문맥 (context)
안전 기술 선진화 연구의 목적은 안전 평가 기반기술을 개발하여 중소기업, 연구기관, 대학 등을 지원함으로써 민간의 식의약 안전 기술 역량을 강화하고, 식의약품 안전 관련 국민 및 기업이 직접 사용 가능한 실용적인 안전 기술을 개발・지원하는 것이다. BT・NT・IT 융합을 통해 개발되고 있는 나노의약품・줄기세포의약품 등 융복합 의약품의 신속한 시장진입 및 글로벌 시장 선점을 위해서 신기술 응용 첨단의약품에 대한 허가심사규정의 선제적 개발 및 효율화를 추진하고 있다. 또한, 염기서열분석(Next Generation Sequencing) 기술 등 4차 산업혁명의 발달에 따른 식의약품 안전 연구를 확대해가고 있다. 식품 중 이물질에 대한 저감화 노력은 지속적으로 추진하고 있으나 식품에 혼입된 이물로 인해 식품안전에 대한 국민 불신이 지속되고 있으므로 국민 먹을거리 안전을 위해 식품 중 이물 저감화를 위한 방안을 마련하여 민간에 보급하고자 하며, 식품의 제조・포장과정 중 지능형 스마트 포장기술을 활용하여 유통 중 또는, 구매 단계에서 포장된 식품의 안전 수준을 사전에 판단 가능하게 하고자 한다.
도서관 분야 R&D 사업은 2014년부터 도서관의 지식 확산을 선도하는 지식서비스 공간으로 도약시키기 위하여 도서관 분야 빅데이터 공유 및 활용 플랫폼을 구축하고, 사서의사결정 지원서비스(솔로몬) 및 정보나루 플랫폼 등을 통해 도서관 빅데이터 서비스를 제공하고 있다. 2017년에는 도서관 빅데이터 참여기관을 166개관 확대하여 2017년 기준 660개관이 참여하고 있으며, 참여도서관 분석데이터로 활용하는 장서, 회원, 대출정보 등을 2억6천9백 건을 수집하여 총9억4천2백만 건을 수집하였다. 수집된 도서관 데이터를 분석하여 인기대출도서, 도서별대출추이, 장서의 주제별분포, 도서키워드클라우드 등을 제공하고 있다. 또한, 국립중앙도서관 소장 디지털화 자료의 광학문자인식처리(OCR, Optical Character Recognition) 를 통해 본문 텍스트 검색이 가능한 자료와 장애인용 디지털음성도서(DAISY, Digital Accessible Information) 등 내부데이터와 기상데이터, 인구통계데이터, 서점도서판매데이터, 통신사데이터 등 공공 및 민간데이터 연계를 통한 도서관 빅데이터 외연 확장 및 분석 기능의 다양화를 모색하였다.
암호기술 측면에서는 양자컴퓨터 실현 가능성이 높아짐에 따라 PQC(Post-Quantum Cryptography)에 대한 암호 프로젝트, 공모 사업 등에 대한 본격적인 연구개발을 착수하였으며 격자, 다변수방정식, 코드기반 공개키 암호 등 신규 PQC 연구가 증가하는 추세이다. 국내에서는 서울대, 고려대, KAIST 등이 격자 기반 암호기술에 대한 연구를 수행 중이다. 또한, 데이터 보호를 위한 암호 구현의 효율성 경쟁에서 부채널 분석 등 구현상의 키누출 공격 심화로 정보보호 분야에 안전구현 및 키은닉 기술 중요성이 확대되고 있다. 인증 기술에서는 편리한 인증과 안전한 거래를 지원하는 간편 결제・인증 기술이 최신 금융・IT 기술과 접목을 통해 사회 전분야로 확산되고 있다. FIDO(Fast IDentity Online), 바이오인증 등 최신 IT 보안 기술이 적용된 인증 서비스가 국내뿐 아니라 해외에서도 빠르게 적용되고 있다. 또한, 사용자 이용 편의성을 개선하고 보안성을 보완하기 위한 행위기반 인증 기술이 연구 중에 있으며, 거래환경과 이용행위 등 상황을 인지하여 사기・불법 거래를 방지 하고 인증절차를 최소화하기 위한 기술을 개발 중에 있다.
