KR100670815B1 - 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단장치 및 그 방법 - Google Patents

순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단장치 및 그 방법 Download PDF

Info

Publication number
KR100670815B1
KR100670815B1 KR1020050119996A KR20050119996A KR100670815B1 KR 100670815 B1 KR100670815 B1 KR 100670815B1 KR 1020050119996 A KR1020050119996 A KR 1020050119996A KR 20050119996 A KR20050119996 A KR 20050119996A KR 100670815 B1 KR100670815 B1 KR 100670815B1
Authority
KR
South Korea
Prior art keywords
harmful
rating
hazard
data
unit
Prior art date
Application number
KR1020050119996A
Other languages
English (en)
Inventor
한승완
정치윤
최수길
남택용
장종수
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020050119996A priority Critical patent/KR100670815B1/ko
Priority to US11/633,989 priority patent/US7796828B2/en
Application granted granted Critical
Publication of KR100670815B1 publication Critical patent/KR100670815B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1416—Event detection, e.g. attack signature detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
    • G06F21/562—Static detection
    • G06F21/563—Static detection by source code analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
    • H04L63/0227—Filtering policies
    • H04L63/0236—Filtering by address, protocol, port number or service, e.g. IP-address or URL
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/03—Indexing scheme relating to G06F21/50, monitoring users, programs or devices to maintain the integrity of platforms
    • G06F2221/033—Test or assess software

Abstract

본 발명에 의한 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단 장치 및 그 방법은 적어도 한 종류 이상의 동영상으로부터 소정의 특징을 추출한 후 기계학습을 통하여 적어도 하나 이상의 등급별로 유해판별모델을 생성하는 유해분류모델 학습부; 유해 여부 판별이 요구되는 입력 동영상을 상기 유해판별모델에 순차적으로 입력하여 판단시점에서의 상기 입력 동영상의 데이터가 소정의 유해 등급에 속할 확률과 현재 시점까지의 누적 유해 확률을 기초로 상기 입력 동영상의 유해 등급을 판단하는 유해데이터 분류부; 및 상기 유해 등급이 소정의 기준 유해 등급에 속하면 서비스를 중단시키는 유해정보 차단부;를 포함하는 것을 특징으로 하며, 순차적 데이터 처리 기법을 통해서 멀티미디어 데이터의 유해 등급을 빠르고 정확하게 분류하여 저장공간에 존재하는 유해 멀티미디어 검사 서비스, 재생되는 멀티미디어 데이터의 유해성 검사, 실시간 스트리밍 서비스에 대한 유해성 검사에 활용될 수 있다.
순차적 데이터 처리, 유해 멀티미디어 서비스, 내용 기반 차단

