IT 위키 - 사용자 기여 [ko]

빅데이터분석기사

2020-11-08T11:23:04Z

Whiter:

==개요==

===관련 근거===
국가기술자격법 및 동법 시행령

===빅데이터분석기사 정의===
빅데이터 이해를 기반으로 빅데이터 분석 기획, 빅데이터 수집·저장·처리, 빅데이터 분석 및 시각화를 수행하는 실무자

===빅데이터분석기사의 필요성===
* 전 세계적으로 빅데이터가 미래성장동력으로 인식돼, 각국 정부에서는 관련 기업투자를 끌어내는 등 국가·기업의 주요 전략분야로 부상 중
* 국가와 기업의 경쟁력 확보를 위해 빅데이터 분석 전문가의 수요는 증가하고 있으나, 수요 대비 공급 부족으로 인력 확보에 어려움이 높은 실정
* 이에 정부차원에서 빅데이터 분석 전문가 양성과 함께 체계적으로 역량을 검증할 수 있는 국가기술자격 수요가 높은 편

===빅데이터분석기사의 직무===
* 대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해
* 목적에 따라 분석기술과 방법론을 기반으로
* 정형/비정형 대용량 데이터를 구축, 탐색, 분석하고 시각화를 수행하는 업무를 수행

==과목 및 내용==

===필기===
{| class="wikitable"
!필기과목명
!주요항목
!세부항목
!세세항목
|-
! rowspan="6" |빅데이터 분석 기획
! rowspan="2" |빅데이터의 이해
|빅데이터 개요 및 활용
|
*빅데이터의 특징
*빅데이터의 가치
*데이터 산업의 이해
*빅데이터 조직 및 인력
|-
|빅테이터 기술 및 제도
|
*빅데이터 플랫폼
*빅데이터와 인공지능
*개인정보 법·제도
*개인정보 활용
|-
! rowspan="2" |데이터분석 계획
|분석방안수립
|
*분석 로드맵 설정
*분석 문제 정의
*데이터 분석 방안
|-
|분석 작업 계획
|
*데이터 확보 계획
*분석 절차 및 작업 계획
|-
! rowspan="2" |데이터 수집 및 저장 계획
|데이터 수집 및 전환
|
*데이터 수집
*데이터 유형 및 속성 파악
*데이터 변환
*데이터 비식별화
*데이터 품질 검증
|-
|데이터 적재 및 저장
|
*데이터 적재
*데이터 저장
|-
! rowspan="6" |빅데이터 탐색
! rowspan="2" |데이터 전처리
|데이터 정제
|
*데이터 정제
*데이터 결측값 처리
*데이터 이상값 처리
|-
|분석 변수 처리
|
*변수 선택
*차원축소
*파생변수 생성
*변수 변환
*불균형 데이터 처리
|-
! rowspan="2" |데이터 탐색
|데이터 탐색 기초
|
*데이터 탐색 개요
*상관관계 분석
*기초통계량 추출 및 이해
*시각적 데이터 탐색
|-
|고급 데이터 탐색
|
*시공간 데이터 탐색
*다변량 데이터 탐색
*비정형 데이터 탐색
|-
! rowspan="2" |통계기법 이해
|기술통계
|
*데이터요약
*표본추출
*확률분포
*표본분표
|-
|추론통계
|
*점추정
*구간추정
*가설검정
|-
! rowspan="4" |빅데이터 모델링
! rowspan="2" |분석모형 설계
|분석 절차 수립
|
*분석모형 선정
*분석모형 정의
*분석모형 구축 절차
|-
|분석 환경 구축
|
*분석 도구 선정
*데이터 분할
|-
! rowspan="2" |분석기법 적용
|분석기법
|
*회귀분석
*로지스틱 회귀분석
*의사결정나무
*인공신경망
*서포트벡터머신
*연관성분석
*군집분석
|-
|고급 분석기법
|
*범주형 자료 분석
*다변량 분석
*시계열 분석
*베이지안 기법
*딥러닝 분석
*비정형 데이터 분석
*앙상블 분석
*비모수 통계
|-
! rowspan="6" |빅데이터 결과해석
! rowspan="2" |분석모형 평가 및 개선
|분석모형 평가
|
*평가 지표
*분석모형 진단
*교차 검증
*모수 유의성 검정
*적합도 검정
|-
|분석모형 개선
|
*과대적합 방지
*매개변수 최적화
*분석모형 융합
*최종모형 선정
|-
! rowspan="3" |분석결과 해석 및 활용
|분석결과 해석
|
*분석모형 해석
*비즈니스 기여도 평가
|-
|분석결과 시각화
|
*시공간 시각화
*관계 시각화
*비교 시각화
*인포그래픽
|-
|분석결과 활용
|
*분석모형 전개
*분석결과 활용 시나리오 개발
*분석모형 모니터링
*분석모형 리모델링
|}

===실기===
{| class="wikitable"
!실기과목명
!주요항목
!세부항목
!세세항목
|-
! rowspan="7" |빅데이터 분석 실무
!데이터 수집 작업
|데이터 수집하기
|
*정형, 반정형, 비정형 등 다양한 형태의 데이터를 읽을 수 있다.
*필요시 공개 데이터를 수집할 수 있다.
|-
! rowspan="2" |데이터 전처리 작업
|데이터 정제하기
|
*정제가 필요한 결측값, 이상값 등이 무엇인지 파악할 수 있다.
*결측값와 이상값에 대한 처리 기준을 정하고 제거 또는 임의의 값으로 대체할 수 있다.
|-
|데이터 변환하기
|
*데이터의 유형을 원하는 형태로 변환할 수 있다.
*데이터의 범위를 표준화 또는 정규화를 통해 일치시킬 수 있다.
*기존 변수를 이용하여 의미 있는 새로운 변수를 생성하거나 변수를 선택할 수 있다.
|-
! rowspan="2" |데이터 모형 구축 작업
|분석모형 선택하기
|
*다양한 분석모형을 이해할 수 있다.
*주어진 데이터와 분석 목적에 맞는 분석모형을 선택할 수 있다.
*선정모형에 필요한 가정 등을 이해할 수 있다.
|-
|분석모형 구축하기
|
*모형 구축에 부합하는 변수를 지정할 수 있다.
*모형 구축에 적합한 형태로 데이터를 조작할 수 있다.
*모형 구축에 적절한 매개변수를 지정할 수 있다.
|-
! rowspan="2" |데이터 모형 평가 작업
|구축된 모형 평가하기
|
*최종 모형을 선정하기 위해 필요한 모형 평가 지표들을 잘 사용할 수 있다.
*선택한 평가지표를 이용하여 구축된 여러 모형을 비교하고 선택할 수 있다.
*성능 향상을 위해 구축된 여러 모형을 적절하게 결합할 수 있다.
|-
|분석결과 활용하기
|
*최종모형 또는 분석결과를 해석할 수 있다.
*최종모형 또는 분석결과를 저장할 수 있다.
|}