네트워크보안 기술에서는 네트워크 보안 기능을 클라우드 서비스 형태로 제공하는 SecaaS(Security as a Service) 및 보안 기능 가상화 기술을 사용하여 보안 서비스를 유연하게 제공하는 형태로 발전하고 있다. NFV(Network Functions Virtualization) 기술을 통해 보안 기능을 가상화함으로써 IPS(Instrusion Prevention System)/IDS(Intrusion Detection System), DLP(Data Loss Prevention) 등의 다양한 보안 서비스들을 클라우드상에서 제어하고 하드웨어에 무관하게 사용할 수 있도록 SDsec(Software-Defined Security) 기술이 주요기업을 통해 연구가 진행 중이다. 또한, 인프라에 대한 네트워크 위협을 방어하기 위해 중앙집중식 접근제어를 통한 신뢰 네트워크를 제공하는 소프트웨어 정의 경계(SDP, Software-defined Perimeter) 기술이 등장하였으며, SDP는 주로 클라우드, DMZ, 데이터센터 등의 주요 시설에 동적 방식의 보안을 적용해 네트워크를 기반으로 한 공격을 무력화시키는데 사용되는 기술이다.
바이오인식 기술에서는 인식 성능과 사용자 편리성, 보안성을 동시에 보장하는 비제약형 바이오인식 기술로 발전하고 있다. 국내에서는 휴먼 바이오인식 기술이 다양한 산업(IoT, 웨어러블, 핀테크 등)에 길목 기술로 부각되고 있으며 아직 제약적 환경에서의 출입통제와 사용자 인증에 사용되고 있는 수준이나, 최근 야외, 원거리, 사용자 비협조 환경으로 확대하여 연구하는 추세이다. 지능형 영상분석 기술에서는 광역 도메인(도시 등) 내의 다중 센서 정보를 복합 연계・분석해서 위험상황을 실시간 탐지, 대응하고 과거 위험을 역추적하고 미래 위험을 예측하는 지능형 City Surveillance 연구가 진행 중이다. 국내에서는 CCTV, 차량용 블랙박스, 스마트폰, 스마트 글래스, 드론 등 불특정 군중으로 부터 수집된 영상을 자동으로 분석해서 선제적으로 위험을 감지・대응하는 영상 크라우드 소싱 분석 기술과 사회안전에 인공지능(AI) 기술을 결합한 미래형 첨단치안플랫폼에 대한 연구가 진행 중이다.
지능형 차량 보안 기술에서는 차량 내부 및 V2X(Vehicle to Everything) 외부 통신 보안, 차량 PKI, 접근제어 중심의 연구개발이 진행되고 있으며, 차량과 C-ITS(Cooperative Intelligent Transport Systems), 도로・교통 인프라 등 기반시설과의 연동을 위한 보안 기술개발이 지속 추진될 것으로 예상된다. 국내에서는 국토교통부의 스마트 하이웨이 사업 등을 통해 차량 간 통신 보안 기술을 개발하여 C-ITS 시범서비스에 적용하고 있다. 의료/헬스케어 보안 기술에서는 첫째, 데이터 관점에서, 전자건강기록(EMR/EHR) 및 유전자정보 등 민감 데이터의 프라이버시를 보호하는 기술 중심에서, 질병 분석/예측 인공지능(Medical Decision Support System)에 적용될 수 있는 프라이버시 보존 기계학습 기술 연구로 발전하고 있다. 둘째, 디바이스 관점에서, S/W 내장형 이식형 무선 의료 기기의 해킹 방지, 의료기기 랜섬웨어 대응, PPG/ECG 등과 같은 생리적 신호를 이용한 보안 등 사이버 해킹 공격으로부터 의료/헬스케어기기의 오동작을 방지하는 기술로 발전하고 있다.