Description

순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단 장치 및 그 방법{Apparatus for filtering malicious multimedia data using sequential processing and method thereof}
도 1은 본 발명에 의한 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단 장치의 구성을 보여 주는 블록도이다.
도 2는 도 1의 유해분류모델학습부(110)의 세부 구성을 보여주는 블록도이다.
도 3a는 도 1의 유해데이터분류부(120)의 하나의 실시예의 세부 구성을 보여주는 블록도이다.
도 3b는 도 1의 유해데이터분류부(120)의 다른 하나의 실시예의 세부 구성을 보여주는 블록도이다.
도 3c는 도 1의 유해데이터분류부(120)의 또 다른 하나의 실시예의 세부 구성을 보여주는 블록도이다.
도 4는 본 발명에 의한 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단 방법의 과정을 보여주는 흐름도이다.
도 5는 도 4의 유해 등급에 속하는지의 여부를 결정하는 단계(S430)의 세부 흐름을 보여주는 흐름도이다.
도 6a는 본 발명에 의하여 유해 동영상의 차단되면서 서비스되는 결과를 보여주는 도면이다.
도 6b는 본 발명에 의하여 유해 동영상의 차단되면서 서비스되는 다른 결과를 보여주는 도면이다.
본 발명은 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단 장치 및 그 방법에 관한 것으로서, 더욱 상세하게는 온라인상에서 실시간으로 전송되는 멀티미디어 스트리밍, 저장 공간에 존재하여 재생되는 멀티미디어 파일, 저장 공간에 존재하는 멀티미디어 파일 등의 다양한 형태로 존재하는 멀티미디어 데이터를 순차적으로 입력받아 미리 학습한 유해 등급 분류 모델을 사용하여 유해 등급 비율을 계산 한 후, 그 비율의 누적값이 특정 등급의 최대 임계값 이상이면 그 등급으로 판정하고, 특정 등급의 최소 임계값 이하이면 다른 등급으로 판정하며, 최대임계값과 최소 임계값 사이에 있을 경우에는 다음 데이터의 입력을 받아서 유해 등급 비율을 계산하고 다시 누적값을 계산하여 동일한 방법으로 유해 등급을 판정하는 장치 및 그 방법에 관한 것이다.
최근 인터넷의 확산과 네트워크 전송 속도의 증가로 인하여 AOD (Audio on Demand), VOD (Video On Demand), E-Learning, Online-media 등과 같은 실시간 멀티미디어 서비스와 멀티미디어 데이터를 P2P, 인터넷 등을 통해서 전송받은 후 PC 에 저장, 재생하는 비 실시간 멀티미디어 서비스가 증가하고 있다. 이 중에서 사이버 교육, 온라인 뉴스, 온라인 영화관 등은　사회적, 경제적, 학문적인 측면에서 긍정적인 면을 제공하지만, 상업적 목적으로 운용되는 유해 멀티미디어 서비스 등은 청소년 또는 판단력과 자제력이 부족한 인터넷 사용자들에게 악영향을 미쳐 사회 문제가 되고 있다. 특히 멀티미디어 서비스의 경우 기존의 문자 정보 서비스에 비해 사용자에게 미치는 영향력 및 파급 효과가 크기 때문에 청소년 또는 원치 않는 사용자들이 유해 멀티미디어 정보에 노출되지 않도록 하는 멀티미디어 유해 정보 차단 방법이 필요하다.
종래에 멀티미디어 서비스의 유해성을 판단하는 방법으로는 서비스의 내용 보다는 서비스 명, 또는 서비스의 헤더에 존재하는 설명 등의 부가적인 텍스트 정보를 사용하여 유해어 사전과 키워드 매칭을 하는 방법이 주류를 이루었다. 이러한 방법들은 유해 멀티미디어 서비스의 내용에 따른 판단 방법이 아니어서, 내용의 변경 없이 손쉽게 유해 판단 방법을 회피할 수 있는 방법들이 존재하여 큰 효과를 거두기 힘들었다. 이러한 문제점을 해결하기 위해서 멀티미디어 서비스의 데이터 전체를 수신하고, 전체 데이터로부터 특징(특정 색깔의 존재 비율 등)을 추출하여 분석하는 방법으로 멀티미디어 서비스의 유해성을 판별하려는 방법이 등장하였다. 이 방법의 경우 멀티미디어 서비스의 데이터를 전부 수신한 후 분석해야 하기 때문에 큰 저장공간과 유해성 판정에 많은 시간이 소요되는 단점이 있었다. 또한 유해성 판정에 있어서 매우 간단한 특징을 사용하였기 때문에 분류 성능이 낮았다. 더욱이 유해 멀티미디어 데이터가 이미 사용자에게 완전히 노출된 이후에 판정이 이루어지 는 문제점이 있다. 이러한 문제점을 극복하는 방법으로 실시간으로 데이터를 수신한 다음, 데이터를 하나씩 처리하여 유해성을 판정하고 차단하는 방법이 있다. 그러나, 이 방법은 검사 시점의 데이터에 대한 간단한 특징을 유해성 판단에 사용하여 분류 성능이 떨어질 뿐만 아니라 지금까지 수신한 데이터의 연속적인 특성을 반영하지 못하여 무해를 유해로 오인하거나 유해를 무해로 판단하여 사용자에게 노출하는 등의 문제점이 있다.
본 발명이 이루고자 하는 기술적 과제는 상기의 문제점을 해결하기 위하여 안출된 것으로서, 멀티미디어 실시간 스트리밍, 저장공간에 존재하는 멀티미디어 파일, 저장공간으로부터 재생되는 멀티미디어 파일 등의 다양한 형태의 멀티미디어 서비스에 대해 순차적 데이터 처리 기법을 사용하여 데이터를 순차적으로 처리함으로써, 실시간으로 유해 멀티미디어 서비스를 분류하고 차단하는 장치 및 그 방법을 제공하는 데 있다.
상기의 기술적 과제를 달성하기 위하여 본 발명에 의한 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단 장치는 적어도 한 종류 이상의 동영상으로부터 소정의 특징을 추출한 후 기계학습을 통하여 적어도 하나 이상의 등급별로 유해판별모델을 생성하는 유해분류모델 학습부; 유해 여부 판별이 요구되는 입력 동영상을 상기 유해판별모델에 순차적으로 입력하여 판단시점에서의 상기 입력 동영상의 데이터가 소정의 유해 등급에 속할 확률과 현재 시점까지의 누적 유해 확률을 기초로 상기 입력 동영상의 유해 등급을 판단하는 유해데이터 분류부; 및 상기 유해 등급이 소정의 기준 유해 등급에 속하면 서비스를 중단시키는 유해정보 차단부;를 포함하는 것을 특징으로 한다.