==출제문항수==

===출제기준(필기)===
{| class="wikitable"
!직무분야
|정보통신
!중직무분야
|정보기술
!자격종목
|빅데이터 분석기사
!적용기간
|4년(2020.1.1.~2023.12.31.)
|-
!직무내용
| colspan="7" |
* 대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해
* 목적에 따라 분석기술과 방법론을 기반으로
* 정형/비정형 대용량 데이터를 구축, 탐색, 분석하고 시각화를 수행하는 업무를 수행
|-
! colspan="2" |필기검정방법
|객관식
! colspan="2" |문제수
|80
!시험시간
|120분
|}
'''과목별 주요 항목'''
{| class="wikitable"
!필기과목명
!문제수
!주요항목
|-
!빅데이터 분석기획
|20
|
*빅데이터의 이해
*데이터 분석 계획
*데이터 수집 및 저장 계획
|-
!빅데이터 탐색
|20
|
*데이터 전처리
*데이터 탐색
*통계기법 이해
|-
!빅데이터 모델링
|20
|
*분석모형 설계
*분석기법 적용
|-
!빅데이터 결과 해석
|20
|
*분석모형 평가 및 개선
*분석결과 해석 및 활용
|}

===출제기준(실기)===
{| class="wikitable"
!직무분야
|정보통신
!중직무분야
|정보기술
!자격종목
|빅데이터 분석기사
!적용기간
|4년(2020.1.1.~2023.12.31.)
|-
!직무내용
| colspan="7" |
* 대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해
* 목적에 따라 분석기술과 방법론을 기반으로
* 정형/비정형 대용량 데이터를 구축, 탐색, 분석하고 시각화를 수행하는 업무를 수행
|-
! colspan="2" |실기검정방법
| colspan="2" |통합형(필답형, 작업형)
! colspan="2" |시험시간
| colspan="2" |180분
|}
'''과목별 주요 항목'''
{| class="wikitable"
!실기과목명
!주요항목
|-
!빅데이터 분석실무
|
*데이터 수집 작업
*데이터 전처리 작업
*데이터 모형 구축 작업
*데이터 모형 평가 작업
|}

==응시자격 및 합격기준==

===응시자격===
{| class="wikitable"
!응시자격
|-
|
*다음 각 호의 어느 하나에 해당하는 사람

#산업기사 등급 이상의 자격을 취득한 후 응시하려는 종목이 속하는 동일 및 유사 직무분야<ref>모든 직무분야 인정</ref>에서 1년 이상 실무에 종사한 사람
#기능사 자격을 취득한 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 3년 이상 실무에 종사한 사람
#응시하려는 종목이 속하는 동일 및 유사 직무분야의 다른 종목의 기사 등급 이상의 자격을 취득한 사람
#관련학과<ref>모든학과 응시 가능</ref>의 대학졸업자등<ref>"졸업자등"이란 「초·중등교육법」 및 「고등교육법」에 따른 학교를 졸업한 사람 및 이와 같은 수준 이상의 학력이 있다고 인정되는 사람을 말한다. 다만, 대학(산업대학 등 수업연한이 4년 이상인 학교를 포함한다. 이하 "대학등"이라 한다) 및 대학원을 수료한 사람으로서 관련 학위를 취득하지 못한 사람은 "대학졸업자등"으로 보고, 대학등의 전 과정의 2분의 1 이상을 마친 사람은 "2년제 전문대학졸업자등"으로 본다.</ref> 또는 그 졸업예정자<ref>"졸업예정자"란 국가기술자격 검정의 필기시험일(필기시험이 없거나 면제되는 경우에는 실기시험의 수험원서 접수마감일을 말한다. 이하 같다) 현재 「초·중등교육법」 및 「고등교육법」에 따라 정해진 학년 중 최종 학년에 재학 중인 사람을 말한다. 다만, 「학점인정 등에 관한 법률」 제7조에 따라 106학점 이상을 인정받은 사람(「학점인정 등에 관한 법률」에 따라 인정받은 학점 중 「고등교육법」 제2조제1호부터 제6호까지의 규정에 따른 대학 재학 중 취득한 학점을 전환하여 인정받은 학점 외의 학점이 18학점 이상 포함되어야 한다)은 대학졸업예정자로 보고, 81학점 이상을 인정받은 사람은 3년제 대학졸업예정자로 보며, 41학점 이상을 인정받은 사람은 2년제 대학졸업예정자로 본다.</ref><ref>「고등교육법」 제50조의2에 따른 전공심화과정의 학사학위를 취득한 사람은 대학졸업자로 보고, 그 졸업예정자는 대학졸업예정자로 본다.</ref>
#3년제 전문대학 관련학과 졸업자등으로서 졸업 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 1년 이상 실무에 종사한 사람
#2년제 전문대학 관련학과 졸업자등으로서 졸업 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 2년 이상 실무에 종사한 사람
#동일 및 유사 직무분야의 기사 수준 기술훈련과정 이수자<ref>"이수자"란 기사 수준 기술훈련과정 또는 산업기사 수준 기술훈련과정을 마친 사람을 말한다.</ref> 또는 그 이수예정자<ref>"이수예정자"란 국가기술자격 검정의 필기시험일 또는 최초 시험일 현재 기사 수준 기술훈련과정 또는 산업기사 수준 기술훈련과정에서 각 과정의 2분의 1을 초과하여 교육훈련을 받고 있는 사람을 말한다.</ref>
#동일 및 유사 직무분야의 산업기사 수준 기술훈련과정 이수자로서 이수 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 2년 이상 실무에 종사한 사람
#응시하려는 종목이 속하는 동일 및 유사 직무분야에서 4년 이상 실무에 종사한 사람
#외국에서 동일한 종목에 해당하는 자격을 취득한 사람

#
|}

===합격기준===
{| class="wikitable"
!필기시험 합격기준
!실기시험 합격기준
|-
|과목당 100점을 만점으로

# 전 과목 40점 이상
# 전 과목 평균 60점 이상
|100점을 만점으로 60점이상
(시험의 일부 과정을 응시하지 않은 경우 득점에 관계없이 불합격)
|}

===응시자격 증빙서류===
{| class="wikitable"
!구분
!내용
|-
|제출서류
|
*경력증명서 또는 재직증명서
*최종학력증명서
*자격증 사본
|}
==참고 문헌==

*[https://www.dataq.or.kr/www/sub/a_07.do 데이터산업진흥원 데이터자격검정]

==각주==
[[분류:자격증]]
[[분류:데이터 과학]]
<references />

빅데이터분석기사

2020-11-08T11:22:08Z

Whiter:

==개요==

===관련 근거===
국가기술자격법 및 동법 시행령

===빅데이터분석기사 정의===
빅데이터 이해를 기반으로 빅데이터 분석 기획, 빅데이터 수집·저장·처리, 빅데이터 분석 및 시각화를 수행하는 실무자를 말한다.

