KR102570831B1 - 범용 인증 시스템 - Google Patents

범용 인증 시스템 Download PDF

Info

Publication number
KR102570831B1
KR102570831B1 KR1020230041240A KR20230041240A KR102570831B1 KR 102570831 B1 KR102570831 B1 KR 102570831B1 KR 1020230041240 A KR1020230041240 A KR 1020230041240A KR 20230041240 A KR20230041240 A KR 20230041240A KR 102570831 B1 KR102570831 B1 KR 102570831B1
Authority
KR
South Korea
Prior art keywords
application
data
unit
authentication
size
Prior art date
Application number
KR1020230041240A
Other languages
English (en)
Inventor
이동수
김대호
전미숙
이지혜
이상현
Original Assignee
(주)제네시스네스트
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
Priority claimed from KR1020230040587A external-priority patent/KR102570820B1/ko
Application filed by (주)제네시스네스트 filed Critical (주)제네시스네스트
Application granted granted Critical
Publication of KR102570831B1 publication Critical patent/KR102570831B1/ko

Links

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
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0815—Network architectures or network communication protocols for network security for authentication of entities providing single-sign-on or federations
    • 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
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0876—Network architectures or network communication protocols for network security for authentication of entities based on the identity of the terminal or configuration, e.g. MAC address, hardware or software configuration or device fingerprint
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 단일 SDK(Software Development Kit)를 통해 서로 다른 애플리케이션의 인증 과정을 추가 학습 없이 구현할 수 있도록 하는 범용 인증 시스템에 관한 것이다.

