최근 최저시급의 가파른 인상으로 인건비에 대한 부담이 늘어남과 함께 코로나19의 여파로 무인 상점의 점유율이 높아지고 있는 추세이다. 그로 인해 무인 점포를 타겟으로 하는 도난 범죄들도 같이 늘어나고 있어 이러한 도난 사고를 방지하기 위해 Just-Walk-Out 시스템을 도입하고 고비용의 LiDAR 센서, 가중치 센서 등을 사용하거나 수동으로 지속적인 CCTV 감시를 통해서 확인하고 있다. 하지만 이런 고가의 센서를 많이 사용할수록 점포 운영에 있어 비용 부담이 늘어나게 되고, CCTV 확인은 관리자가 24시간 내내 감시하기 어려워서 사용이 제한적이다. 본 연구에서는 이런 센서들이나 사람에 의지하는 부분을 해결할 수 있고 무인점포에서 사용할 수 있는 저비용으로 도난 등의 이상행동을 하는 고객을 탐지하여 클라우드 기반의 알림을 제공하는 인공지능 영상 처리 융합 알고리즘을 제안하고자 한다. 또한 본 연구에서는 mediapipe를 이용한 모션캡쳐, YOLO를 이용한 객체탐지 그리고 융합 알고리즘을 통해 무인 점포에서 수집한 행동 패턴 데이터를 바탕으로 각 알고리즘들에 대한 정확도를 확인하며 다양한 상황 실험을 통해 융합 알고리즘의 성능을 증명했다.
최근의 빅데이터, 머신러닝, 클라우드 컴퓨팅 분야의 성장에 따라 대용량의 비정형 데이터를 저장할 수 있는 스토리지의 중요성은 날로 커지고 있다. 이에 따라 MAHA-FS, GlusterFS, Ceph 등의 개방형 하드웨어 기반의 분산 파일시스템 기술이 많은 주목을 받고 있다. 이러한 저비용 분산 파일시스템들은 데이터의 내결함성을 보장하기 위하여 초기에 복제 방식을 사용하였으나, 스토리지의 용량이 커질수록 복제 방식이 가지는 스토리지 공간의 저효율성이 점차 부각되면서 이를 보완하려는 방향으로 연구가 진행되고 있다. 본 논문은 복제방식을 대체하여 스토리지 공간 효율성을 향상시킬 수 있는 소거코딩 기법을 MAHA-FS 분산 파일시스템에 적용하여 스토리지의 효율성을 높이고, 소거코딩 지원에 따라 발생하는 데이터 일관성 문제를 해결하는 효율적인 방식으로 VDelta 기법을 제안하고 적용하였다. 본 논문은 MAHA-FS와 GlusterFS의 소거코딩의 구조적 차이점을 기술하고 두 파일시스템의 성능을 비교하여 MAHA-FS의 소거코딩 성능이 GlusterFS에 비해 우수함을 확인하였다.
본 논문에서는 로컬 PC의 성능이 주는 영향이 적은 딥러닝 동작 구조를 구현하였다. 일반적으로, 딥러닝 모델은 많은 연산량을 가지고 있어 처리하는 PC의 성능에 영향을 많이 받는다. 본 논문에서는 이와 같은 제약 사항을 줄이기 위하여 AWS와 스트리밍 서버를 이용하여 딥러닝 동작을 구현하였다. 첫 번째, AWS에서 딥러닝 연산을 하여 로컬 PC의 성능이 떨어지더라도 딥러닝 동작이 정상적으로 작동할 수 있도록 하였다. 하지만 AWS를 통해 연산 시 입력에 대해 출력의 실시간성이 떨어진다. 두 번째, 스트리밍 서버를 이용하여 딥러닝 모델의 실시간성을 증가시킨다. 스트리밍 서버를 사용하지 않았을 경우 한 이미지씩 처리하거나 이미지를 쌓아서 동영상으로 만들어 처리하여야 하기 때문에 실시간성이 떨어진다. 성능 비교 실험을 위한 딥러닝 모델로는 YOLO v3모델을 사용하였고, AWS의 인스턴스들 및 고성능 GPU인 GTX1080을 탑재한 로컬 PC의 성능을 비교하였다. 시뮬레이션 결과 AWS의 인스턴스인 p3 인스턴스를 사용하였을 때 한 이미지 당 테스트 시간이 0.023444초로써 고성능 GPU인 GTX1080을 탑재한 로컬 PC의 한 이미지 당 테스트 시간인 0.027099초와 유사하다는 결과를 얻었다.