===빅데이터분석기사의 필요성===
전 세계적으로 빅데이터가 미래성장동력으로 인식돼, 각국 정부에서는 관련 기업투자를 끌어내는 등 국가·기업의 주요 전략분야로 부상하고 있다.

국가와 기업의 경쟁력 확보를 위해 빅데이터 분석 전문가의 수요는 증가하고 있으나, 수요 대비 공급 부족으로 인력 확보에 어려움이 높은 실정이다.

이에 정부차원에서 빅데이터 분석 전문가 양성과 함께 체계적으로 역량을 검증할 수 있는 국가기술자격 수요가 높은 편이다.

===빅데이터분석기사의 직무===
대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해 목적에 따라 분석기술과 방법론을 기반으로 정형/비정형 대용량 데이터를 구축, 탐색, 분석하고 시각화를 수행하는 업무를 수행한다.

==과목 및 내용==

===필기===
{| class="wikitable"
!필기과목명
!주요항목
!세부항목
!세세항목
|-
! rowspan="6" |빅데이터 분석 기획
! rowspan="2" |빅데이터의 이해
|빅데이터 개요 및 활용
|
*빅데이터의 특징
*빅데이터의 가치
*데이터 산업의 이해
*빅데이터 조직 및 인력
|-
|빅테이터 기술 및 제도
|
*빅데이터 플랫폼
*빅데이터와 인공지능
*개인정보 법·제도
*개인정보 활용
|-
! rowspan="2" |데이터분석 계획
|분석방안수립
|
*분석 로드맵 설정
*분석 문제 정의
*데이터 분석 방안
|-
|분석 작업 계획
|
*데이터 확보 계획
*분석 절차 및 작업 계획
|-
! rowspan="2" |데이터 수집 및 저장 계획
|데이터 수집 및 전환
|
*데이터 수집
*데이터 유형 및 속성 파악
*데이터 변환
*데이터 비식별화
*데이터 품질 검증
|-
|데이터 적재 및 저장
|
*데이터 적재
*데이터 저장
|-
! rowspan="6" |빅데이터 탐색
! rowspan="2" |데이터 전처리
|데이터 정제
|
*데이터 정제
*데이터 결측값 처리
*데이터 이상값 처리
|-
|분석 변수 처리
|
*변수 선택
*차원축소
*파생변수 생성
*변수 변환
*불균형 데이터 처리
|-
! rowspan="2" |데이터 탐색
|데이터 탐색 기초
|
*데이터 탐색 개요
*상관관계 분석
*기초통계량 추출 및 이해
*시각적 데이터 탐색
|-
|고급 데이터 탐색
|
*시공간 데이터 탐색
*다변량 데이터 탐색
*비정형 데이터 탐색
|-
! rowspan="2" |통계기법 이해
|기술통계
|
*데이터요약
*표본추출
*확률분포
*표본분표
|-
|추론통계
|
*점추정
*구간추정
*가설검정
|-
! rowspan="4" |빅데이터 모델링
! rowspan="2" |분석모형 설계
|분석 절차 수립
|
*분석모형 선정
*분석모형 정의
*분석모형 구축 절차
|-
|분석 환경 구축
|
*분석 도구 선정
*데이터 분할
|-
! rowspan="2" |분석기법 적용
|분석기법
|
*회귀분석
*로지스틱 회귀분석
*의사결정나무
*인공신경망
*서포트벡터머신
*연관성분석
*군집분석
|-
|고급 분석기법
|
*범주형 자료 분석
*다변량 분석
*시계열 분석
*베이지안 기법
*딥러닝 분석
*비정형 데이터 분석
*앙상블 분석
*비모수 통계
|-
! rowspan="6" |빅데이터 결과해석
! rowspan="2" |분석모형 평가 및 개선
|분석모형 평가
|
*평가 지표
*분석모형 진단
*교차 검증
*모수 유의성 검정
*적합도 검정
|-
|분석모형 개선
|
*과대적합 방지
*매개변수 최적화
*분석모형 융합
*최종모형 선정
|-
! rowspan="3" |분석결과 해석 및 활용
|분석결과 해석
|
*분석모형 해석
*비즈니스 기여도 평가
|-
|분석결과 시각화
|
*시공간 시각화
*관계 시각화
*비교 시각화
*인포그래픽
|-
|분석결과 활용
|
*분석모형 전개
*분석결과 활용 시나리오 개발
*분석모형 모니터링
*분석모형 리모델링
|}

===실기===
{| class="wikitable"
!실기과목명
!주요항목
!세부항목
!세세항목
|-
! rowspan="7" |빅데이터 분석 실무
!데이터 수집 작업
|데이터 수집하기
|
*정형, 반정형, 비정형 등 다양한 형태의 데이터를 읽을 수 있다.
*필요시 공개 데이터를 수집할 수 있다.
|-
! rowspan="2" |데이터 전처리 작업
|데이터 정제하기
|
*정제가 필요한 결측값, 이상값 등이 무엇인지 파악할 수 있다.
*결측값와 이상값에 대한 처리 기준을 정하고 제거 또는 임의의 값으로 대체할 수 있다.
|-
|데이터 변환하기
|
*데이터의 유형을 원하는 형태로 변환할 수 있다.
*데이터의 범위를 표준화 또는 정규화를 통해 일치시킬 수 있다.
*기존 변수를 이용하여 의미 있는 새로운 변수를 생성하거나 변수를 선택할 수 있다.
|-
! rowspan="2" |데이터 모형 구축 작업
|분석모형 선택하기
|
*다양한 분석모형을 이해할 수 있다.
*주어진 데이터와 분석 목적에 맞는 분석모형을 선택할 수 있다.
*선정모형에 필요한 가정 등을 이해할 수 있다.
|-
|분석모형 구축하기
|
*모형 구축에 부합하는 변수를 지정할 수 있다.
*모형 구축에 적합한 형태로 데이터를 조작할 수 있다.
*모형 구축에 적절한 매개변수를 지정할 수 있다.
|-
! rowspan="2" |데이터 모형 평가 작업
|구축된 모형 평가하기
|
*최종 모형을 선정하기 위해 필요한 모형 평가 지표들을 잘 사용할 수 있다.
*선택한 평가지표를 이용하여 구축된 여러 모형을 비교하고 선택할 수 있다.
*성능 향상을 위해 구축된 여러 모형을 적절하게 결합할 수 있다.
|-
|분석결과 활용하기
|
*최종모형 또는 분석결과를 해석할 수 있다.
*최종모형 또는 분석결과를 저장할 수 있다.
|}