Description

범용 인증 시스템{Universal authentication system}
본 발명은 범용 인증 시스템에 관한 것으로, 더욱 상세하게는 단일 SDK(Software Development Kit)를 통해 서로 다른 애플리케이션의 인증 과정을 추가 학습 없이 구현할 수 있도록 하는 범용 인증 시스템에 관한 것이다.
일반적으로, 모바일 애플리케이션을 비롯한 여러 애플리케이션은 시작시에 인증과정을 필요로 한며, 해당 앱이 정상구동되었는지, 애플리케이션의 버전이 맞는지, 초기에 접속해야 하는 서버의 위치는 어디인지 등에 관한 어플리케이션 운영초기에 정보가 필요하다.
현재 인증은 공개 인증(Open Authorization, OAuth) 프로토콜로 표준화되어 있는데, 모든 개발자들이 어플리케이션을 만들 때 이 동일한 OAuth를 구현한 페이스북 인증, 구글 인증, 애플 인증, 네이버 인증등등의 여러 인증시스템을 연동한다.
하지만, 이러한 종래 기술에 따른 인증 시스템은 해당 기능이 모든 앱에 필수적으로 요구되긴 하지만 애플리케이션에서 큰 역할을 차지하는 메인기능은 아니기 때문에 품질에 많은 신경을 쓰지 못한다는 문제점이 있다.
더욱이, 네이버, 구글, 페이스북 등과 같은 IdP(Identity Provider)를 하나하나 연동할수록 애플리케이션은 더 많은 사용자를 만날 수 있게 되지만, 하나하나 연동할수록 개발비용이 증가하기 때문에 중소 개발사들은 메이저 벤더 몇 개만 연동하는 반면 대기업 개발사들은 많은 개발자들을 거느리고 있어 상당히 많은 인증벤더들을 연동하게 되는 불합리함이 있었다.
한편, 전술한 배경 기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
한국등록특허 제10-1466900호
본 발명의 일측면은 단일 SDK(Software Development Kit)를 통해 서로 다른 애플리케이션의 인증 과정을 추가 학습 없이 구현할 수 있도록 하는 범용 인증 시스템을 제공한다.
본 발명의 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 범용 인증 시스템은 단일 SDK(Software Development Kit)를 통해 서로 다른 애플리케이션의 인증 과정을 추가 학습 없이 구현하는 애플리케이션 관리서버를 포함한다.
상기 애플리케이션 관리서버는,
단일 SDK를 통해 단말기에 설치된 서로 다른 애플리케이션의 인증 과정을 통합 관리하는 범용 인증부; 및
블록체인 기술을 이용하여 애플리케이션 이용 과정에서 발생되는 데이터를 관리하는 블록체인 연동부를 포함하고,
상기 범용 인증부는,
초기 정보 제공을 위한 어드민(Admin)을 통해 SaaS형태로 인증시스템을 연동시키며, 단일 SDK를 통해 애플리케이션별 인증결과를 조회하고 사용자를 관리한다.
상기 블록체인 연동부는,
하기 수학식을 이용하여 애플리케이션의 이용 과정에서 발생되는 데이터의 특징에 기초한 특징 계수를 산출하고, 애플리케이션의 이용 과정에서 발생된 데이터, 애플리케이션을 이용한 사용자의 ID 및 하기 수학식을 통해 산출된 특징 계수를 결합한 블록체인 연동 데이터를 생성하고, 생성된 블록체인 연동 데이터를 해시 함수(hash function)를 이용하여 해시값으로 변환하고, 변환된 해시값 정보에 대한 블록을 생성하여 블록체인 네트워크를 구성하는 분산 노드들에 분산 저장한다.
[수학식]
여기서, f는 특징계수, μㅣ은 데이터 크기에 비례하여 설정되는 제1 변수, μn은 데이터 생성일자별로 상이하게 설정되는 제2 변수, dt는 데이터의 총 크기, dk는 데이터로부터 추출된 키워드의 크기, dt-k는 데이터의 총 크기에서 키워드로 설정된 데이터의 크기를 제외한 크기값, α는 데이터의 특징에 따라 설정되는 상수이다.
상술한 본 발명의 일측면에 따르면 단말기에 설치된 각각의 애플리케이션별로 구동을 위한 서로 다른 초기 정보들을 통합 관리함으로서 개별 애플리케이션의 개발 시간 및 비용을 단축시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 범용 인증 시스템의 개략적인 구성이 도시된 도면이다.
도 2는 도 1에 도시된 애플리케이션 관리서버의 구체적인 구성이 도시된 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 범용 인증 시스템의 개략적인 구성이 도시된 도면이다.
본 발명에 따른 범용 인증 시스템은 초기정보를 제공하기 위한 Admin을 만들어서 웹상에서 앱을 운영하는 것에 대해 설정하거나 초기정보를 세팅하도록 하며, SDK를 통해 앱 클라이언트가 서버에 접속해서 앱 시작시에 이 정보를 받아오도록 하는 것을 목적으로 한다.
도 2는 이와 같은 범용 인증 시스템의 구체적인 구성이 도시된 도면이다.
