악성코드 10,000개 정상코드 10,000개로 구성된 대량의 데이터 셋을 활용하여 탐지 성능을 확인한 결과, 제안하는 방법은 91%의 정확도로 악성코드를 탐지할 수 있음이 확인되었다.