상기의 기술적 과제를 달성하기 위하여 본 발명에 의한 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단 방법은 적어도 한 종류 이상의 동영상으로부터 소정의 특징을 추출한 후 기계학습을 통하여 적어도 하나 이상의 등급별로 유해판별모델을 생성하는 단계; 유해 여부 판별이 요구되는 입력 동영상을 순차적으로 입력받아 상기 유해판별모델에 대입하는 단계; 상기 대입에 의한 유해 여부 판단 시점에서의 데이터가 소정의 유해 등급에 속할 확률비와 그 시점까지의 누적확률비를 기초로 상기 유해등급에 속하는지를 판단하는 단계; 및 상기 유해 등급이 소정의 기준 유해 등급에 속하면 서비스를 중단하는 단계;를 포함하는 것을 특징으로 한다.
이하, 첨부된 도면을 참조하면서 본 발명의 바람직한 일 실시예를 상세히 설명하도록 한다. 설명의 편의와 이해의 용이함을 위하여 장치와 방법에 관하여 함께 서술하도록 한다.
도 1은 본 발명에 의한 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단 장치의 구성을 보여 주는 블록도이고, 도 2는 도 1의 유해분류모델학습부(110)의 세부 구성을, 도 3a 내지 도 3c는 도 1의 유해데이터분류부(120)의 다양한 실시예의 세부 구성을 보여주는 블록도이다. 그리고 도 4는 본 발명에 의한 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단 방법의 과정을 보여주는 흐름도 이며, 도 5는 도 4의 유해 등급에 속하는지의 여부를 결정하는 단계(S430)의 세부 흐름을 보여주는 흐름도이다. 한편 도 6a 내지 6b는 본 발명에 의하여 유해 동영상의 차단되면서 서비스되는 결과들을 보여주는 도면이다.
먼저 도 1과 도 4를 참조하여, 본 발명의 바람직한 일 실시예를 개괄적으로 설명한다. 유해 분류 모델 학습부(110), 유해 데이터 분류부(120), 유해 정보 차단부(130)로 구성된다. 유해 분류 모델 학습부(110)는 유해 정도가 사전에 알려진 멀티미디어 데이터를 입력으로 하여 압축 도메인 및 비압축 도메인으로부터 유해 등급을 분류할 수 있는 특징을 추출하여 기계 학습을 통하여 유해 정보 분류 모델을 생성한다(S410). 데이터 분류부(120)에서는 멀티미디어 서비스로부터 순차적으로 데이터를 받아(S420) 유해 분류 모델 학습부(110)에서 생성된 유해 정보 분류 모델을 사용하여 데이터의 유해 등급 확률을 계산한다. 특정 시점에서 측정된 한 데이터의 유해 등급 확률과 그 이전 데이터까지 계산된 비율을 이용하여 누적 유해 등급 비율이 계산되어 멀티미디어 서비스의 유해 등급을 판정하게 된다(S430). 유해 정보 차단부(130)에서는 유해 등급으로 분류된 멀티미디어 서비스에 대하여는 서비스를 차단하고(S440), 그렇지 않은 경우에는 계속 서비스를 제공한다(S450).
도 2를 참조하면, 유해 분류 모델 학습부(110)는 샘플 데이터(학습 동영상)가 압축된 경우에는 압축 도메인 유해 분류 모델(제1판별모델)을 생성하는 압축도메인부(210)과, 압축을 해제한 상태에서의 비압축 도메인 유해 분류 모델(제2판별모델)을 생성하는 비압축도메인부(220)부로 구분된다. 제1특징추출부(211)는 샘플 데이터에서 유해 데이터의 등급을 분류할 수 있는 특징을 추출한다. 제1기계학습부 (213)는 상기 특징을 입력받아 기계 학습을 수행한다. 제1모델생성부(215)는 상기 기계학습 결과를 입력받아 상기의 제1판별모델을 생성하여 출력한다.
비압축도메인부(220)에 대해 살펴본다. 압축해제부(221)는 샘플 데이터를 디코딩 하여 압축을 해제하여 출력한다. 제2특징추출부(223)는 압축이 해제된 샘플 데이터에서 유해 데이터의 등급을 분류할 수 있는 특징을 추출한다. 제2기계학습부(225)는 이 특징을 입력받아 기계학습을 수행한다. 제2모델학습부(227)는 기계학습 결과를 입력받아 상기 제2판별모델을 생성하여 출력한다(이상 S410).
유해 데이터 분류부(120)는 유해 판단이 필요한 동영상을 순차적으로 입력받아(S420) 상기 제1내지 제2판별모델에 대입하여 판단을 수행하는 현재 시점의 데이터가 특정 유해등급에 속할 확률비와 누적확률비를 계산하여 유해 여부를 판단한다(S430). 도 3a는 압축도메인에서의 유해 분류 모델(이하 "제1판별모델"이라고 함)을 사용하는 경우이고, 도 3b는 비압축도메인에서의 유해 분류 모델(이하, "제2판별모델"이라고 함)을 사용하는 경우이고, 도 3c는 두 가지 모두 사용하는 경우의 실시예이다.
먼저, 유해 판단이 필요한 입력 동영상이 압축 도메인인지가 결정되면(S501), 비압축 도메인에서의 유해 판단이면 압축을 해제하고(S503), 압축도메인에서의 유해 판단이면 그 과정이 필요 없다. 이후의 과정은 동일하다. 도 3a를 참조한다. 제1판별모델을 사용하는 경우, 제1입력부(311)는 상기 입력 동영상을 순차적으로 입력받아 데이터를 하나씩 압축 도메인 특징 추출부(313)로 전달한다. 압축 도메인 특징 추출부(313)는 데이터의 특징을 추출하여(S505) 제1유해성판단부(315) 로 전달한다. 제1유해성판단부(313)는 제1판별모델을 사용하여 유해 등급 확률비를 계산한다(S507). 제1누적유해성판단부(317)는 제1유해성판단부(313)에서 계산한 유해 등급 확률비와, 판단시점 이전 데이터들의 유해 등급 비율을 고려하여 상기 입력 동영상의 유해 등급을 최종적으로 판단한다(S508 내지 S513). 유해 정보 차단부(130)는 입력 동영상이 무해 등급에 속하는 것으로 판정될 경우 사용자에게 멀티미디어 서비스를 제공해 주게 된다. 입력 동영상 데이터의 일부분이라도 유해한 부분을 포함하는 것에 대해 전체를 차단하는 서비스에 대해서는 이상으로써 판단을 종료하고, 입력 동영상 데이터의 일 부분에 대한 선별적인 차단 서비스의 경우는 위의 과정을 반복적으로 수행하게 된다(S515).
