https://dspace.hansung.ac.kr/handle/2024.oak/1927 2026-11-13T00:21:13Z https://dspace.hansung.ac.kr/handle/2024.oak/10837 Title: 드론 조종기 및 클라우드 데이터 분석을 통한 드론 포렌식 연구 Author(s): 김한결 Abstract: 드론은 민간 및 산업 전반에서 활용 범위가 확대됨에 따라 다양한 편의성을 제공하는 동시에, 새로운 범죄 수단으로도 악용되고 있다. 이러한 드론 범죄는 조종자가 현장과 분리된 환경에서 행위를 수행할 수 있다는 특성으로 인해 비행 로그 및 미디어 파일 등 디지털 증거에 기반한 포렌식 분석이 필수적이다. 기존의 드론 포렌식 연구는 주로 드론 기체에 저장된 데이터 분석에 집중되어 왔으나, 실제 수사 환경에서는 조종자 식별과 행위 추적을 위한 조종자 중심의 디지털 증거 분석이 중요하다. 특히 클라우드 기반으로 조종자 데이터가 관리되는 최신 드론 환경에서는 제조사 서버에 저장된 원격 데이터에 대한 분석이 요구된다. 이러한 배경 속에서 본 연구는 드론 시장에서 높은 점유율을 보유한 DJI와 Parrot 드론을 대상으로, 모바일 조종 어플리케이션과 임베디드 조종기를 포함하는 조종자 중심의 디지털 포렌식 분석 방법을 제안한다. 조종기의 로컬 저장소와 클라우드 서버로부터 조종자 관련 데이터를 수집하고 분석함으로써, 드론 범죄 재구성을 위한 통합 분석 절차를 제시한다.|As the use of drones continues to expand across both civilian and industrial sectors, drones provide various operational benefits while also being increasingly exploited as instruments for criminal activities. Owing to the characteristic that operators can perform actions remotely and be physically separated from the scene, forensic analysis based on digital evidence—such as flight logs and media files—is essential in drone-related crimes. Although existing drone forensic studies have primarily focused on analyzing data stored on the drone itself, operator-centric digital evidence analysis aimed at identifying operators and tracing their activities is crucial in real investigative environments. In particular, in modern drone ecosystems where operator data are managed through cloud-based services, forensic analysis of remotely stored data on manufacturers’ servers is required. Accordingly, this study proposes an operator-centric digital forensic analysis methodology targeting DJI and Parrot drones, which hold a significant share of the global drone market, by incorporating both mobile control applications and embedded remote controllers. By collecting and analyzing operator-related data from the local storage of controllers and cloud servers, this study presents an integrated analysis procedure for reconstructing drone-related crimes. 2025-12-31T15:00:00Z https://dspace.hansung.ac.kr/handle/2024.oak/10601 Title: 해시함수 SHA-1에 대한 양자 회로 구현 Author(s): 윤세영 Abstract: 양자 컴퓨팅 기술이 급속히 발전함에 따라 기존 대칭키 및 공개키 암호 시스템의 안정성은 점점 더 큰 위협에 직면하고 있으며, 이러한 위협의 핵심에는 양자 컴퓨터에서 실행되는 양자 알고리즘이 있다. 양자 알고리즘의 성능은 일반적으로 사용되는 큐비트 수(qubit, width)와 회로의 깊이(depth)라는 두 가지 지표에 의해 판단할 수 있다. 본 논문에서는 양자 컴퓨팅 환경에서 효율적으로 동작하는 SHA-1의 완전한 양자 회로를 구현하고, 큐비트와 depth 자원을 동시에 줄이는 것을 목표로 양자 회로를 균형 있게 최적화하였다. 그 결과 제안한 SHA-1 양자 회로는 985개의 큐비트를 사용하며, 측정된 depth는 9,026이다. 또한 이 회로를 바탕으로 Grover 알고리즘에 따른 공격 비용을 추정함으로써, 양자 컴퓨팅 환경에서 SHA-1에 대한 실제적인 공격 가능성을 평가하고 향후 양자 암호 위협 분석 연구에 활용할 수 있는 기초 자료를 제공한다. 2025-12-31T15:00:00Z https://dspace.hansung.ac.kr/handle/2024.oak/10585 Title: Google Earth Engine의 기계학습을 통한 KOMPSAT-3/5 위성영상의 고해상도 토지피복 분류 및 SHAP 기반 결과 분석 Author(s): 이정희 Abstract: 최근 Google Earth Engine (GEE) 플랫폼에서 제공하는 기계학습 알고리즘을 활용한 연구가 점점 활발히 이루어지고 있다. 본 연구에서는 GEE에서 애플리케이션 프로그래밍 인터페이스(application programming interface, API)를 통해 제공하는 중ㆍ저해상도의 위성 데이터와 GEE에서 직접 제공하지 않는 고해상도 위성 데이터를 직접 올려 융합하여 사용하였다. 색상정보를 제공하는 광학영상인 Sentinel2, KOMPSAT-3A, Landsat8와 구름이나 대기 조건에 영향을 받지 않는 레이더 SAR영상인 Sentinel1, KOMPSAT-5 데이터를 이용하였다. 또한 Sentinel2 데이터와 Landsat8 데이터를 이용해 계산한 정규 식생 지수(Normalized Difference Vegetation Index, NDVI)자료를 추가해 Random Forest 알고리즘으로 연구 지역에 대한 토지피복(LULC) 분류에 사용하였다. 