현재 우리 정부는 플랫폼 전자정부 도입을 서두르고 빅데이터와 클라우드 컴퓨팅 기술과 시스템을 모색하여 궁극적으로는 공공기관 각각의 이종 대민서비스를 단일창구에서 맞춤형으로 제공하고자 한다. 따라서 이 연구에서는 창구의 프런트오피스 민원인의 다양한 서비스 제공요청에 대응해서 백오피스에서 단일한 방식으로 맞춤형 공공서비스를 제공하기 위해서는 먼저 백오피스 차원에서 공공데이터가 연동되어야하므로 각 행정기관이나 부처의 공공데이터를 기반으로 백오피스에서 통합차원에서 민원인에 대해서 단일한 서비스를 제공할 수 있는 별도의 응용프로그램으로서 앱과 데이터 단위에서 공유를 효율적으로 수행하는 이종서비스 상호 간의 정보시스템 통합이 가능한 새로운 메타데이터정보시스템을 제안하였다. 제안된 시스템이 구현되면, 민원인의 프런트오피스 차원의 생활공간에 존재하는 서비스 수요사슬과 백오피스 차원의 공무원의 사무공간에서 이루어지는 서비스 공급사슬의 일원화를 통한 단일 창구에서의 연동이 유기적으로 되면서, 민원인에 대한 맞춤형 공공서비스 달성을 한발 앞당길 수 있다.
스마트 디바이스 환경에서 잡지산업은 높은 복잡도와 극심한 불확실성을 지닌 가치 네트워크 생태계로 변화하였다. 본 논문은 사례연구방법을 적용하여 디지털 컨버전스와 스마트 디바이스 환경에서 잡지 생태계 모델과 외국 잡지사들의 적응 전략을 연구하였다. 분석 결과, 외국 잡지들의 콘텐츠 생산은 커뮤니티, 전문가 사회집단/조직, 창조적 사용자, 미디어/콘텐츠 기업들이 잡지사 또는 잡지 플랫폼과 협업하는 체계로 작동되고 있었다. 잡지사 주도형 플랫폼인지, 플랫폼의 플랫폼인지, 사용자 주도형 플랫폼인지에 따라 이 체계는 다른 특징과 패턴을 보여주고 있었다. 미디어/콘텐츠 기업과의 협업 사례로서는 허핑턴 포스트, 지니오, 잡지사들과의 협업 사례로서는 아마존 매거진, 북스브이, 그리고 전문가 사회집단/조직과의 협업 사례로서는 허핑턴 포스트, 와이어드, 창조적 사용자 커뮤니티와의 협업 사례로서는 플립보드를 들 수 있다. 외국의 사례잡지 콘텐츠는 잡지 플랫폼을 통한 거래를 본격화하면서 종이책 잡지, 전자책 잡지, 웹진, 앱진, 기사별 상품군으로서 분기되고 있다. 콘텐츠 사용 영역에서 사용자/독자들은 잡지 플랫폼과 관련된 스마트 디바이스를 통해 클라우드 컴퓨팅과 인공 지능 그리고 모듈식 개인화라는 기술 환경을 활용하여 커뮤니티, 전문가 집단, 창조적 사용자로서 잡지사와 관계를 가지고 상호작용하는 선순환 구조를 작동시키고 있었다.