==출제문항수==

===출제기준(필기)===
{| class="wikitable"
!직무분야
|정보통신
!중직무분야
|정보기술
!자격종목
|빅데이터 분석기사
!적용기간
|4년(2020.1.1.~2023.12.31.)
|-
!직무내용
| colspan="7" |
* 대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해
* 목적에 따라 분석기술과 방법론을 기반으로
* 정형/비정형 대용량 데이터를 구축, 탐색, 분석하고 시각화를 수행하는 업무를 수행
|-
! colspan="2" |필기검정방법
|객관식
! colspan="2" |문제수
|80
!시험시간
|120분
|}
'''과목별 주요 항목'''
{| class="wikitable"
!필기과목명
!문제수
!주요항목
|-
!빅데이터 분석기획
|20
|
*빅데이터의 이해
*데이터 분석 계획
*데이터 수집 및 저장 계획
|-
!빅데이터 탐색
|20
|
*데이터 전처리
*데이터 탐색
*통계기법 이해
|-
!빅데이터 모델링
|20
|
*분석모형 설계
*분석기법 적용
|-
!빅데이터 결과 해석
|20
|
*분석모형 평가 및 개선
*분석결과 해석 및 활용
|}

===출제기준(실기)===
{| class="wikitable"
!직무분야
|정보통신
!중직무분야
|정보기술
!자격종목
|빅데이터 분석기사
!적용기간
|4년(2020.1.1.~2023.12.31.)
|-
!직무내용
| colspan="7" |
* 대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해
* 목적에 따라 분석기술과 방법론을 기반으로
* 정형/비정형 대용량 데이터를 구축, 탐색, 분석하고 시각화를 수행하는 업무를 수행
|-
! colspan="2" |실기검정방법
| colspan="2" |통합형(필답형, 작업형)
! colspan="2" |시험시간
| colspan="2" |180분
|}
'''과목별 주요 항목'''
{| class="wikitable"
!실기과목명
!주요항목
|-
!빅데이터 분석실무
|
*데이터 수집 작업
*데이터 전처리 작업
*데이터 모형 구축 작업
*데이터 모형 평가 작업
|}

==응시자격 및 합격기준==

===응시자격===
{| class="wikitable"
!응시자격
|-
|
*다음 각 호의 어느 하나에 해당하는 사람

#산업기사 등급 이상의 자격을 취득한 후 응시하려는 종목이 속하는 동일 및 유사 직무분야<ref>모든 직무분야 인정</ref>에서 1년 이상 실무에 종사한 사람
#기능사 자격을 취득한 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 3년 이상 실무에 종사한 사람
#응시하려는 종목이 속하는 동일 및 유사 직무분야의 다른 종목의 기사 등급 이상의 자격을 취득한 사람
#관련학과<ref>모든학과 응시 가능</ref>의 대학졸업자등<ref>"졸업자등"이란 「초·중등교육법」 및 「고등교육법」에 따른 학교를 졸업한 사람 및 이와 같은 수준 이상의 학력이 있다고 인정되는 사람을 말한다. 다만, 대학(산업대학 등 수업연한이 4년 이상인 학교를 포함한다. 이하 "대학등"이라 한다) 및 대학원을 수료한 사람으로서 관련 학위를 취득하지 못한 사람은 "대학졸업자등"으로 보고, 대학등의 전 과정의 2분의 1 이상을 마친 사람은 "2년제 전문대학졸업자등"으로 본다.</ref> 또는 그 졸업예정자<ref>"졸업예정자"란 국가기술자격 검정의 필기시험일(필기시험이 없거나 면제되는 경우에는 실기시험의 수험원서 접수마감일을 말한다. 이하 같다) 현재 「초·중등교육법」 및 「고등교육법」에 따라 정해진 학년 중 최종 학년에 재학 중인 사람을 말한다. 다만, 「학점인정 등에 관한 법률」 제7조에 따라 106학점 이상을 인정받은 사람(「학점인정 등에 관한 법률」에 따라 인정받은 학점 중 「고등교육법」 제2조제1호부터 제6호까지의 규정에 따른 대학 재학 중 취득한 학점을 전환하여 인정받은 학점 외의 학점이 18학점 이상 포함되어야 한다)은 대학졸업예정자로 보고, 81학점 이상을 인정받은 사람은 3년제 대학졸업예정자로 보며, 41학점 이상을 인정받은 사람은 2년제 대학졸업예정자로 본다.</ref><ref>「고등교육법」 제50조의2에 따른 전공심화과정의 학사학위를 취득한 사람은 대학졸업자로 보고, 그 졸업예정자는 대학졸업예정자로 본다.</ref>
#3년제 전문대학 관련학과 졸업자등으로서 졸업 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 1년 이상 실무에 종사한 사람
#2년제 전문대학 관련학과 졸업자등으로서 졸업 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 2년 이상 실무에 종사한 사람
#동일 및 유사 직무분야의 기사 수준 기술훈련과정 이수자<ref>"이수자"란 기사 수준 기술훈련과정 또는 산업기사 수준 기술훈련과정을 마친 사람을 말한다.</ref> 또는 그 이수예정자<ref>"이수예정자"란 국가기술자격 검정의 필기시험일 또는 최초 시험일 현재 기사 수준 기술훈련과정 또는 산업기사 수준 기술훈련과정에서 각 과정의 2분의 1을 초과하여 교육훈련을 받고 있는 사람을 말한다.</ref>
#동일 및 유사 직무분야의 산업기사 수준 기술훈련과정 이수자로서 이수 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 2년 이상 실무에 종사한 사람
#응시하려는 종목이 속하는 동일 및 유사 직무분야에서 4년 이상 실무에 종사한 사람
#외국에서 동일한 종목에 해당하는 자격을 취득한 사람