도시된 바와 같이, 본 발명의 일 실시예에 따른 범용 인증 시스템은 초기 정보 관리부(100), 범용 인증부(200) 및 블록체인 연동부(300)를 포함한다.
초기 정보 관리부(100)는 단일 인증 SDK(Software Development Kit)를 통해 애플리케이션 별 초기 정보들을 통합 관리한다.
이를 위해, 초기 정보 관리부(100)는 초기정보를 제공하기 위한 Admin을 만들어서 웹상에서 앱을 운영하는 것에 대해 설정하거나 초기정보를 세팅하도록 하며, SDK를 통해 앱 클라이언트가 서버에 접속해서 앱 시작시에 이 정보를 받아올 수 있도록 한다.
이와 같은 초기 정보 관리부(100)에 의해, 앱마다 초기 데이터를 저장할 수 있고, 애플리케이션 별로 초기 데이터를 수정, 변경하여 세팅할 수 있으며, SDK를 통해 앱 클라이언트가 서버에 접속해서 앱 시작시 이러한 초기 정보를 손쉽게 다운로드 받을 수 있도록 한다.
범용 인증부(200)는 단일 SDK를 통해 많은 인증을 추가 학습없이 구현할 수 있도록 한다.
종래 기술에 따르면 IdP(Identity Provider) 플랫폼 별로 인증을 위한 코드를 별도로 생성해야 하나, 본 발명에 따른 범용 인증부는 IdP 종류와 관계없이 동일한 방식으로 호출하기 때문에 애플리케이션 개발사는 인증 구현에 소요되는 시간과 비용을 단축시킬 수 있게 된다.
범용 인증부(200)는 초기 정보 제공을 위한 어드민(Admin)을 통해 SaaS형태로 인증시스템을 바로 연동시킬 수 있으며, 단일 SDK를 통해 애플리케이션별 인증결과를 조회하고 사용자를 관리할 수 있다.
블록체인 연동부(300)는 애플리케이션의 이용 과정에서 발생되는 데이터를 블록체인 기술을 이용하여 관리한다.
예를 들어, 블록체인 연동부(300)는 게임 애플리케이션의 이용 과정에서 발생되는 아이템을 블록체인을 통해 관리함으로써, 온라인 자신을 신뢰성 있게 보호할 수 있다.
일 실시예에서, 블록체인 연동부는 하기 수학식 1을 이용하여 애플리케이션의 이용 과정에서 발생되는 데이터의 특징에 기초한 특징 계수를 산출한다.
[수학식 1]
여기서, f는 특징계수, μㅣ은 dt는 데이터의 총 크기, dk는 데이터로부터 추출된 키워드의 크기, dt-k는 데이터의 총 크기에서 키워드로 설정된 데이터의 크기를 제외한 크기값, α는 데이터의 특징에 따라 설정되는 상수이다.
블록체인 연동부는 애플리케이션의 이용 과정에서 발생된 데이터, 애플리케이션을 이용한 사용자의 ID 및 하기 수학식을 통해 산출된 특징 계수를 결합한 블록체인 연동 데이터를 생성하고, 생성된 블록체인 연동 데이터를 해시 함수(hash function)를 이용하여 해시값으로 변환하고, 변환된 해시값 정보에 대한 블록을 생성하여 블록체인 네트워크를 구성하는 분산 노드들에 분산 저장한다.
뿐만 아니라, 도 3 및 도 4에 도시된 바와 같이 블록체인 연동부(300)는 사용자(게이머)들이 본인들의 아이템을 토큰으로 바꿀 수 있는 내부 거래 시스템을 제공하며, 게임서버의 요구를 블록체인으로 전달하고, 게이머의 접속 및 상황을 분석하여 애플리케이션 개발사에게 제공하는 게임 데이터 분석 시스템을 제공할 수 있다.
몇몇 다른 실시예에서, 본 발명에 따른 범용 인증 시스템은 사용자 단말에 설치된 애플리케이션 목록을 참조하여 맞춤형 애플리케이션을 추천하는 애플리케이션 추천부(미도시)를 더 포함할 수 있다.
애플리케이션 추천부는 후술하게 될 앱 평가부에 의해 산출된 애플리케이션 평점을 이용하여 사용자 성향 점수를 산출하며, 이를 수학식으로 나타내면 다음과 같다.
[수학식 2]
여기서, P는 특정 사용자에 대한 성향 점수, si는 사용자 단말에 설치된 i번째 애플리케이션에 대한 평점, Pg는 특정 사용자와 동일 연령대에 포함된 다른 사용자들의 평균 성향 점수, Pt는 전체 사용자들의 평균 성향 점수, σi는 i번째 애플리케이션에 대한 가중치로, 애플리케이션별로 상이하게 설정되는 것을 특징으로 한다.
이와 같이, 애플리케이션 추천부는 사용자별로 성향 점수를 산출하여, 사용자 단말에 설치되지 않은 애플리케이션의 평점 간의 유사도를 산출한다. 애플리케이션 추천부는 유사도가 높은 순서대로 애플리케이션을 추천함으로써 추천 서비스의 신뢰성을 향상시킬 수 있다.
몇몇 또 다른 실시예에서, 애플리케이션 관리서버(200)는 사용자 단말(100)로부터 수신되는 애플리케이션별 리뷰 데이터를 분석하여 애플리케이션별 평점을 산출하는 앱 평가부(미도시)를 더 포함할 수 있다.
예를 들면, 앱 평가부는 입력 데이터에 대하여 문맥 정보를 추출하는 인공 신경망을 구축할 수 있다.
여기서, 입력 데이터는 특정 애플리케이션에 대한 리뷰 데이터일 수 있다.
앱 평가부는 사용자 단말로부터 수신하는 리뷰 데이터를 업체별로 분류하여 누적하여 저장할 수 있으며, 저장한 리뷰 데이터를 학습 데이터로 추출할 수 있다.