도 3b를 참조하여 제2판별모델을 사용하는 경우를 살펴본다. 이 과정에서는 도 3a와 달리 압축해제부(323)가 있어 데이터의 압축을 해제하는 과정이 더 필요하다(S503). 제2입력부(321)는 입력 동영상을 압축해제부(325)로 전달하고, 압축해제부(325)는 입력 동영상을 디코딩하여 순차적으로 비압축도메인 특징추출부(325)로 전달한다. 비압축도메인 특징추출부(325)는 데이터의 특징을 추출하여(S505) 제2유해성판단부(327)로 전달한다. 제2유해성판단부(327)는 제2판별모델을 사용하여 유해 등급 확률비를 계산한다(S507). 제2누적유해성판단부(329)는 제2유해성판단부(327)에서 계산한 유해 등급 확률비와, 판단시점 이전 데이터들의 유해 등급 비율을 고려하여 상기 입력 동영상의 유해 등급을 최종적으로 판단한다(S508 내지 S513). 유해 정보 차단부(130)는 입력 동영상이 무해 등급에 속하는 것으로 판정될 경우 사용자에게 멀티미디어 서비스를 제공해 주게 된다. 입력 동영상 데이터의 일 부분이라도 유해한 부분을 포함하는 것에 대해 전체를 차단하는 서비스에 대해서는 이상으로써 판단을 종료하고, 입력 동영상 데이터의 일 부분에 대한 선별적인 차단 서비스의 경우는 위의 과정을 반복적으로 수행하게 된다(S515).
이제, 좀 더 자세하게 유해 여부를 판단하는 방법을 설명하도록 한다. 도 3a를 참조하면, 유해 데이터 분류부(120)는 멀티미디어 서비스(입력 동영상)으로부터 제1입력부(311)를 통해서 데이터를 순차적으로 입력받는다. 입력부(311)에서 t번째 데이터 (yt)를 압축도메인 특징추출부(313)로 전달하면, 압축도메인 특징추출부(313)는 데이터 (yt)로부터 t번째 압축 데이터 특징
Figure 112005071876941-pat00001
를 추출하게 된다(S505). t번째 압축 데이터 특징
Figure 112005071876941-pat00002
는 음성, 이미지 등의 다양한 미디어로부터 추출될 수 있으며, 다음의 수학식 1과 같이 n개의 구성 요소를 가진다.
Figure 112005071876941-pat00003
제1유해성판단부(315)는 t번째 압축 데이터의 특징
Figure 112005071876941-pat00004
를 제1판별모델을 사용하여, t번째 압축 데이터가 유해 등급 i일 확률
Figure 112005071876941-pat00005
와 유해 등급 i가 아닐 확률
Figure 112005071876941-pat00006
를 계산하여, i번째 압축 데이터에 대한 등급 i에 대한 확률비
Figure 112005071876941-pat00007
를 다음의 수학식 2와 같이 계산한다.
Figure 112005071876941-pat00008
제1누적유해성판단부(317)는 t번째 압축 데이터의 유해 등급 i에 대한 확률비
Figure 112005071876941-pat00009
를 사용하여, t번째 압축 데이터까지의 유해 등급 i에 대한 누적 확률비
Figure 112005071876941-pat00010
를 다음의 수학식 3과 같이 계산한다(이상 S507).
Figure 112005071876941-pat00011
제1누적유해성판단부(317)는 t번째 데이터까지의 누적 유해 등급 확률비
Figure 112005071876941-pat00012
를 사용하여 다음의 수학식 4에 의해서 유해 등급을 결정하게 된다.
Figure 112005071876941-pat00013
Figure 112005071876941-pat00014
제1누적유해성판단부(317)에서 누적 유해 등급 확률비
Figure 112005071876941-pat00015
가 등급 i에 대한 최대 임계값 (b i )보다 큰지 판단하여(S508), 크면 등급 i로 판정하게 된다 (S509). 최대 임계값보다 작으면 최소 임계값 (ai)보다 작은지 판단하여(S511), 작으면 등급 i가 아니라고 결정하게 되고(S513), 크면 누적 유해 등급 확률비가 등급 i에 대한 최대 임계값과 최소 임계값 사이에 있는 경우이므로 t+1 번째 데이터를 입력 받아서 위의 과정을 반복하게 된다(S515).
이제 도 3b를 참조하여 비압축도메인에서의 과정을 살펴보도록 하자.
제2입력부(321)에서 t 번째 압축 데이터 (y t )를 압축해제부(323)로 전달하면, 압축해제부(323)는 압축 데이터를 디코딩하여 출력한다(S503). 비압축도메인 특징추출부(325)는 압축이 해제된 데이터(x t )를 입력받아 데이터(x t )로부터 t번째 압축 데이터 특징(U t )를 추출하게 된다(S505). t 번째 디코딩된 데이터 특징 (U t )는 음성, 이미지 등의 다양한 미디어로부터 추출될 수 있으며, 다음의 수학식 5와 같이 n개의 구성 요소를 가진다.
Figure 112005071876941-pat00016
제2유해성판단부(327)는 t번째 압축 데이터의 특징
Figure 112005071876941-pat00017
를 제2판별모델을 사용하여, t번째 압축 데이터가 유해 등급 i일 확률
Figure 112005071876941-pat00018
와 유해 등급 i가 아닐 확률
Figure 112005071876941-pat00019
를 계산하여, i번째 압축 데이터에 대한 등급 i에 대한 확률비
Figure 112005071876941-pat00020
를 다음의 수학식 6과 같이 계산한다.
Figure 112005071876941-pat00021
제2누적유해성판단부(329)는 t번째 압축 데이터의 유해 등급 i에 대한 확률비
Figure 112005071876941-pat00022
를 사용하여, t번째 압축 데이터까지의 유해 등급 i에 대한 누적 확률비
Figure 112005071876941-pat00023
를 다음의 수학식 7과 같이 계산한다(이상 S507).
Figure 112005071876941-pat00024
제2누적유해성판단부(329)는 t번째 데이터까지의 누적 유해 등급 확률비
Figure 112005071876941-pat00025
를 사용하여 다음의 수학식 8에 의해서 유해 등급을 결정하게 된다.
Figure 112005071876941-pat00026
Figure 112005071876941-pat00027
제2누적유해성판단부(329)에서 누적 유해 등급 확률비
Figure 112005071876941-pat00028
