• 한국조리학회지
• /
• 제13권4호
• /
• pp.305-316
• /
• 2007

This paper examines that a desirable organizational structure for a security policy in ubiquitous environments that are based on users' need to know and do their tasks in organizations. Tasks are a common entity which already exit and relate directly to both users(who are assigned to tasks and to information required for the completion of a task). Ubiquitous is highlighted as IT paradigm of the future generation. We propose a security model, called the Ubiquitous Group Security Model(UGSM), which associates with a task of processing the information which users need to know. The access type specification restricts the operations that users are permitted to perform, as defined by users' need to do for achieving their tasks in organizations.

• 융합보안논문지
• /
• 제12권1호
• /
• pp.17-25
• /
• 2012

SQL Injection 기법은 공개된지 수년이 지났지만 웹해킹 공격중 가장 위험한 공격으로 분류되어 있다. 웹 프로그래밍은 자료의 효율적인 저장 및 검색을 위해 DBMS를 필수적으로 사용하고 있다. 주로 PHP,JSP,ASP 등의 스크립트 언어를 이용하여 DBMS와 연동한다. 이러한 웹 어플리케이션에서 클라이언트의 잘못된 입력값을 검증하지 않으므로 비정상적인 SQL 쿼리가 발생할 수 있다. 이러한 비정상적 쿼리는 사용자 인증을 우회하거나 데이터베이스에 저장된 데이터를 노출시킬 수 있다. 공격자는 SQL Injection 취약점을 이용하여 아이디와 암호를 몰라도 웹기반 인증을 통과할 수 있고 데이터베이스에 저장된 데이터를 열람해 볼 수 있다. SQL Injection에 대한 대책으로 다수의 방법이 발표되었다. 그러나 어느 한 가지 방법에 의존할 경우 많은 보안 공백이 발생할 수 있다. 단계적 대응모델은 사고 예방적 측면에서 소스코드 작성 단계, 서버 운용단계, 데이터베이스 핸드링 단계, 사용자 입력값 검증 활용 단계 등 대책을 프레임워크로 구성하여 적용하는 방법이다. 이 대응모델 을 적용할 경우 운용과정을 통해 존재하는 SQL Injection의 공격가능성을 보다 효과적으로 차단이 가능하다.

• Design & Manufacturing
• /
• 제17권4호
• /
• pp.1-7
• /
• 2023

In the fabrication of curved multi-display glass for automotive use, the surface roughness of the mold is a critical quality factor. However, the difficulty in detecting micro-cutting signals in a micro-machining environment and the absence of a standardized model for predicting micro-cutting forces make it challenging to intuitively infer the correlation between cutting variables and actual surface roughness under machining conditions. Consequently, current practices heavily rely on machining condition optimization through the utilization of cutting models and experimental research for force prediction. To overcome these limitations, this study employs a surface roughness prediction formula instead of a cutting force prediction model and converts the surface roughness prediction formula into experimental data. Additionally, to account for changes in surface roughness during machining runtime, the theory of position variables has been introduced. By leveraging artificial neural network technology, the accuracy of the surface roughness prediction formula model has improved by 98%. Through the application of artificial neural network technology, the surface roughness prediction formula model, with enhanced accuracy, is anticipated to reliably perform the derivation of optimal machining conditions and the prediction of surface roughness in various machining environments at the analytical stage.