앱 평가부는 Word2Vec 알고리즘으로 학습 데이터를 학습하여 입력 데이터에 대하여 문맥 정보를 추출하는 신경망을 구축할 수 있다.
Word2Vec 알고리즘은 신경망 언어 모델(NNLM : Neural Network Language Model)을 포함할 수 있다. 신경망 언어 모델은 기본적으로 Input Layer, Projection Layer, Hidden Layer, Output Layer로 이루어진 Neural Network이다. 신경망 언어 모델은 단어를 벡터화하는 방법에 사용되는 것이다. 신경망 언어 모델은 공지된 기술이므로 보다 자세한 설명은 생략하기로 한다.
Word2vec 알고리즘은, 텍스트마이닝을 위한 것으로, 각 단어 간의 앞, 뒤 관계를 보고 근접도를 정하는 알고리즘이다. Word2vec 알고리즘은 비지도 학습 알고리즘이다. Word2vec 알고리즘은 이름이 나타내는 바와 같이 단어의 의미를 벡터형태로 표현하는 계량기법일 수 있다. Word2vec 알고리즘은 각 단어를 200차원 정도의 공간에서 백터로 표현할 수 있다. Word2vec 알고리즘을 이용하면, 각 단어마다 단어에 해당하는 벡터를 구할 수 있다.
Word2vec 알고리즘은 종래의 다른 알고리즘에 비해 자연어 처리 분야에서 비약적인 정밀도 향상을 가능하게 할 수 있다. Word2vec은 입력한 말뭉치의 문장에 있는 단어와 인접 단어의 관계를 이용해 단어의 의미를 학습할 수 있다. Word2vec 알고리즘은 인공 신경망에 근거한 것으로, 같은 맥락을 지닌 단어는 가까운 의미를 지니고 있다는 전제에서 출발한다. Word2vec 알고리즘은 텍스트 문서를 통해 학습을 진행하며, 한 단어에 대해 근처(전후 5 내지 10 단어 정도)에 출현하는 다른 단어들을 관련 단어로서 인공 신경망에 학습시킨다. 연관된 의미의 단어들은 문서상에서 가까운 곳에 출현할 가능성이 높기 때문에 학습을 반복해 나가는 과정에서 두 단어는 점차 가까운 벡터를 지닐 수 있다.
Word2vec 알고리즘의 학습 방법은 CBOW(Continuous Bag Of Words) 방식과 skip-gram 방식이 있다. CBOW 방식은 주변 단어가 만드는 맥락을 이용해 타겟 단어를 예측하는 것이다. skip-gram 방식은 한 단어를 기준으로 주변에 올 수 있는 단어를 예측하는 것이다. 대규모 데이터셋에서는 skip-gram 방식이 더 정확한 것으로 알려져 있다.
따라서, 본 발명의 실시 예에서는 skip-gram 방식을 이용한 Word2vec 알고리즘을 사용한다. 예컨대, Word2vec 알고리즘을 통해 학습이 잘 완료되면, 고차원 공간에서 비슷한 단어는 근처에 위치할 수 있다. 상술한 바와 같은 Word2vec 알고리즘에 따르면 학습 문서 내 주위 단어의 분포가 가까운 단어일수록 산출되는 벡터값은 유사해질 수 있으며, 산출된 벡터값이 비슷한 단어는 유사한 것으로 간주할 수 있다. Word2vec 알고리즘은 공지된 기술이므로 벡터값 계산과 관련한 보다 상세한 설명은 생략하기로 한다.
앱 평가부는 평점 단계를 복수 개로 나누고, 각 평점 단계에 해당하는 평가 기준 텍스트를 설정 할 수 있다. 예컨대, 앱 평가부는 리뷰 데이터에 기반한 평가 결과에 따라 전문가에 의해 평점이 부여된 외부 서버에 접속하여 복수의 평점 단계 별 평가 기준 텍스트를 획득할 수 있다.
앱 평가부는 신경망에 복수의 평점 단계 별 평가 기준 텍스트를 각각 입력하여, 평점 단계 별평가 기준 텍스트에 대한 문맥 정보를 나타내는 평점 단계 별 기준 벡터 값을 추출할 수 있다.
앱 평가부는 신경망에 사용자 단말(100)로부터 수신하는 리뷰 데이터에 대한 평가결과 텍스트를 입력하여 문맥 정보를 나타내는 평가 결과 벡터 값을 추출할 수 있다.
앱 평가부는 평가 결과 벡터 값과 복수의 기준 벡터 값 각각의 유사도를 산출하고, 복수의 기준벡터 값 중 평가 결과 벡터 값과의 유사도가 가장 높은 기준 벡터 값을 추출할 수 있다. 이때, 유사도 산출 방법에는 유클리디안 거리(Euclidean distance), 코사인 유사도(Cosine similarity), 타니모토 계수(Tanimoto coeffieient) 등이 채택될 수 있다.
앱 평가부는 평가 결과 벡터 값과의 유사도가 가장 높은 기준 벡터 값에 해당하는 평점 단계를 해당 업체의 평점으로 산출할 수 있다.
앱 평가부는 애플리케이션별로 산출한 평점을 매칭하여 저장할 수 있으며, 사용자 단말에서 실행하는 통합 인증 어플리케이션을 통해 사용자 단말에 설치된 애플리케이션별 별 평점을 안내할 수 있다.
이와 같은, 본 발명에 따른 기술은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 공간으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 초기 정보 관리부
200: 범용 인증부
300: 블록체인 연동부