가 등급 i에 대 한 최대 임계값 (b i )보다 큰지 판단하여(S508), 크면 등급 i로 판정하게 된다(S509). 최대 임계값보다 작으면 최소 임계값 (ai)보다 작은지 판단하여(S511), 작으면 등급 i가 아니라고 결정하게 되고(S513), 크면 누적 유해 등급 확률비가 등급 i에 대한 최대 임계값과 최소 임계값 사이에 있는 경우이므로 t+1 번째 데이터를 입력 받아서 위의 과정을 반복하게 된다(S515).
도 3c는 도 1의 유해데이터분류부(120)의 또 다른 하나의 실시예의 세부 구성을 보여주는데, 압축도메인 특징추출부(333), 제1유해성판단부(335), 제1누적유해성판단부(337)에 의한 처리는 도 3a에서와 동일하며, 압축해제부(341), 비압축도메인 특징추출부(343), 제2유해성판단부(345), 제2누적유해성판단부(349)에 의한 처리는 도 3b에서와 동일하며, 입력부(331)의 기능 또한 동일하므로 설명은 중복을 피하기 위하여 생략한다. 다만, 통합누적유해성판단부(351)은 압축도메인에서의 유해등급 판단 결과와 비압축도메인에서의 유해등급 판단 결과를 종합하여 멀티미디어 서비스의 유해 등급을 최종적으로 결정한다.
도 6a 내지 도 6b는 유해정보차단부(130)가 유해 동영상을 차단하는 방법을 보여주는 도면이다. 먼저 도 6a를 참조하면, 판단 시점(t)이전의 누적유해등급 확률비가 유해 등급 i로 판단할 최대 임계값보다 작기 때문에 서비스를 제공하지만, t시점 이후에는 그 임계값을 초과하기 때문에 서비스를 차단하는 것을 보여준다.
한편 도 6를 살펴보면, 판단시점 t1 이전에는 누적유해등급 확률비가 유해등급 i의 최대임계값보다 작기 때문에 서비스를 제공하지만, t1직후에는 그 값이 최대 임계 값을 초과하므로 서비스가 차단된다. 하지만 판단시점 t2 에서는 누적유해등급 확률비가 유해등급 i보다 낮기 때문에 서비스가 다시 개시되는 것을 알 수 있다.
이와 같이 본 발명의 특징은 유해한 멀티미디어 서비스의 등급을 분류하는 속도 속도 및 성능을 향상시키기 위해서, 압축된 데이터로부터 특징을 추출하여 사용하고, 특정 시점의 데이터만을 사용하여 유해 등급을 판정하지 않고 과거 데이터와 특정 시점의 데이터 사이의 상호 연결 정보를 사용하였으며, 데이터의 유해 등급을 판정할 때 기계 학습 기반의 유해 등급 분류 모델을 사용한 것, 그리고 순차적으로 데이터를 처리하여 실시간 및 비실시간 유해 멀티미디어 서비스 차단에 적합하다는 점에 있다.
본 발명에 의한 순차적 데이터 처리 기반의 유해 멀티미디어 차단 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 하드 디스크, 플로피 디스크, 플래쉬 메모리, 광 데이타 저장장치등이 있으며, 또한 캐리어 웨이브(예를들면 인터넷을 통한 전송)의 형태로 구현되는 것도 포함된다. 또한 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다. 또한 본 발명에 의한 폰트 롬 데이터구조도 컴퓨터로 읽을 수 있는 ROM, RAM, CD-ROM, 자기 테이프, 하드 디스크, 플로피 디스크, 플래쉬 메모리, 광 데이타 저장장치등과 같은 기록매체에 컴퓨 터가 읽을 수 있는 코드로서 구현되는 것이 가능하다.
이상과 같이 본 발명은 양호한 실시예에 근거하여 설명하였지만, 이러한 실시예는 이 발명을 제한하려는 것이 아니라 예시하려는 것으로, 본 발명이 속하는 기술분야의 숙련자라면 이 발명의 기술사상을 벗어남이 없이 위 실시예에 대한 다양한 변화나 변경 또는 조절이 가능함이 자명할 것이다. 그러므로, 이 발명의 보호범위는 첨부된 청구범위에 의해서만 한정될 것이며, 위와 같은 변화예나 변경예 또는 조절예를 모두 포함하는 것으로 해석되어야 할 것이다.
이상에서 설명한 바와 같이, 본 발명에 의한 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단 방법 및 그 장치는 순차적 데이터 처리 기법을 통해서 멀티미디어 데이터의 유해 등급을 빠르고 정확하게 분류하여 저장공간에 존재하는 유해 멀티미디어 검사 서비스, 재생되는 멀티미디어 데이터의 유해성 검사, 실시간 스트리밍 서비스에 대한 유해성 검사에 활용될 수 있다.
또한 본 발명을 활용하면, 전체 데이터에 기반하여 유해성을 판단하는 방법에 비해 저장 공간에 존재하는 멀티미디어 파일의 유해 등급 검사를 더욱 빠르게 수행할 수 있고, 일부가 유해한 멀티미디어 데이터에 대해 유해한 부분만을 선별적으로 추출 또는 차단할 수 있다.
더욱이 멀티미디어 서비스의 유해성을 판정할 때 압축 도메인으로부터 유해 등급을 판정할 수 있는 특징을 추출할 수 있기 때문에, 특징의 추출 속도가 빠르며, 데이터의 유해 등급을 분류할 때 특정 색의 존재 유무, 비율 등과 같은 규칙 기반의 방법이 아니라 기계 학습 기반의 유해 등급 분류 모델을 사용하였기 때문에 데이터의 유해 등급 분류 정확도가 높고 속도가 빠르다. 또한 순차적 데이터 처리 기법을 사용하기 때문에 실시간으로, 순차적으로 데이터가 입 되는 유해 멀티미디어 서비스의 차단에 적합하여, 기존의 특정 시점의 데이터에 의존적인 분류가 아니라 과거의 누적 데이터와 특정 시점 데이터들 사이의 상호 정보를 분석하여 사용하기 때문에 분류 정확도가 높다.
그리고 데이터들을 순차적으로 처리하여 얻어진 결과값의 누적값을 사용하기 때문에, 특정 시간의 데이터에만 의존하지 않고 과거의 정보와 특정 시점의 데이터 모두를 판단 근거로 활용할 수 있어 판단 성능을 높일 수 있으며, 또한 연속되는 데이터들간의 상호 정보에 대한 분석을 통해 판단 성능을 향상시킬 수 있다. 그리고 특정 시점의 데이터의 유해성을 판단하는데 있어서 기존에 사용된 특정 색의 존재 비율 등과 같은 단순한 정보만을 사용하지 않고, 압축 도메인 또는 비압축 도메인의 데이터들로부터 추출된 고급의 특징에 대한 기계 학습 결과인 유해 분류 모델을 사용하기 때문에 유해 등급 분류 성능이 뛰어나다.
마지막으로 압축 도메인에서만 데이터의 특징을 추출하여 유해 등급을 분류하는 경우에는 보다 빠르게 유해 멀티미디어 서비스를 분류할 수 있다. 비압축 도메인으로부터 데이터의 특징 추출하여 유해 등급을 분류하는 경우에는 분류 소요 시간은 증가하지만, 정확도를 더 향상시킬 수 있다. 또한 사용자의 선택에 따라 압축과 비압축 도메인 모두로부터 데이터의 특징을 추출하여 유해 등급을 분류할 수 있으며, 이 경우 분류 성능이 매우 뛰어나다.

