전체 글 222

LLM in the Loop Pipeline 기반 감사 모델 연구 요약

LLM in the Loop Pipeline 기반 감사 모델.요야기2026.1.22(목)인공지능의 발달과 함께 채봇기반의 지식을 탐구하고 학습하는 문화 생태계가 보편화를 넘어 대중화에 이러렀다.그러나 AI 서비스들은 멀티 모달을 채용하여 다양한 분야의 질문에 응답이 가능하지만 특정 분야의 질문에는 한계가 존재하며, 사용자의 질문 의도를 이해하고 적합한 답변이 이루어 지거나, 원하는 기대 품질에 부합하는 소통은 부족하다.또한 각 금융사 들은 챗봇을 기반으로 간단한 고객의 질문에 응대하는 시스탬을 금융서비스에 활용하고 있다.고객은 금융의 서비스에서 전문화된 응답이나 금융을 이용하는 불편함을 단순응대에 대하여 기대에 부응하지 않는다고 하였다.(관련 설문조사)금융에서 챗봇을 활용한 서비스 활용에는 1)각 분야..

카테고리 없음 2026.01.22

통합 기술 수용 이론 ( UTAUT, Unified Theory of Acceptance and Use of Technology) 정리

통합 기술 수용 이론 ( UTAUT, Unified Theory of Acceptance and Use of Technology) 정리UTAUT(통합 기술 수용 이론, Unified Theory of Acceptance and Use of Technology)는 다양한 기술 수용 이론을 통합하여 사용자의 기술 수용 행동을 설명하는 이론입니다. Venkatesh 등(2003)이 제안했으며, TAM의 한계를 보완하고자 개발되었습니다 .다양한 기술 수용 모델의 변천을 살펴 보면 다음과 같은 모델들이 있습니다.Technology Adoption Models are1. Technology Acceptance Model(TAM)-19862. Technology Acceptance Model (TAM) (Davis,..

지식창고 2026.01.04

기술 수용 모델(TAM, Technology Acceptance Model) 기술 수용 모델 정리

논문 연구에서 새로운 기술을 받아 들이는 이론적 기틀을 잡기 위해 기술수용모델(TAM)의 계보를 파악하는 것은 매우 중요합니다. 기술 수용 모델(TAM, Technology Acceptance Model)은 사용자가 새로운 기술이나 정보 시스템을 어떻게 받아들이고 사용하는지를 설명하는 대표적인 이론입니다. --- 📘 기술 수용 모델(TAM) 개념 정리1. TAM의 정의• 기술 수용 모델(TAM)은 사용자가 새로운 정보기술(IT)을 어떻게 받아들이고 사용하는지를 설명하는 이론입니다.• 1986년 Fred D. Davis가 제안했으며, 정보 시스템의 성공 가능성을 예측하고 사용자 수용도를 분석하는 데 널리 활용됩니다.• 정보 시스템(IS) 분야에서 가장 널리 사용되는 사용자 수용 이론 중 하나입니다.---..

지식창고 2026.01.03

[논문 리뷰] SoK: Semantic Privacy in Large Language Models

초록As Large Language Models (LLMs) are increasingly deployed in sensitive domains, traditional data privacy measures prove inadequate for protecting information that is implicit, contextual, or inferable - what we define as semantic privacy. This Systematization of Knowledge (SoK) introduces a lifecycle-centric framework to analyze how semantic privacy risks emerge across input processing, pretra..

기술의 도구화와 의인화 - 의인화 도구화 기술 프레임(Personification-Instrumentalization Technology Frame, PITF)

의인화-도구화 기술 프레임(Personification-Instrumentalization Technology Frame, PITF ) 개념 및 정의의인화-도구화 기술 프레임(Personification-Instrumentalization Technology Frame, PITF)은 AI·로봇 등 기술 보도에서 기술을 "인간처럼 의인화(anthropomorphism)"하거나 "기능적 도구(instrumentalization)"로 객관화하는 스펙트럼 프레임을 지칭한다.이는 Entman 프레임 이론을 기술 맥락에 적용한 것으로, 기술을 '인간적 에이전트' vs '중립 도구'로 구성해 대중 인식·수용성을 형성한다.kci+2​핵심 정의: 기술의 외형·행동·의지를 인간화(의인화) vs 기능·효율 중심(도구화)으..