#
|}

===합격기준===
{| class="wikitable"
!필기시험 합격기준
!실기시험 합격기준
|-
|과목당 100점을 만점으로

# 전 과목 40점 이상
# 전 과목 평균 60점 이상
|100점을 만점으로 60점이상
(시험의 일부 과정을 응시하지 않은 경우 득점에 관계없이 불합격)
|}

===응시자격 증빙서류===
{| class="wikitable"
!구분
!내용
|-
|제출서류
|
*경력증명서 또는 재직증명서
*최종학력증명서
*자격증 사본
|}
==참고 문헌==

*[https://www.dataq.or.kr/www/sub/a_07.do 데이터산업진흥원 데이터자격검정]

==각주==
[[분류:자격증]]
[[분류:데이터 과학]]
<references />

빅데이터분석기사

2020-11-08T11:17:52Z

Whiter: 새 문서: == 개요 == === 관련 근거 === 국가기술자격법 및 동법 시행령 === 빅데이터분석기사 정의 === 빅데이터 이해를 기반으로 빅데이터 분석 기획,...

== 개요 ==

=== 관련 근거 ===
국가기술자격법 및 동법 시행령

=== 빅데이터분석기사 정의 ===
빅데이터 이해를 기반으로 빅데이터 분석 기획, 빅데이터 수집·저장·처리, 빅데이터 분석 및 시각화를 수행하는 실무자를 말한다.

=== 빅데이터분석기사의 필요성 ===
전 세계적으로 빅데이터가 미래성장동력으로 인식돼, 각국 정부에서는 관련 기업투자를 끌어내는 등 국가·기업의 주요 전략분야로 부상하고 있다.

국가와 기업의 경쟁력 확보를 위해 빅데이터 분석 전문가의 수요는 증가하고 있으나, 수요 대비 공급 부족으로 인력 확보에 어려움이 높은 실정이다.

이에 정부차원에서 빅데이터 분석 전문가 양성과 함께 체계적으로 역량을 검증할 수 있는 국가기술자격 수요가 높은 편이다.

=== 빅데이터분석기사의 직무 ===
대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해 목적에 따라 분석기술과 방법론을 기반으로 정형/비정형 대용량 데이터를 구축, 탐색, 분석하고 시각화를 수행하는 업무를 수행한다.

== 과목 및 내용 ==

=== 필기 ===
{| class="wikitable"
!필기과목명
!주요항목
!세부항목
!세세항목
|-
! rowspan="6" |빅데이터 분석 기획
! rowspan="2" |빅데이터의 이해
|빅데이터 개요 및 활용
|
* 빅데이터의 특징
* 빅데이터의 가치
* 데이터 산업의 이해
* 빅데이터 조직 및 인력
|-
|빅테이터 기술 및 제도
|
* 빅데이터 플랫폼
* 빅데이터와 인공지능
* 개인정보 법·제도
* 개인정보 활용
|-
! rowspan="2" |데이터분석 계획
|분석방안수립
|
* 분석 로드맵 설정
* 분석 문제 정의
* 데이터 분석 방안
|-
|분석 작업 계획
|
* 데이터 확보 계획
* 분석 절차 및 작업 계획
|-
! rowspan="2" |데이터 수집 및 저장 계획
|데이터 수집 및 전환
|
* 데이터 수집
* 데이터 유형 및 속성 파악
* 데이터 변환
* 데이터 비식별화
* 데이터 품질 검증
|-
|데이터 적재 및 저장
|
* 데이터 적재
* 데이터 저장
|-
! rowspan="6" |빅데이터 탐색
! rowspan="2" |데이터 전처리
|데이터 정제
|
* 데이터 정제
* 데이터 결측값 처리
* 데이터 이상값 처리
|-
|분석 변수 처리
|
* 변수 선택
* 차원축소
* 파생변수 생성
* 변수 변환
* 불균형 데이터 처리
|-
! rowspan="2" |데이터 탐색
|데이터 탐색 기초
|
* 데이터 탐색 개요
* 상관관계 분석
* 기초통계량 추출 및 이해
* 시각적 데이터 탐색
|-
|고급 데이터 탐색
|
* 시공간 데이터 탐색
* 다변량 데이터 탐색
* 비정형 데이터 탐색
|-
! rowspan="2" |통계기법 이해
|기술통계
|
* 데이터요약
* 표본추출
* 확률분포
* 표본분표
|-
|추론통계
|
* 점추정
* 구간추정
* 가설검정
|-
! rowspan="4" |빅데이터 모델링
! rowspan="2" |분석모형 설계
|분석 절차 수립
|
* 분석모형 선정
* 분석모형 정의
* 분석모형 구축 절차
|-
|분석 환경 구축
|
* 분석 도구 선정
* 데이터 분할
|-
! rowspan="2" |분석기법 적용
|분석기법
|
* 회귀분석
* 로지스틱 회귀분석
* 의사결정나무
* 인공신경망
* 서포트벡터머신
* 연관성분석
* 군집분석
|-
|고급 분석기법
|
* 범주형 자료 분석
* 다변량 분석
* 시계열 분석
* 베이지안 기법
* 딥러닝 분석
* 비정형 데이터 분석
* 앙상블 분석
* 비모수 통계
|-
! rowspan="6" |빅데이터 결과해석
! rowspan="2" |분석모형 평가 및 개선
|분석모형 평가
|
* 평가 지표
* 분석모형 진단
* 교차 검증
* 모수 유의성 검정
* 적합도 검정
|-
|분석모형 개선
|
* 과대적합 방지
* 매개변수 최적화
* 분석모형 융합
* 최종모형 선정
|-
! rowspan="3" |분석결과 해석 및 활용
|분석결과 해석
|
* 분석모형 해석
* 비즈니스 기여도 평가
|-
|분석결과 시각화
|
* 시공간 시각화
* 관계 시각화
* 비교 시각화
* 인포그래픽
|-
|분석결과 활용
|
* 분석모형 전개
* 분석결과 활용 시나리오 개발
* 분석모형 모니터링
* 분석모형 리모델링
|}