컴퓨팅 기술의 발전과 데이터를 저장할 수 있는 클라우드 환경, 그리고 스마트폰의 보급으로 인하여 많은 데이터가 생산되는 환경에서 인공지능 기술이 발전되고 있다. 이러한 인공지능 기술 중에서 딥뉴럴네트워크는 이미지 인식, 이미지 분류 등에서 탁월한 성능을 제공하고 있다. 기존에는 이러한 딥뉴럴네트워크를 이용하여 산불 및 화재 예방을 위한 이미지 탐지에 대해 많은 연구가 있었지만 흡연 탐지에 대한 연구는 미흡한 실정이었다. 한편 군 부대에서는 각종 시설에 대한 감시체계를 CCTV를 통해 구축하고 있는데 화재, 폭발사고 예방을 위해 탄약고 주변에서의 흡연이나 금연구역에서의 흡연을 CCTV로 탐지하는 것이 필요한 상황이다. 본 논문에서는 딥뉴럴네트워크를 이용하여 흡연 여부를 탐지하는 방법에 대한 성능 분석을 하였으며 활성화함수, 학습률 등 실험적으로 최적화된 수치를 반영하여 흡연사진과 비흡연사진을 두 가지 경우로 탐지하는 것을 하였다. 실험 데이터로는 인터넷 상에 공개되어 있는 흡연 및 비흡연 사진을 크롤링하여 데이터를 구축하였으며, 실험은 머신러닝 라이브러리를 이용하였다. 실험결과로 학습률 0.004로 최적화 알고리즘 Adam을 사용하였을 때, 93%의 accuracy와 92%의 F1-score를 갖는 것을 볼 수 있었다. 또한 이로써 이미지의 연속인 CCTV 영상도 딥뉴럴네트워크를 이용하여 흡연 여부를 탐지할 수 있음을 알 수 있었다.
4차 산업혁명의 핵심기술 발전은 다른 핵심기술의 발전과 연계되며, 이를 통하여 미래에 산업구조를 변화시키고 새로운 스마트 비즈니스 모델을 창출할 것으로 예측된다. 이에 본 논문에서는 기술 성숙도 분석을 통하여 기술 성숙도 수준을 진단할 수 있는 방안과, 기술 개발에 도움이 될 수 있는 연구를 수행하고자 하였다. 이를 위하여 기술 동향 정보를 이용하여 4차 산업혁명 핵심기술의 시장, 정책 등을 조사하고 종합하여 종합적인 성숙도 수준을 수행하였다. 기술 성숙도 측정값은 기술 개발자에 의해 배점되므로, 사람의 성향에 따라 편견이 작용되어 주관적인 평가가 될 수 도 있다. 또한 개별 기술의 성숙도에 대한 측정이므로, 전체 시스템 통합 관점의 평가에는 적합하지 않다. 하지만 전체 시스템을 구성하는 핵심 요소기술들을 시스템에 연계하기에 앞서 성숙도를 평가하여 전체 시스템의 효과와 구현 가능성을 비교할 수 있는 수단으로 활용할 수 있으며, 기술 개발의 계획에 중요한 역할을 수행할 수 있을 것으로 기대된다.
지구관측위성 위원회(Committee on Earth Observation Satellites: CEOS)에서 주관하는 오픈 데이터 큐브(Open Data Cube: ODC)는 지구관측그룹(Group on Earth Observations: GEO)에서 구축하는 전 지구 관측시스템(Global Earth Observation System of Systems: GEOSS)의 기반 플랫폼으로 적용되고 발전하고 있다. ODC는 클라우드 컴퓨팅 환경을 기반으로 무상으로 공개되는 대용량의 위성영상정보를 이용하여 국가 규모, 지역 단위에서 사용자가 원하는 다양한 수준의 과학적 정보처리와 분석을 목적으로 하는 응용 서비스 구축에 적용할 수 있는 오픈소스 플랫폼이다. 이 연구에서는 ODC의 주요 특징에 대하여 유사한 목적을 갖는 구글 어스 엔진과 비교하여 설명하였다. 그리고 ODC에 대하여 소개하고 우리나라의 다목적실용위성(KOMPSAT) 영상정보를 이 플랫폼에 적용하는 데 필요한 기본 개념과 고려 사항을 제시하고자 한다. 또한, KOMPSAT 위성영상을 이 플랫폼에서 사용하기 위한 단계를 구분하여 설명하였고 실제 데이터를 이용하여 데이터의 입력과 등록에 적용되는 중간 과정을 예시하였다. 한편 오픈 데이터 사용권 관점에서 KOMPSAT 위성영상을 ODC 응용 서비스에서 적용할 수 있는 실제 방안을 제시하였다. KOMPSAT 위성영상정보의 ODC 적용을 위한 정책과 기술 사항들은 향후 GEO의 GEOSS에 다른 유상 위성정보를 사용하는 데 중요한 근거가 될 것으로 기대한다.