Claims (2)

  1. 단일 SDK(Software Development Kit)를 통해 서로 다른 애플리케이션의 인증 과정을 추가 학습 없이 구현하는 애플리케이션 관리서버를 포함하는, 범용 인증 시스템에 있어서,
    상기 애플리케이션 관리서버는,
    단일 SDK를 통해 단말기에 설치된 서로 다른 애플리케이션의 인증 과정을 통합 관리하는 범용 인증부;
    블록체인 기술을 이용하여 애플리케이션 이용 과정에서 발생되는 데이터를 관리하는 블록체인 연동부; 및
    사용자 단말에 설치된 애플리케이션 목록을 참조하여 맞춤형 애플리케이션을 추천하는 애플리케이션 추천부;를 포함하고,
    상기 범용 인증부는,
    초기 정보 제공을 위한 어드민(Admin)을 통해 SaaS형태로 인증시스템을 연동시키며, 단일 SDK를 통해 애플리케이션별 인증결과를 조회하고 사용자를 관리하고,
    상기 블록체인 연동부는,
    하기 수학식 1을 이용하여 애플리케이션의 이용 과정에서 발생되는 데이터의 특징에 기초한 특징 계수를 산출하고, 애플리케이션의 이용 과정에서 발생된 데이터, 애플리케이션을 이용한 사용자의 ID 및 하기 수학식을 통해 산출된 특징 계수를 결합한 블록체인 연동 데이터를 생성하고, 생성된 블록체인 연동 데이터를 해시 함수(hash function)를 이용하여 해시값으로 변환하고, 변환된 해시값 정보에 대한 블록을 생성하여 블록체인 네트워크를 구성하는 분산 노드들에 분산 저장하고,
    상기 애플리케이션 추천부는,
    하기 수학식 2를 이용하여 사용자 성향 점수를 산출하여, 사용자 단말에 설치되지 않은 애플리케이션의 평점 간의 유사도에 기초하여 애플리케이션을 추천하는, 범용 인증 시스템.

    [수학식 1]

    여기서, f는 특징계수, μㅣ은 데이터 크기에 비례하여 설정되는 제1 변수, μn은 데이터 생성일자별로 상이하게 설정되는 제2 변수, dt는 데이터의 총 크기, dk는 데이터로부터 추출된 키워드의 크기, dt-k는 데이터의 총 크기에서 키워드로 설정된 데이터의 크기를 제외한 크기값, α는 데이터의 특징에 따라 설정되는 상수이다.

    [수학식 2]

    여기서, P는 특정 사용자에 대한 성향 점수, si는 사용자 단말에 설치된 i번째 애플리케이션에 대한 평점, Pg는 특정 사용자와 동일 연령대에 포함된 다른 사용자들의 평균 성향 점수, Pt는 전체 사용자들의 평균 성향 점수, σi는 i번째 애플리케이션에 대한 가중치로, 애플리케이션별로 상이하게 설정되는 것을 특징으로 한다.
  2. 삭제
KR1020230041240A 2023-02-22 2023-03-29 범용 인증 시스템 KR102570831B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR20230023937 2023-02-22
KR1020230023937 2023-02-22
KR1020230040587A KR102570820B1 (ko) 2023-02-22 2023-03-28 애플리케이션 초기정보 관리 시스템

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020230040587A Division KR102570820B1 (ko) 2023-02-22 2023-03-28 애플리케이션 초기정보 관리 시스템

Publications (1)

Publication Number Publication Date
KR102570831B1 true KR102570831B1 (ko) 2023-08-28