Claims (12)

  1. 적어도 한 종류 이상의 동영상으로부터 소정의 특징을 추출한 후 기계학습을 통하여 적어도 하나 이상의 등급별로 유해판별모델을 생성하는 유해분류모델 학습부;
    유해 여부 판별이 요구되는 입력 동영상을 상기 유해판별모델에 순차적으로 입력하여 판단시점에서의 상기 입력 동영상의 데이터가 소정의 유해 등급에 속할 확률과 현재 시점까지의 누적 유해 확률을 기초로 상기 입력 동영상의 유해 등급을 판단하는 유해데이터 분류부; 및
    상기 유해 등급이 소정의 기준 유해 등급에 속하면 서비스를 중단시키는 유해정보 차단부;를 포함하는 것을 특징으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 장치.
  2. 제1항에 있어서, 상기 유해분류모델 학습부는
    유해등급이 알려진 압축 동영상에서 상기 특징을 추출하여 SVM을 포함하는 기계학습을 수행하여 제1판별모델을 생성하는 압축도메인 모델학습부; 및
    유해등급이 알려진 비압축 동영상에서 상기 특징을 추출하여 SVM을 포함하는 기계학습을 수행하여 제2판별모델을 생성하는 비압축도메인 모델학습부;를 포함하는 것을 특징으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 장치.
  3. 제1항에 있어서, 상기 유해데이터 분류부는
    상기 입력동영상을 입력받아 순차적으로 출력하는 입력부;
    상기 순차적으로 출력되는 입력동영상에서 상기 특징을 추출하여 출력하는 추출부;
    상기 특징을 상기 유해분류모델에 입력하여 판단 시점에서 상기 입력 동영상의 데이터가 소정의 유해 등급에 속할 유해등급확률비를 계산하는 유해성판단부; 및
    상기 유해등급확률비를 기초로 판단 시점 이전의 유해확률이 누적된 누적 유해확률비를 계산하여 상기 입력 동영상이 상기 유해 등급에 속하는지의 여부를 결정하는 누적유해성판단부;를 포함하는 것을 특징으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 장치.
  4. 제3항에 있어서, 상기 유해데이터분류부는
    상기 입력 동영상이 압축되어 있는 경우에는 디코딩을 수행한 후 상기 추출부로 출력하여주는 압축해제부;를 더 포함하는 것을 특징으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 장치.
  5. 제3항에 있어서, 상기 유해성판단부는
    상기 판단 시점의 입력 동영상의 데이터가 상기 유해등급에 속할 확률과 상기 유해등급에 속하지 않을 확률의 비로 상기 유해등급확률비를 구하는 것을 특징 으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 장치.
  6. 제3항에 있어서, 상기 누적유해성판단부는
    상기 유해등급확률비가 상기 유해등급의 최대 임계값보다 크면 상기 입력 동영상이 상기 유해등급에 속하는 것으로 결정하고, 상기 유해등급의 최소 임계값보다 작으면 상기 유해등급에 속하지 아니하는 것으로 결정하며, 상기 최대 임계값과 최소 임계값 사이에 존재하면 다음 순간의 동영상 데이터에 대하여 반복하는 것을 특징으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 장치.
  7. 제1항에 있어서, 상기 유해정보 차단부는
    상기 입력 동영상이 유해 등급에 속하는 것으로 판정되면 외부장치로의 출력은 차단한 상태에서 상기 유해 등급 판단을 계속하도록 결정하는 것을 특징으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 장치.
  8. (a) 적어도 한 종류 이상의 동영상으로부터 소정의 특징을 추출한 후 기계학습을 통하여 적어도 하나 이상의 등급별로 유해판별모델을 생성하는 단계;
    (b) 유해 여부 판별이 요구되는 입력 동영상을 순차적으로 입력받아 상기 유해판별모델에 대입하는 단계;
    (c) 상기 대입에 의한 유해 여부 판단 시점에서의 데이터가 소정의 유해 등급에 속할 확률비와 그 시점까지의 누적확률비를 기초로 상기 유해등급에 속하는지 를 판단하는 단계; 및
    (d) 상기 유해 등급이 소정의 기준 유해 등급에 속하면 서비스를 중단하는 단계;를 포함하는 것을 특징으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 방법.
  9. 제8항에 있어서, 상기 (a)단계는
    압축된 동영상과 비압축 동영상으로부터 소정의 특징을 추출하여 기계학습을 수행함으로써 각각 유해 등급별로 유해판별모델을 생성하는 것을 특징으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 방법.
  10. 제8항에 있어서, 상기 (c)단계는
    (c1) 상기 입력 동영상이 압축도메인의 동영상인지 판단하는 단계;
    (c2) 상기 판단결과 비압축도메인이면 상기 입력 동영상에서 소정의 특징을 추출하고, 압축도메인이면 압축을 해제한 후 상기 특징을 추출하는 단계;
    (c3) 상기 특징을 상기 유해판별모델에 대입하여 판단 시점에서의 데이터가 소정의 유해등급에 속할 확률과 상기 유해등급에 속하지 않을 확률에 대한 비율인 유해확률비를 계산하는 단계; 및
    (c4) 상기 유해확률비를 기초로 상기 판단 시점까지의 누적확률비를 계산하여 유해등급을 결정하는 단계;를 포함하는 것을 특징으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 방법.
  11. 제10항에 있어서, 상기 (c4)단계는
    (c41) 상기 유해등급확률비를 상기 유해등급의 최대 임계값과 비교하는 단계; 및
    (c42) 비교 결과 상기 유해등급확률비가 상기 최대 임계값보다 크면 상기 입력 동영상이 상기 유해등급에 속하는 것으로 결정하고, 상기 유해등급의 최소 임계값보다 작으면 상기 유해등급에 속하지 아니하는 것으로 결정하며, 상기 최대 임계값과 최소 임계값 사이에 존재하면 다음 순간의 입력 동영상의 데이터에 대하여 상기 (c2)단계부터 다시 적용하는 단계;를 포함하는 것을 특징으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 방법.
  12. 제8항에 있어서, 상기 (d)단계는
    상기 서비스를 중단한 상태에서 후속으로 입력되는 상기 입력 동영상의 유해등급이 상기 기준 유해등급의 최소 임계치 미만이면 서비스를 재개하는 단계;를 더 포함하는 것을 특징으로 하는 순차적 데이터 처리 기반의 유해 멀티미디어 차단 방법.
KR1020050119996A 2005-12-08 2005-12-08 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단장치 및 그 방법 KR100670815B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020050119996A KR100670815B1 (ko) 2005-12-08 2005-12-08 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단장치 및 그 방법
US11/633,989 US7796828B2 (en) 2005-12-08 2006-12-05 Apparatus for filtering malicious multimedia data using sequential processing and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020050119996A KR100670815B1 (ko) 2005-12-08 2005-12-08 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR100670815B1 true KR100670815B1 (ko) 2007-01-19