=== 실기 ===
{| class="wikitable"
!실기과목명
!주요항목
!세부항목
!세세항목
|-
! rowspan="7" |빅데이터 분석 실무
!데이터 수집 작업
|데이터 수집하기
|
* 정형, 반정형, 비정형 등 다양한 형태의 데이터를 읽을 수 있다.
* 필요시 공개 데이터를 수집할 수 있다.
|-
! rowspan="2" |데이터 전처리 작업
|데이터 정제하기
|
* 정제가 필요한 결측값, 이상값 등이 무엇인지 파악할 수 있다.
* 결측값와 이상값에 대한 처리 기준을 정하고 제거 또는 임의의 값으로 대체할 수 있다.
|-
|데이터 변환하기
|
* 데이터의 유형을 원하는 형태로 변환할 수 있다.
* 데이터의 범위를 표준화 또는 정규화를 통해 일치시킬 수 있다.
* 기존 변수를 이용하여 의미 있는 새로운 변수를 생성하거나 변수를 선택할 수 있다.
|-
! rowspan="2" |데이터 모형 구축 작업
|분석모형 선택하기
|
* 다양한 분석모형을 이해할 수 있다.
* 주어진 데이터와 분석 목적에 맞는 분석모형을 선택할 수 있다.
* 선정모형에 필요한 가정 등을 이해할 수 있다.
|-
|분석모형 구축하기
|
* 모형 구축에 부합하는 변수를 지정할 수 있다.
* 모형 구축에 적합한 형태로 데이터를 조작할 수 있다.
* 모형 구축에 적절한 매개변수를 지정할 수 있다.
|-
! rowspan="2" |데이터 모형 평가 작업
|구축된 모형 평가하기
|
* 최종 모형을 선정하기 위해 필요한 모형 평가 지표들을 잘 사용할 수 있다.
* 선택한 평가지표를 이용하여 구축된 여러 모형을 비교하고 선택할 수 있다.
* 성능 향상을 위해 구축된 여러 모형을 적절하게 결합할 수 있다.
|-
|분석결과 활용하기
|
* 최종모형 또는 분석결과를 해석할 수 있다.
* 최종모형 또는 분석결과를 저장할 수 있다.
|}

== 출제문항수 ==

=== 출제기준(필기) ===
{| class="wikitable"
!직무분야
|정보통신
!중직무분야
|정보기술
!자격종목
|빅데이터 분석기사
!적용기간
|4년(2020.1.1.~2023.12.31.)
|-
!직무내용
| colspan="7" |대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해 목적에 따라 분석기술과 방법론을 기반으로 정형/비정형 대용량 데이터를 구축, 탐색, 분석하고 시각화를 수행하는 업무를 수행한다.
|-
! colspan="2" |필기검정방법
|객관식
! colspan="2" |문제수
|80
!시험시간
|120분
|}
'''과목별 주요 항목'''
{| class="wikitable"
!필기과목명
!문제수
!주요항목
|-
!빅데이터 분석기획
|20
|
* 빅데이터의 이해
* 데이터 분석 계획
* 데이터 수집 및 저장 계획
|-
!빅데이터 탐색
|20
|
* 데이터 전처리
* 데이터 탐색
* 통계기법 이해
|-
!빅데이터 모델링
|20
|
* 분석모형 설계
* 분석기법 적용
|-
!빅데이터 결과 해석
|20
|
* 분석모형 평가 및 개선
* 분석결과 해석 및 활용
|}

=== 출제기준(실기) ===
{| class="wikitable"
!직무분야
|정보통신
!중직무분야
|정보기술
!자격종목
|빅데이터 분석기사
!적용기간
|4년(2020.1.1.~2023.12.31.)
|-
!직무내용
| colspan="7" |대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해 목적에 따라 분석기술과 방법론을 기반으로 정형/비정형 대용량 데이터를 구축, 탐색, 분석하고 시각화를 수행하는 업무를 수행한다.
|-
! colspan="2" |실기검정방법
| colspan="2" |통합형(필답형, 작업형)
! colspan="2" |시험시간
| colspan="2" |180분
|}
'''과목별 주요 항목'''
{| class="wikitable"
!실기과목명
!주요항목
|-
!빅데이터 분석실무
|
* 데이터 수집 작업
* 데이터 전처리 작업
* 데이터 모형 구축 작업
* 데이터 모형 평가 작업
|}

== 응시자격 및 합격기준 ==

=== 응시자격 ===
{| class="wikitable"
!응시자격
|-
|
* 다음 각 호의 어느 하나에 해당하는 사람 1. 산업기사 등급 이상의 자격을 취득한 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 1년 이상 실무에 종사한 사람 2. 기능사 자격을 취득한 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 3년 이상 실무에 종사한 사람 3. 응시하려는 종목이 속하는 동일 및 유사 직무분야의 다른 종목의 기사 등급 이상의 자격을 취득한 사람 4. 관련학과의 대학졸업자등<ref>"졸업자등"이란 「초·중등교육법」 및 「고등교육법」에 따른 학교를 졸업한 사람 및 이와 같은 수준 이상의 학력이 있다고 인정되는 사람을 말한다. 다만, 대학(산업대학 등 수업연한이 4년 이상인 학교를 포함한다. 이하 "대학등"이라 한다) 및 대학원을 수료한 사람으로서 관련 학위를 취득하지 못한 사람은 "대학졸업자등"으로 보고, 대학등의 전 과정의 2분의 1 이상을 마친 사람은 "2년제 전문대학졸업자등"으로 본다.</ref> 또는 그 졸업예정자<ref>"졸업예정자"란 국가기술자격 검정의 필기시험일(필기시험이 없거나 면제되는 경우에는 실기시험의 수험원서 접수마감일을 말한다. 이하 같다) 현재 「초·중등교육법」 및 「고등교육법」에 따라 정해진 학년 중 최종 학년에 재학 중인 사람을 말한다. 다만, 「학점인정 등에 관한 법률」 제7조에 따라 106학점 이상을 인정받은 사람(「학점인정 등에 관한 법률」에 따라 인정받은 학점 중 「고등교육법」 제2조제1호부터 제6호까지의 규정에 따른 대학 재학 중 취득한 학점을 전환하여 인정받은 학점 외의 학점이 18학점 이상 포함되어야 한다)은 대학졸업예정자로 보고, 81학점 이상을 인정받은 사람은 3년제 대학졸업예정자로 보며, 41학점 이상을 인정받은 사람은 2년제 대학졸업예정자로 본다.</ref><ref>「고등교육법」 제50조의2에 따른 전공심화과정의 학사학위를 취득한 사람은 대학졸업자로 보고, 그 졸업예정자는 대학졸업예정자로 본다.</ref> 5. 3년제 전문대학 관련학과 졸업자등으로서 졸업 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 1년 이상 실무에 종사한 사람 6. 2년제 전문대학 관련학과 졸업자등으로서 졸업 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 2년 이상 실무에 종사한 사람 7. 동일 및 유사 직무분야의 기사 수준 기술훈련과정 이수자<ref>"이수자"란 기사 수준 기술훈련과정 또는 산업기사 수준 기술훈련과정을 마친 사람을 말한다.</ref> 또는 그 이수예정자<ref>"이수예정자"란 국가기술자격 검정의 필기시험일 또는 최초 시험일 현재 기사 수준 기술훈련과정 또는 산업기사 수준 기술훈련과정에서 각 과정의 2분의 1을 초과하여 교육훈련을 받고 있는 사람을 말한다.</ref> 8. 동일 및 유사 직무분야의 산업기사 수준 기술훈련과정 이수자로서 이수 후 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 2년 이상 실무에 종사한 사람 9. 응시하려는 종목이 속하는 동일 및 유사 직무분야에서 4년 이상 실무에 종사한 사람 10. 외국에서 동일한 종목에 해당하는 자격을 취득한 사람 ※ 관련학과 : 모든 학과 응시가능 ※ 동일직무분야 : 모든 직무분야
*
|}