엔지니어링과 IT기술의 융합은 학문적 연구뿐 아니라 산업에도 많은 변화를 가져오고 있다. 특히 컴퓨터 시뮬레이션 기술은 실제 물리현상을 정확히 모사하고 실시간으로 분석할 수 있는 수준으로 발전했다. 본 논문에서는 산업에서 주로 활용되는 유체해석(CFD: Computational Fluid Dynamics) 기술과 최신 가시화 기술로 떠오르고 있는 증강현실을 활용한 후처리기에 대해 기술한다. 유체해석 시뮬레이션 결과를 증강현실기술을 활용하여 가시화하는 연구가 활발히 진행되고 있으나, 결과 데이터의 사이즈가 큰 특성상 데스크탑 환경에서 기사화하는 연구에 한정되어 실제 공간에서 검토가 필요한 유체해석 시뮬레이션분야에서 활용이 제한된다. 본 논문에서는 이러한 문제점을 해결하기 위한 방법에 대해 논의한다. 이를 위해 후처리 과정에서는 유체해석결과를 분석한 후, 모바일 환경에서 원활한 구동을 지원하기 위한 데이터 경량화(70% 이상) 작업을 수행하며, 가시화 과정에서는 경량화된 데이터를 이용하여 클라우드 컴퓨팅을 활용한 실시간 추적 작업과 함께 유체해석결과를 화면에 정합하여 가시화 한다. 이를 통해 사용자는 시뮬레이션이 수행된 다양한 공간에서 유체해석결과를 효과적이고 몰입감있게 검토/분석 할 수 있다.
최근 컴퓨팅 기술의 발전과 클라우드 환경의 개선에 따라 딥 러닝 기술이 발전하게 되었으며, 다양한 분야에 딥 러닝을 적용하려는 시도가 많아지고 있다. 대표적인 예로 정상적인 데이터에서 벗어나는 값이나 패턴을 식별하는 기법인 이상 탐지가 있으며, 이상 탐지의 대표적 유형인 점 이상, 집단적 이상, 맥락적 이중 특히 전반적인 상황을 파악해야 하는 맥락적 이상을 탐지하는 것은 매우 어려운 것으로 알려져 있다. 일반적으로 이미지 데이터의 이상 상황 탐지는 대용량 데이터로 학습된 사전학습 모델을 사용하여 이루어진다. 하지만 이러한 사전학습 모델은 이미지의 객체 클래스 분류에 초점을 두어 생성되었기 때문에, 다양한 객체들이 만들어내는 복잡한 상황을 탐지해야 하는 이상 상황 탐지에 그대로 적용되기에는 한계가 있다. 이에 본 연구에서는 객체 클래스 분류를 학습한 사전학습 모델을 기반으로 이미지 캡셔닝 학습을 추가적으로 수행하여, 객체 파악뿐만 아니라 객체들이 만들어내는 상황까지 이해해야 하는 이상 상황 탐지에 적절한 2 단계 사전학습 모델 구축 방법론을 제안한다. 구체적으로 제안 방법론은 ImageNet 데이터로 클래스 분류를 학습한 사전학습 모델을 이미지 캡셔닝 모델에 전이하고, 이미지가 나타내는 상황을 설명한 캡션을 입력 데이터로 사용하여 학습을 진행한다. 이후 이미지와 캡션을 통해 상황 특질을 학습한 가중치를 추출하고 이에 대한 미세 조정을 수행하여 이상 상황 탐지 모델을 생성한다. 제안 방법론의 성능을 평가하기 위해 직접 구축한 데이터 셋인 상황 이미지 400장에 대해 이상 탐지 실험을 수행하였으며, 실험 결과 제안 방법론이 기존의 단순 사전학습 모델에 비해 이상 상황 탐지 정확도와 F1-score 측면에서 우수한 성능을 나타냄을 확인하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.