Family

ID=38014090

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020050119996A KR100670815B1 (ko) 2005-12-08 2005-12-08 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단장치 및 그 방법

Country Status (2)

Country Link
US (1) US7796828B2 (ko)
KR (1) KR100670815B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011149137A1 (en) * 2010-05-25 2011-12-01 Mureka Co., Ltd. Computer terminal having integrating control module for blocking hazardous article and system for blocking hazardous article using the same
WO2013052621A1 (en) * 2011-10-05 2013-04-11 Mcafee, Inc. Distributed system and method for tracking and blocking malicious internet hosts
KR101711833B1 (ko) 2017-01-22 2017-03-13 주식회사 이노솔루텍 유해 멀티미디어 컨텐츠 분석 및 차단 시스템
KR20210037625A (ko) * 2020-03-31 2021-04-06 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 동영상 재생 방법, 장치, 전자기기와 저장매체
KR20210071525A (ko) * 2019-12-06 2021-06-16 가톨릭대학교 산학협력단 영상물 등급 판정 방법 및 장치
KR20220108915A (ko) 2021-01-28 2022-08-04 김민석 영상 컨텐츠 실시간 유해성 검사 장치 및 방법

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8327443B2 (en) * 2008-10-29 2012-12-04 Lockheed Martin Corporation MDL compress system and method for signature inference and masquerade intrusion detection
US8312542B2 (en) * 2008-10-29 2012-11-13 Lockheed Martin Corporation Network intrusion detection using MDL compress for deep packet inspection
EP2418600A1 (en) * 2010-08-11 2012-02-15 Thomson Licensing Malware protection scheme
KR101496632B1 (ko) * 2010-11-04 2015-03-03 한국전자통신연구원 안심 콘텐츠 서비스를 위한 시스템 및 이를 위한 방법
KR20140075068A (ko) * 2012-12-10 2014-06-19 한국전자통신연구원 화상 통화 영상 변조 장치 및 그 방법
WO2014122662A1 (en) 2013-02-10 2014-08-14 Cyber Active Security Ltd. Method and product for providing a predictive security product and evaluating existing security products
US10152591B2 (en) 2013-02-10 2018-12-11 Paypal, Inc. Protecting against malware variants using reconstructed code of malware
US10503901B2 (en) 2016-09-01 2019-12-10 Cylance Inc. Training a machine learning model for container file analysis
US10637874B2 (en) 2016-09-01 2020-04-28 Cylance Inc. Container file analysis using machine learning model
WO2018045165A1 (en) * 2016-09-01 2018-03-08 Cylance Inc. Container file analysis using machine learning models
US10375090B2 (en) * 2017-03-27 2019-08-06 Cisco Technology, Inc. Machine learning-based traffic classification using compressed network telemetry data
US10977562B2 (en) 2017-08-07 2021-04-13 International Business Machines Corporation Filter for harmful training samples in active learning systems