Family

ID=87806276

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230041240A KR102570831B1 (ko) 2023-02-22 2023-03-29 범용 인증 시스템

Country Status (1)

Country Link
KR (1) KR102570831B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0699467B2 (ja) * 1987-03-04 1994-12-07 ヤマサ醤油株式会社 ２▲’▼−デオキシ−２▲’▼（ｓ）−アルキルピリミジンヌクレオシド誘導体
JP2508951B2 (ja) * 1992-09-22 1996-06-19 株式会社新潟鉄工所 射出成形機の型開閉油圧装置
KR101466900B1 (ko) 2012-10-12 2014-12-03 국민대학교산학협력단 인증서 위임 시스템 및 방법
KR101712609B1 (ko) * 2014-12-30 2017-03-08 엔에이치엔엔터테인먼트 주식회사 초기 정보를 제공하는 클라우드 서비스 방법 및 시스템
JP2018139360A (ja) * 2017-02-24 2018-09-06 京セラドキュメントソリューションズ株式会社 電子機器
KR20220072656A (ko) * 2020-11-25 2022-06-02 성균관대학교산학협력단 파일 시스템 기반의 블록 할당 장치 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0699467B2 (ja) * 1987-03-04 1994-12-07 ヤマサ醤油株式会社 ２▲’▼−デオキシ−２▲’▼（ｓ）−アルキルピリミジンヌクレオシド誘導体
JP2508951B2 (ja) * 1992-09-22 1996-06-19 株式会社新潟鉄工所 射出成形機の型開閉油圧装置
KR101466900B1 (ko) 2012-10-12 2014-12-03 국민대학교산학협력단 인증서 위임 시스템 및 방법
KR101712609B1 (ko) * 2014-12-30 2017-03-08 엔에이치엔엔터테인먼트 주식회사 초기 정보를 제공하는 클라우드 서비스 방법 및 시스템
JP2018139360A (ja) * 2017-02-24 2018-09-06 京セラドキュメントソリューションズ株式会社 電子機器
KR20220072656A (ko) * 2020-11-25 2022-06-02 성균관대학교산학협력단 파일 시스템 기반의 블록 할당 장치 및 방법

Similar Documents

Publication Publication Date Title
Chang et al. Structured learning with constrained conditional models
Mu et al. User identity linkage by latent user space modelling
US20210182935A1 (en) Text-based similarity system for cold start recommendations
RU2628431C1 (ru) Подбор параметров текстового классификатора на основе семантических признаков
RU2628436C1 (ru) Классификация текстов на естественном языке на основе семантических признаков
US20220230089A1 (en) Classifier assistance using domain-trained embedding
Sanín Evaluating state performance: a critical view of state failure and fragility indexes
Sinha et al. Class-difficulty based methods for long-tailed visual recognition
KR20200107389A (ko) 생성적 적대 신경망에 기반한 평점 증강 및 아이템 추천 방법 및 시스템
US10489373B1 (en) Method and apparatus for generating unique hereditary sequences and hereditary key representing dynamic governing instructions
Suresh et al. Sentiment classification using decision tree based feature selection
Hu et al. A Web service clustering method based on topic enhanced Gibbs sampling algorithm for the Dirichlet Multinomial Mixture model and service collaboration graph
CN111557000A (zh) 针对媒体的准确性确定
KR102260396B1 (ko) 범용 신경망 기계번역기를 활용한 하이브리드 번역 시스템
KR102570831B1 (ko) 범용 인증 시스템
KR102570820B1 (ko) 애플리케이션 초기정보 관리 시스템
KR102557028B1 (ko) 블록체인 기반의 축산물 유통관리 시스템
JP6426074B2 (ja) 関連文書検索装置、モデル作成装置、これらの方法及びプログラム
Ishida et al. Adjust-free adversarial example generation in speech recognition using evolutionary multi-objective optimization under black-box condition
KR20150000092A (ko) 자동문서분류시스템 성능개선을 위한 특징 정보 추상화 기법
US11755671B2 (en) Projecting queries into a content item embedding space
Twardowski et al. Metric learning for session-based recommendations
KR102255600B1 (ko) Gan을 이용한 문서형 악성코드 탐지 장치 및 방법
Fang et al. An end-to-end contrastive self-supervised learning framework for language understanding
Adikara et al. Movie recommender systems using hybrid model based on graphs with co-rated, genre, and closed caption features

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant