이 게시물에서 우리는 당신이 사용하는 방법을 보여줍니다 AWS 클린룸 공중 보건 기관 간의 데이터 협업을 가능하게 합니다. 공중 보건 정부 기관은 자신이 봉사하는 다양한 지역 사회의 복지를 개선한다는 목표로 정책과 치료법을 만들기 위해 인구 전체의 다양한 건강 상태 및 치료와 관련된 추세를 이해해야 합니다.
이를 위해 이들 기관은 임상 조직, 비임상 커뮤니티 조직, 기타 정부 기관의 행정 데이터 등 다양한 소스의 데이터를 분석하여 인구 전체의 건강 상태 및 치료에 대한 추세를 식별할 수 있어야 합니다. 공중 보건은 그들이 봉사하는 지역 사회 내의 인구에게 무슨 일이 일어나고 있는지 이해해야 합니다.
위험에 처한 집단을 조사하기 때문에 개인 식별 정보(PII)가 제거된 사례 목록의 유연성이 필요합니다. 이 정보를 사용하면 PII를 공개하지 않고도 데이터 소스에서 사용할 수 있는 다양한 인구통계학적, 사회적 요인을 기반으로 위험을 평가할 수 있습니다. 목록은 연결된 데이터에 대해서도 회귀와 같은 보다 복잡한 분석을 적용할 수 있는 유연성을 제공합니다. 다음과 같은 프로그램 수선하다, MDPHnet및 코드 수년 동안 지역사회의 만성 질환 부담을 이해하기 위해 분산 네트워크의 임상 데이터를 사용해 왔습니다. 이러한 프로그램이 직면한 과제에는 데이터 공급자 네트워크 전반에 걸친 복잡한 데이터 공유 규칙 및 분산 분석 접근 방식이 포함됩니다. 예를 들어 MENDS 및 MDPHnet은 사이트 전체에서 중복을 제거하지 않고 조직 수준에서 분석을 실행합니다. 개별 쿼리는 각 사이트로 푸시되어 사람이 처리하고 검토하며, 종합된 결과는 공중 보건 기관으로 전송됩니다.
AWS Clean Rooms는 이러한 프로그램에서 데이터 공급자의 부담을 줄이는 동시에 공공 보건 기관이 자체 쿼리를 사용하여 데이터를 분석하고 기본 원시 데이터에 대한 액세스를 방지하여 데이터 개인 정보 보호에 대한 위험을 완화할 수 있는 기회를 제공합니다.
AWS 클린룸 개요
AWS 클린룸 AWS re:Invent 2022에서 처음 발표되었으며 현재 정식 출시되었습니다. AWS Clean Rooms를 사용하면 고객과 파트너가 기본 데이터를 서로 공유하거나 복사하지 않고도 집단 데이터 세트에 대해 보다 쉽고 안전하게 협업할 수 있습니다. AWS Clean Rooms는 쿼리 제어, 쿼리 출력 제한, 쿼리 로깅 및 암호화 컴퓨팅 도구를 포함하여 민감한 데이터를 보호하는 데 도움이 되는 광범위한 개인 정보 보호 강화 제어 세트를 제공합니다.
AWS Clean Rooms를 사용하면 한쪽 당사자가 원시 데이터를 공유하거나 복사할 필요 없이 다른 당사자와 협업하고 데이터를 분석할 수 있습니다. AWS Clean Rooms는 상태 비저장 서비스입니다. 데이터를 저장하지 않습니다. 대신, 데이터가 있는 곳에서 데이터를 읽고, 쿼리 런타임에 각 참여자의 기본 데이터를 보호하는 제한 사항을 적용하고, 결과를 반환합니다. 일반적인 메타데이터 요소(예: 지리, 공유 식별자 또는 기타 인구통계학적 요인)를 사용하여 데이터 소스를 교차하고 분석하도록 쿼리를 작성하여 데이터 소스 간의 중복 또는 인구, 조건 또는 인구별로 집계된 개수에 대한 행 수준 목록을 생성할 수 있습니다. 다른 지층.