엔트만의 4가지 미디어 프레임 유형과 7가지 선전 기법

미디어 프레임과 선전 기법: 현실을 어떻게 조작하나?엔트만의 4가지 미디어 프레임 기능과 선전분석연구소(Institute for Propaganda Analysis, IPR)의 7가지 선전 기법을 깊이 파헤쳐보겠습니다. 이 두 도구는 뉴스, 정치, 광고에서 현실을 어떻게 구성하고 설득하는지 이해하는 데 필수적입니다. 엔트만 프레임은 무의식적 의미 생성에, IPR 기법은 의도적 감정 조작에 초점이 있습니다.엔트만의 4가지 프레임 기능: 현실 구성의 핵심로버트 엔트만(Robert Entman)은 1993년 미디어 프레임을 문제 정의(Problem Definition), 원인 진단 Causal Interpretation), 도덕 평가(Moral Evaluation), 해결책 제시(Treatment Recomm..

언론 프레이밍의 유형과 질적 분석

언론은 사건을 보도하는 과정에서 특정한 부분을 선택 혹은 강조하는 행위를 통해 보다 현저하게 틀 짓는 경향이 있다. 이를 언론의 프레이밍이라고한다(Entman, 1993). 따라서 보도문 내에 존재하는 조직의 메시지는 결국 프레이밍을 통해 재구성된 형태로 수용자에게 전달되는 셈이다.언론은 사건이나 이슈를 전달하는 객관적 매개체라기보다는 세계를 재구성하는 이야기꾼(storyteller)이라는 것이다(우형진, 2006; Entman, 1993; Gamson & Modigliani, 1989; Pan & Kosicki, 1993). 언론이 현실을 특정한 방식으로 구성한다는 구성주의 관점(Berger & Luckmann, 1966)은 언론학의 주요한 인식론적 패러다임이며 이를 토대로 뉴스프레임 연구가 활발히 이..

차등프라이버시 개인정보누출 위험정량화

차등프라이버시 - 유사어 처리시 개인정보 누출 위험을 정량화하는 방법 유사어 처리 시 개인정보 누출 위험을 정량화하는 방법에 대한 주요 내용은 다음과 같습니다. 1. 차등 프라이버시의 프라이버시 손실 지표(Privacy Loss Metric)를 활용한 정량화:유사어 교체로 인한 프라이버시 위험은 차등 프라이버시에서 정의한 ε-프라이버시 손실 값으로 수학적 정량화가 가능합니다.입력 데이터(원본 단어)와 치환된 단어 간 정보 노출 차이를 확률비(privacy loss)로 평가합니다.Rényi Differential Privacy(RDP), Concentrated Differential Privacy(CDP) 등 확장된 DP 개념을 활용해 단어·문서 단위의 프라이버시 위험을 구체적으로 수치화할 수 있습니다. ..

(논문연구) 구조방정식 파이썬과 AMOS 분석

(논문연구) 구조방정식 파이썬 과 AMOS분석 구조방정식 모형(structural equation modeling)은 변수들 간의 복잡한 인과관계(causal relationship)를 분석하는 모형으로, 각 변수간의 상관 관계와 인과관계(causal model)을 분석하기 위한 통계적 방법이다. 구조방정식 모형은 사회학, 심리학뿐만 아니라 교육학, 경영학, 경제학, 광고학, 생물학, 의학 등 거의 모든 영역에서 광범위하게 사용하는 도구이다.구조방정식 모형을 분석는데 다양한 소프트웨어로 AMOS, LISREL, EQS 등이 있다. 여기서 상용 AMOS 대신 파이썬으로 사용 하는 방법에 대한 가이드를 작성해 본다. . AMOS는 그래픽 사용자 인터페이스(graphic user interface) 지원..

(연구) LLM 기반 데이터와 서비스간 정보보호 Matrix 및 프레임워크

LLM 기반 데이터와 서비스간 정보보호 Matrix 및 프레임워크1. 개요대규모 언어 모델(LLM)의 발전과 확산에 따라 데이터 프라이버시 보호는 핵심적인 연구 과제로 부상하고 있습니다. LLM은 방대한 데이터를 학습하고 처리하는 과정에서 개인식별정보(PII), 민감정보, 기업 기밀 등의 노출 위험이 존재하며, 이는 학습 단계부터 추론, 서비스 제공에 이르는 전 생명주기에 걸쳐 발생합니다.[1][2][3][4][5]본 연구에서는 LLM의 데이터 활용 범위를 6개 주요 영역으로 분류하고, 각 영역별 정보보호 요소, 위협 요인, 그리고 최신 연구에서 제시된 개선 방안을 체계적으로 정리합니다. 2. LLM 데이터 활용 영역별 정보보호 프레임워크 2.1 데이터의 프라이버시 보호정보보호 요소데이터 최소화(Dat..

반응형