=== 합격기준 ===
{| class="wikitable"
!필기시험 합격기준
!실기시험 합격기준
|-
|과목당 100점을 만점으로
1. 전 과목 40점 이상
2. 전 과목 평균 60점 이상
|100점을 만점으로 60점이상
(시험의 일부 과정을 응시하지 않은 경우 득점에 관계없이 불합격)
|}

=== 응시자격 증빙서류 ===
{| class="wikitable"
!구분
!내용
|-
|제출서류
|
* 경력증명서 또는 재직증명서
* 최종학력증명서
* 자격증 사본
|}
<br />

== 참고 문헌 ==

* [https://www.dataq.or.kr/www/sub/a_07.do 데이터산업진흥원 데이터자격검정]

== 각주 ==
[[분류:자격증]]
[[분류:데이터 과학]]

OAuth

2020-11-02T12:00:28Z

Whiter:

[[분류:보안]]

;자신이 소유한 리소스에 소프트웨어 애플리케이션이 접근할 수 있도록 허용해 줌으로써 접근 권한을 위임해주는 개방형 표준 프로토콜

*애플리케이션이 리소스 소유자에게 리소스에 대한 접근 권한을 허용하고, 요청 결과로 전달받은 토큰을 이용해 애플리케이션이 해당 리소스에 접근하는 프로토콜

==역사==

*여러 웹 서비스를 연계하여 사용토록 하기 위해 OpenID 이용
*API 접근 권한 관리를 위해 구글의 AuthSub, 야후의 BBAuth 등을 참고하여 OAuth 1.0 개발
*OAuth의 세션 고정 공격을 보완한 OAuth 1.0a 개발
*OAuth 1.0a는 IETF에서 RFC 5849<nowiki/>로 정리됨
**OAuth 커뮤니가 성장하여 여러 메커니즘에 대한 논의 시작
*OAuth의 구조적인 문제점을 해결하고, 핵심요소만을 차용한 유사 프로토콜 WRAP(Web Resource Access Protocol) 발표
*WRAP을 기반으로 OAuth 2.0 개발(RFC 6749, RFC 6750)
*OAuth 2.0은 메커니즘이 하나로 통일되지 않아 4가지 타입으로 발표됨

==구성과 종류==
===구성===

*'''리소스 소유자''': API에 대한 권한을 가지고 있으며, 이를 위임할 수 있는 이용자
*'''보호된 리소스''': 리소스 소유자가 접근하는 대상
*'''클라이언트''': 리소스 소유자를 대신해 보호된 리소스에 접근하는 소프트웨어 등
*'''인가 서버''': 리소스에 접근할 수 있는 접근 토큰을 발급

==프토토콜 종류==
{| class="wikitable"
!종류(Type)
!설명
|-
|인가 코드 승인
(Authorization Code Grant)
|
*클라이언트가 다른 사용자 대신 특정 리소스에 접근을 요청할 때 사용
*리스소 접근을 위해, 인가 서버에서 받은 권한 코드로 리소스에 대한 엑세스 토큰을 받는 방식
|-
|암묵적 승인
(Implicit Grant)
|
*권한 부여 코드 승인 타입과 다르게 권한 코드 교환 단계가 없음
*엑세스 토큰을 즉시 반환받아 이를 인증에 이용하는 방식
|-
|리소스 소유자 암호 자격 승인
(Resource Owner Password Credentials Grant)
|
*클라이언트가 암호를 사용하여 엑세스 토큰에 대한 사용자의 자격 증명을 교환하는 방식
|-
|클라이언트 자격 승인
(Client Credentials Grant)
|
*클라이언트가 컨텍스트 외부에서 액세스 토큰을 얻어 특정 리소스에 접근을 요청할 때 사용하는 방식
|}

==인증 절차==
===권한 부여 코드 승인===
[[파일:Authorization Code Grant Type.png]]

===암시적 승인===
[[파일:Implicit Grant Type.png]]

===리소스 소유자 암호 자격 증명===
[[파일:Resource Owner Password Credentials Grant.png]]

===클라이언트 자격 증명===
[[파일:Client Credentials Grant Type.png]]

==구성==
{| class="wikitable"
!구분
!설명
!비고
|-
|자원 소유자
|요청하고자 하는 자원의 소유자이자, 인증 주체
|이용자
|-
|클라이언트
|자원을 필요로 하는 서비스
자원 소유자의 권한으로 권한 서버에서 인증을 받아 자원 서버에 자원 요청
|쇼핑몰 등
|-
|권한 서버
|인증을 처리하고 권한을 부여하는 서버
| rowspan="2" |페이스북
네이버
구글 등
|-
|자원 서버
|자원을 가지고 있는 서버
|-
|접근 토큰
|자원 서버에 자원을 요청할 수 있는 토큰
|유효기간 존재
|-
|재발급 토큰
|권한 서버에 접근 토큰을 요청할 수 있는 토큰
|접근 토큰 유효기간 만료 시 사용
|}

==OAuth1.0과 OAuth2.0의 차이==
{| class="wikitable"
!비교
![[OAuth1.0]]
![[OAuth2.0]]
|-
|참여자 구분
|
*이용자
*소비자
*서비스 제공자
|
*자원 소유자
*클라이언트
*권한 서버
*자원 서버
|-
|토큰
|
*요청 토큰(Request Token)
*접근 토큰(Access Token)
|
*접근 토큰(Access Token)
*재발급 토큰(Refresh Token)
|-
|유효기간
|
*접근 토큰의 유효기간 없음
|
*접근 토큰 유효기간 부여
*만료 시 재발급 토큰 이용
|-
|클라이언트
|
*웹 서비스
|
*웹, 앱 등
|}

==문제점==

*신뢰된 서비스(권한 서버, 자원 서버)에 개인의 행태 정보가 지나치게 축적되는 문제
**국가 기관이 아닌 신뢰된 서비스가 과연 신뢰할 수 있는가?