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000069325A (ja) 1998-08-26 2000-03-03 Fujitsu Ltd 画像表示制御装置及び記録媒体
KR20040046537A (ko) * 2002-11-27 2004-06-05 엘지전자 주식회사 Ｖｏｄ 서비스에서의 유해 정보 차단 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6115057A (en) * 1995-02-14 2000-09-05 Index Systems, Inc. Apparatus and method for allowing rating level control of the viewing of a program
US6266664B1 (en) * 1997-10-01 2001-07-24 Rulespace, Inc. Method for scanning, analyzing and rating digital information content
KR100354207B1 (ko) * 2000-05-22 2002-09-27 (주)인터정보 인터넷상의 음란물을 차단하는 방법 및 장치
CA2323883C (en) * 2000-10-19 2016-02-16 Patrick Ryan Morin Method and device for classifying internet objects and objects stored oncomputer-readable media
US20060031870A1 (en) * 2000-10-23 2006-02-09 Jarman Matthew T Apparatus, system, and method for filtering objectionable portions of a multimedia presentation
US8949878B2 (en) * 2001-03-30 2015-02-03 Funai Electric Co., Ltd. System for parental control in video programs based on multimedia content information
KR100628306B1 (ko) * 2004-09-30 2006-09-27 한국전자통신연구원 네트워크의 유해 피투피 트래픽 선별 차단 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000069325A (ja) 1998-08-26 2000-03-03 Fujitsu Ltd 画像表示制御装置及び記録媒体
KR20040046537A (ko) * 2002-11-27 2004-06-05 엘지전자 주식회사 Ｖｏｄ 서비스에서의 유해 정보 차단 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011149137A1 (en) * 2010-05-25 2011-12-01 Mureka Co., Ltd. Computer terminal having integrating control module for blocking hazardous article and system for blocking hazardous article using the same
WO2013052621A1 (en) * 2011-10-05 2013-04-11 Mcafee, Inc. Distributed system and method for tracking and blocking malicious internet hosts
US8726385B2 (en) 2011-10-05 2014-05-13 Mcafee, Inc. Distributed system and method for tracking and blocking malicious internet hosts
US9385991B2 (en) 2011-10-05 2016-07-05 Mcafee, Inc. Distributed system and method for tracking and blocking malicious internet hosts
US10033697B2 (en) 2011-10-05 2018-07-24 Mcafee, Llc Distributed system and method for tracking and blocking malicious internet hosts
KR101711833B1 (ko) 2017-01-22 2017-03-13 주식회사 이노솔루텍 유해 멀티미디어 컨텐츠 분석 및 차단 시스템
KR20210071525A (ko) * 2019-12-06 2021-06-16 가톨릭대학교 산학협력단 영상물 등급 판정 방법 및 장치
KR102317398B1 (ko) * 2019-12-06 2021-10-26 가톨릭대학교 산학협력단 영상물 등급 판정 방법 및 장치
KR20210037625A (ko) * 2020-03-31 2021-04-06 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 동영상 재생 방법, 장치, 전자기기와 저장매체
KR102470106B1 (ko) 2020-03-31 2022-11-23 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 동영상 재생 방법, 장치, 전자기기와 저장매체
KR20220108915A (ko) 2021-01-28 2022-08-04 김민석 영상 컨텐츠 실시간 유해성 검사 장치 및 방법

Also Published As

Publication number Publication date
US7796828B2 (en) 2010-09-14
US20070233735A1 (en) 2007-10-04

Similar Documents

Publication Publication Date Title
KR100670815B1 (ko) 순차적 데이터 처리 기반의 유해 멀티미디어 서비스 차단장치 및 그 방법
US10194203B2 (en) Multimodal and real-time method for filtering sensitive media
KR100687732B1 (ko) 내용 기반 멀티 모달 특징값을 이용한 유해 동영상 차단방법 및 그 장치
US10304458B1 (en) Systems and methods for transcribing videos using speaker identification
CN107197331B (zh) 一种实时监测直播内容的方法及装置
KR102169073B1 (ko) 동영상 유해성 분석 결과 기반 실시간 스트리밍 차단 시스템 및 방법
Poisel et al. Advanced file carving approaches for multimedia files.
CN109509010B (zh) 一种多媒体信息处理方法、终端及存储介质
KR101027617B1 (ko) 유해물 차단 서비스 시스템 및 방법
CN115238105A (zh) 融合多媒体的违规内容检测方法及系统、设备和介质
Jia et al. Model attribution of face-swap deepfake videos
Xiang et al. Forensic analysis of video files using metadata
US20210011976A1 (en) Automatically identifying and minimizing potentially indirect meanings in electronic communications
Tian et al. Steganalysis of analysis‐by‐synthesis speech exploiting pulse‐position distribution characteristics
CN106937127B (zh) 一种智能搜索准备的显示方法及其系统
Yang et al. Approaching optimal embedding in audio steganography with GAN
CN111383660A (zh) 一种网站不良信息监测系统及其监测方法
KR102559398B1 (ko) 인공지능을 이용한 보안관제 침입탐지 알람 처리 장치 및 방법
CN108733737B (zh) 视频库的建立方法及装置
KR102504321B1 (ko) 온라인 행동 탐지 장치 및 방법
CN111063347B (zh) 实时语音识别方法、服务端及客户端
Bergholz et al. Detecting Known and New Salting Tricks in Unwanted Emails.
CN106789895B (zh) 压缩文本检测方法和装置
KR100734845B1 (ko) 이미지 품질 판별 기능을 이용한 유해 동영상 분류 방법 및그 장치
CN115550672B (zh) 网络直播环境下弹幕爆发行为识别方法和系统

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20121206

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20131209

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20141229

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20151228

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20161228

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20171226

Year of fee payment: 12

LAPS Lapse due to unpaid annual fee