사이버 위협에 대한 대응은 점차적으로 산업적 문제에서 국가 안보적 문제로 인식되어 가고 있으며, 사이버 공격의 대응 또한, 국부적인 조기 탐지 및 대응에서 침해 정보의 공유를 통한 다자간 협력 대응으로 확산을 조기 차단하고, 공격 근원지 식별/추적 및 선제적 대응을 통해 적극적으로 사이버 공격을 조기 경보/예방하는 방식으로 발전되고 있다. 더불어 다양한 사물인터넷(IoT) 서비스 환경에서 단말, 네트워크 및 클라우드의 모든 사물들 간의 상호 협력을 통하여 스스로 대응이 가능한 글로벌 사실표준 기반 사물인터넷(IoT) 보안 오픈 플랫폼 기술개발이 예상된다. 이기종의 사물인터넷(IoT) 디바이스가 자동으로 ID를 생성하여 인증하고, 스스로 진단/치유 가능한 사물인터넷(IoT) 디바이스 자율보안과 사물인 터넷(IoT) 네트워크 환경에서 원격 기기를 검증하고 신뢰연결을 보장하며 감염 및 피해 확산을 통제하는 사물인터넷(IoT) 보안제어 및 전역적 관점에서 사물인터넷(IoT) 디바이스, 네트 워크 이상 징후 및 신종 악성행위를 분석하여 위협에 대응하는 사물인터넷(IoT) 보안관리・위협 분석 기술개발이 포함될 것이다.
지시문 (instruction)
다음 문맥을 읽고 질문에 답하시오.
질문 (question)
도서관 빅데이터 서비스 제공을 위해 수집된 9억 4천 2백만 건의 데이터 중 장서 및 회원 정보가 차지하는 구체적인 비중은 얼마인가?
추론 과정 (compact_reasoning)
-
1과제 해석
task_interpretation질문은 도서관 빅데이터 총 수집량 중 장서 및 회원 정보가 차지하는 구체적인 수치(비중)를 요구한다.
-
2정보 추출
information_extraction문맥에서 도서관 빅데이터 수집과 관련된 수치를 추출한다.
- 참여도서관 분석데이터로 활용하는 장서, 회원, 대출정보 등을 2억6천9백 건을 수집하여 총9억4천2백만 건을 수집하였다.
-
3근거 선택
evidence_selection수집된 데이터의 총량과 특정 항목(장서, 회원, 대출정보)의 합계 수치는 명시되어 있으나, 각 항목별 개별 수치나 전체 대비 비중은 알 수 없다.
- 장서, 회원, 대출정보 등을 2억6천9백 건을 수집하여 총9억4천2백만 건을 수집하였다.
-
4논리 통합
logical_integration제공된 정보는 '장서, 회원, 대출정보'를 하나의 그룹(2억 6천 9백만 건)으로 묶어서 제시하고 있으며, 총량(9억 4천 2백만 건)과의 관계만 보여줄 뿐 질문이 요구하는 '장서 및 회원 정보'만의 개별 데이터량이나 비중을 계산할 근거는 부족하다.
-
5결론 도출
conclusion_formulation질문에서 요구하는 '장서 및 회원 정보'의 개별 수치나 비중은 문맥에 명시되어 있지 않으므로 답을 도출할 수 없다.
-
6답변 생성
answer_generation주어진 문맥만으로는 답을 확인할 수 없다는 최종 답변을 생성한다.
근거 (evidence)
- 참여도서관 분석데이터로 활용하는 장서, 회원, 대출정보 등을 2억6천9백 건을 수집하여 총9억4천2백만 건을 수집하였다.
- 장서, 회원, 대출정보 등을 2억6천9백 건을 수집하여 총9억4천2백만 건을 수집하였다.
최종 답변 (final_answer)
주어진 문맥만으로는 답을 확인할 수 없다.
분석 (analysis)
문맥에는 도서관 빅데이터의 총 수집량과 장서, 회원, 대출정보를 포함한 특정 데이터군의 합계 수치가 제시되어 있다. 하지만 질문이 요구하는 장서 및 회원 정보만의 개별적인 수치나 전체 대비 비중은 명시되어 있지 않아 외부 지식이나 추가 정보 없이는 답을 결정할 수 없다.