토지피복 분류 결과에 대하여 Accuracy와 Kappa 계수를 비교 분석하였으며 분류 성능 지표로 F-1 Score를 이용하였다. SHAP 기법은 다수의 입력 변수와 다중 대상 객체를 포함하는 복합적인 기계학습 모델을 해석하는데 적합하며, 단일 객체 추출 중심의 딥러닝 모델보다 다양한 지표 정보를 다루는 기계학습 기반 분석에 더욱 효과적으로 활용될 수 있다. 토지피복 분류 결과를 바탕으로 SHAP 분석을 진행하였으며, 각 피복 유형에 가장 영향을 미치는 특성을 식별하는데 유용한 정보를 제공함을 확인하였다. 이 연구는 설명 가능한 기계학습 기법이 다중 센서 고해상도 위성영상을 이용한 지표 환경의 이해 및 모니터링에 효과적인 도구로 활용 될 수 있음을 시사한다. 【주요어】KOMPSAT-3A, KOMPSAT-5, Google Earth Engine, SHAP, Image classification, Random Forest|Recently, research utilizing machine learning algorithms provided within the Google Earth Engine(GEE) platform has increased substantially. In this study, low to medium satellite resolution satellite data provided by GEE through the application programming interface (API) and high-resolution satellite data not directly provided by GEE. Sentinel-2, KOMPSAT-3A, and Landsat 8, which are optical images that provide spectral information, and Sentinel-1 and KOMPSAT-5 data, which are radar-based SAR images that are not affected by clouds or atmospheric conditions, were used together. In addition, NDVI (Normalized Difference Vegetation Index) calculated using surface reflectance data Sentinel-2 and Landsat-8 was added, and land use/land cover (LULC) classification was performed using the Random Forest algorithm. The resulting LULC classification was evaluated by comparing the overall accuracy and Kappa coefficient, while the F1-Score was employed as a complementary performance metric. The SHAP method was then applied to interpret the classification model. As an explainable machine learning technique, SHAP is particularly suitable for analyzing complex models that incorporate numerous input variables and multiple target classes, and it can be more effective than deep learning approaches that primarily focus on single-object extraction. Based on the classification outcomes, SHAP analysis was conducted to identify the most influential features for each land-cover type, demonstrating its usefulness in understanding the contribution of multi-sensor inputs. This study highlights that explainable machine learning techniques, such as SHAP, can serve as powerful tools for interpreting and monitoring surface environmental conditions, particularly when working with multi-sensor high-resolution satellite imagery. 【Key words】 KOMPSAT-3A, KOMPSAT-5, Google Earth Engine, SHAP, Image classification, Random Forest 2025-12-31T15:00:00Z https://dspace.hansung.ac.kr/handle/2024.oak/10557 Title: 클라우드 기반 플랫폼에서의 데이터수집 및 분석기법 연구 Author(s): 위다빈 Abstract: 본 연구는 클라우드 서비스를 설치형과 비 설치형으로 구분하고, 각 유형에 적합한 데이터 수집 및 분석 절차를 제시하였다. 설치형 서비스인 잔디는 로컬 아티팩트가 제한적으로 잔존하는 특성을 보이므로, 데이터베이스와 캐시 등 로컬 아티팩트를 우선적으로 분석한 뒤 주요 API를 식별 하고, 메모리에서 확보한 인증 정보를 활용해 API 요청을 재구성하여 서버 데이터를 직접 획득하는 절차를 도출하였다. 이후 가상 시나리오를 구성하여 해당 절차를 적용하고, 실제 채팅방을 재구성함으로써 분석 과정의 유효성을 검증하였다. 비 설치형 서비스인 네이버톡·디스코드·폴라리스 오피스는 웹 브라우저 기반으로 동작하여 로컬에 의미 있는 데이터가 거의 남지 않기 때문에, 본 연구에서는 먼저 크리덴셜을 확보하고 이를 이용해 API 호출을 수행함으로써 서버 데이터를 수집한 뒤, 수집된 데이터를 분석하였다. 또한 메시지 삭제, 숨기기, 파일 삭제 등 안티 포렌식 기능에 따른 데이터 변화를 비교하여 서비스별 데이터 잔존성을 검토했다. 마지 막으로 각 서비스별 데이터 수집 도구를 제작하여 실제 환경에서 절차의 유효성을 검증하였다. 본 연구의 결과는 클라우드 기반 협업 도구 및 메신저에 대한 디지털 포렌식 절차 수립에 참고 가능한 예시를 제공해, 증가하는 클라우드 환경 수사에서 표준화된 분석 방법론 마련에 기여할 것으로 기대한다. 2025-12-31T15:00:00Z