AWS Clean Rooms는 공공 보건 기관이 집단 데이터를 분석하여 지역 사회의 건강과 복지를 더욱 완벽하게 파악하는 동시에 데이터의 보안과 개인 정보 보호를 유지하도록 돕습니다.
솔루션 개요
AWS Clean Rooms을 시작하기 전에 먼저 서비스의 몇 가지 주요 개념에 대해 이야기해 보겠습니다.
- 협력 – 이는 협업 작성자가 생성한 AWS Clean Rooms의 안전한 논리적 경계입니다. 컬래버레이션을 생성할 때 작성자는 컬래버레이션에 참여하도록 추가 멤버를 초대할 수 있습니다. 초대된 참가자는 협업 참여 초대를 수락하기 전에 협업 구성원 목록을 볼 수 있습니다.
- 회원 – 협업에 참여하는 AWS 고객을 의미합니다. 모든 협업 구성원은 데이터에 참여할 수 있습니다. 그러나 협업당 한 명의 멤버만 쿼리하고 결과를 받을 수 있으며 해당 멤버는 변경할 수 없습니다.
- 분석 규칙 – AWS Clean Rooms는 두 가지 유형의 분석 규칙을 지원합니다.
- 집합 – 구성원은 선택적 차원에 따라 COUNT, SUM 또는 AVG 함수를 사용하여 통계를 집계하는 쿼리를 실행할 수 있습니다. 집계 쿼리는 행 수준 데이터를 공개하지 않습니다.
- 명부 – 구성원은 두 테이블 간의 중복에 대한 행 수준 데이터를 출력하는 쿼리를 실행할 수 있습니다.
- 구성된 테이블 – 회원은 기존을 구성할 수 있습니다. AWS 접착제 AWS 클린룸에서 사용하기 위한 테이블. 이 데이터는 다음 위치에 저장됩니다. 아마존 단순 스토리지 서비스 (Amazon S3)은 개방형 데이터 형식으로 AWS Glue 데이터 카탈로그에 분류되어 있습니다. 구성된 각 테이블에는 데이터 쿼리 방법을 결정하는 분석 규칙이 포함되어 있습니다. 구성된 후 구성원은 구성된 테이블을 하나 이상의 협업에 연결할 수 있습니다.
AWS Clean Rooms을 시작하는 과정은 XNUMX단계로 구성됩니다.
- 작성자는 협업을 구성하고 한 명 이상의 구성원을 협업에 초대합니다.
- 초대된 구성원이 협업에 참여합니다.
- 회원은 AWS Clean Rooms에서 사용할 기존 AWS Glue 테이블을 구성할 수 있습니다.
- 그렇게 할 수 있는 권한이 있는 구성원은 협업에서 쿼리를 실행할 수 있습니다.
사전 조건
이 연습에는 다음이 필요합니다.
협업을 생성하고 한 명 이상의 멤버를 초대하세요
다음을 통해 AWS Clean Rooms 콘솔에서 협업 구성을 정의해야 합니다. AWS 명령 줄 인터페이스 (AWS CLI) 또는 AWS SDK를 사용합니다. 콘솔에서 이를 구성하는 방법을 보여줍니다.
- AWS Clean Rooms 콘솔에서 다음을 선택합니다. 협업을 만듭니다.
- 럭셔리 성함에서 이름을 입력합니다(예: 데모 협업).
- 럭셔리 상품 설명선택적 설명을 추가하십시오.
- . 회원 섹션에 다음 멤버를 추가합니다.
- 회원 1 – 회원 표시 이름을 입력합니다(AWS 계정 ID가 자동으로 채워집니다).
- 회원 2 – 초대하려는 구성원의 구성원 표시 이름과 AWS 계정 ID를 입력합니다.