==참고 문헌==

*OAuth 2 IN ACTION(에이콘 출판사)

OAuth

2020-11-02T10:43:55Z

Whiter:

[[분류:보안]]
;자신이 소유한 리소스에 소프트웨어 애플리케이션이 접근할 수 있도록 허용해 줌으로써 접근 권한을 위임해주는 개방형 표준 프로토콜
* 애플리케이션이 리소스 소유자에게 리소스에 대한 접근 권한을 허용하고, 요청 결과로 전달받은 토큰을 이용해 애플리케이션이 해당 리소스에 접근하는 프로토콜

== 역사 ==
* 여러 웹 서비스를 연계하여 사용토록 하기 위해 OpenID 이용
* API 접근 권한 관리를 위해 구글의 AuthSub, 야후의 BBAuth 등을 참고하여 OAuth 1.0 개발
* OAuth의 세션 고정 공격을 보완한 OAuth 1.0a 개발
* OAuth 1.0a는 IETF에서 RFC 5849로 정리됨
** OAuth 커뮤니가 성장하여 여러 메커니즘에 대한 논의 시작
* OAuth의 구조적인 문제점을 해결하고, 핵심요소만을 차용한 유사 프로토콜 WRAP(Web Resource Access Protocol) 발표
* WRAP을 기반으로 OAuth 2.0 개발(RFC 6749, RFC 6750)
* OAuth 2.0은 메커니즘이 하나로 통일되지 않아 4가지 타입으로 발표됨

== 구성과 종류 ==
=== 구성 ===
* '''리소스 소유자''': API에 대한 권한을 가지고 있으며, 이를 위임할 수 있는 이용자
* '''보호된 리소스''': 리소스 소유자가 접근하는 대상
* '''클라이언트''': 리소스 소유자를 대신해 보호된 리소스에 접근하는 소프트웨어 등
* '''인가 서버''': 리소스에 접근할 수 있는 접근 토큰을 발급

== 프토토콜 종류 ==
{| class="wikitable"
! 종류
! 설명
|-
| 권한 부여 코드 승인
(Authorization Code Grant Type)
|
* 클라이언트가 다른 사용자 대신 특정 리소스에 접근을 요청할 때 사용
* 리스소 접근을 위한 사용자 명과 비밀번호, 권한 서버에 요청해서 받은 권한 코드를 함께 활용하여 리소스에 대한 엑세스 토큰을 받는 방식
|-
| 암시적 승인
(Implicit Grant Type)
|
* 권한 부여 코드 승인 타입과 다르게 권한 코드 교환 단계 없이 엑세스 토큰을 즉시 반환받아 이를 인증에 이용하는 방식
|-
| 리소스 소유자 암호 자격 증명
(Resource Owner Password Credentials Grant Type)
|
* 클라이언트가 암호를 사용하여 엑세스 토큰에 대한 사용자의 자격 증명을 교환하는 방식
|-
| 클라이언트 자격 증명
(Client Credentials Grant Type)
|
* 클라이언트가 컨텍스트 외부에서 액세스 토큰을 얻어 특정 리소스에 접근을 요청할 때 사용하는 방식
|}

== 인증 절차 ==
=== 권한 부여 코드 승인 ===
[[파일:Authorization Code Grant Type.png]]

=== 암시적 승인 ===
[[파일:Implicit Grant Type.png]]

=== 리소스 소유자 암호 자격 증명 ===
[[파일:Resource Owner Password Credentials Grant.png]]

=== 클라이언트 자격 증명 ===
[[파일:Client Credentials Grant Type.png]]

== 구성 ==
{| class="wikitable"
! 구분
! 설명
! 비고
|-
| 자원 소유자
| 요청하고자 하는 자원의 소유자이자, 인증 주체
| 이용자
|-
| 클라이언트
| 자원을 필요로 하는 서비스
자원 소유자의 권한으로 권한 서버에서 인증을 받아 자원 서버에 자원 요청
| 쇼핑몰 등
|-
| 권한 서버
| 인증을 처리하고 권한을 부여하는 서버
| rowspan="2" | 페이스북
네이버
구글 등
|-
| 자원 서버
| 자원을 가지고 있는 서버
|-
| 접근 토큰
| 자원 서버에 자원을 요청할 수 있는 토큰
| 유효기간 존재
|-
| 재발급 토큰
| 권한 서버에 접근 토큰을 요청할 수 있는 토큰
| 접근 토큰 유효기간 만료 시 사용
|}

== OAuth1.0과 OAuth2.0의 차이 ==
{| class="wikitable"
! 비교
! [[OAuth1.0]]
! [[OAuth2.0]]
|-
| 참여자 구분
|
* 이용자
* 소비자
* 서비스 제공자
|
*자원 소유자
* 클라이언트
* 권한 서버
* 자원 서버
|-
| 토큰
|
* 요청 토큰(Request Token)
* 접근 토큰(Access Token)
|
* 접근 토큰(Access Token)
* 재발급 토큰(Refresh Token)
|-
| 유효기간
|
* 접근 토큰의 유효기간 없음
|
* 접근 토큰 유효기간 부여
* 만료 시 재발급 토큰 이용
|-
| 클라이언트
|
* 웹 서비스
|
* 웹, 앱 등
|}

== 문제점 ==
* 신뢰된 서비스(권한 서버, 자원 서버)에 개인의 행태 정보가 지나치게 축적되는 문제
** 국가 기관이 아닌 신뢰된 서비스가 과연 신뢰할 수 있는가?

== 참고 문헌 ==
* OAuth 2 IN ACTION(에이콘 출판사)

Oauth

2020-11-02T10:12:14Z

Whiter: OAuth 문서로 넘겨주기

#넘겨주기 [[OAuth]]