- 왼쪽 메뉴에서 다른 회원 추가 회원을 더 추가하려면
- . 회원 능력 섹션에서 질의하고 결과를 받을 회원 한 명을 선택하세요.
- . 쿼리 로깅 섹션에서 선택 이 협업에 대한 쿼리 로깅 지원 쿼리를 기록하려면 아마존 클라우드 워치 로그.
- 왼쪽 메뉴에서 다음 보기.
- . 콜라보 멤버십 섹션에서 CloudWatch에 대해 선호하는 스토리지 옵션을 선택합니다.
- 왼쪽 메뉴에서 다음 보기.
- 에 검토 및 생성 페이지에서 선택 협업 및 멤버십 생성 정확성을 보장하기 위해 세부정보를 검토한 후
첫 번째 콜라보레이션을 만든 것을 축하합니다! 콜라보 내역은 에서 확인하실 수 있습니다. 협력 페이지.
협업에 참여하세요
각 협업 구성원은 AWS Clean Rooms 콘솔에 로그인하여 초대를 검토하고 다음 단계에 따라 협업에 참여하기로 결정할 수 있습니다.
- AWS Clean Rooms 콘솔에서 다음을 선택합니다. 협력 탐색 창에서
- 에 가입 가능 탭에서 초대받은 협업을 선택하세요.
세부정보 페이지에서 회원의 능력을 검토할 수 있습니다.
- 원하는 로그 저장 옵션을 선택하고 다음을 선택하세요. 멤버십 만들기.
- 확인 페이지에서 나열된 회원이 데이터 공유 계약에 부합하는지 확인한 후 선택하세요. 멤버십 만들기.
회원가입을 완료하시면 회원상태가 다음으로 변경됩니다. 최근활동 협업 대시보드에서
AWS Clean Rooms에서 사용할 기존 AWS Glue 테이블 구성
AWS Clean Rooms는 Amazon S3에서 데이터를 읽기 때문에 데이터 복사본을 만들 필요가 없습니다. 이렇게 하면 해당 AWS 계정 외부의 대상에 데이터를 복사하여 로드하거나 데이터 공유를 용이하게 하기 위해 타사 서비스를 사용할 필요가 없습니다.
각 협업 구성원은 데이터 사용 방법을 정의하는 기본 데이터와 함께 AWS Glue 데이터 카탈로그에 대한 참조가 포함된 AWS Clean Rooms 리소스인 구성된 테이블을 생성할 수 있습니다. 구성된 테이블은 여러 협업에서 사용될 수 있습니다.
- AWS Clean Rooms 콘솔에서 다음을 선택합니다. 구성된 테이블 탐색 창에서
- 왼쪽 메뉴에서 새 테이블 구성.
- AWS Glue 테이블 목록을 채울 데이터베이스를 선택하고 협업과 연결할 테이블을 선택합니다.
선택한 각 테이블에 대해 협업에서 액세스할 수 있는 열을 결정할 수 있습니다.
- 선택 모든 열 또는 선택 맞춤 목록 협업에서 사용할 수 있는 열의 하위 집합을 선택합니다.
- 구성된 테이블의 이름을 입력합니다.
- 왼쪽 메뉴에서 새 테이블 구성.
열 수준 액세스 제어 외에도 AWS Clean Rooms는 분석 규칙이라는 세분화된 쿼리 제어를 제공합니다. 내장된 유연한 분석 규칙을 통해 특정 비즈니스 요구에 맞게 쿼리를 맞춤화할 수 있습니다. 앞에서 설명한 것처럼 AWS Clean Rooms는 두 가지 유형의 분석 규칙을 제공합니다.
- 집계 분석 규칙 – 이를 통해 행 수준 정보를 공개하지 않고 데이터를 집계하는 쿼리가 가능합니다. 사용 가능한 함수에는 선택적 측정기준과 함께 COUNT, SUM, AVG가 포함됩니다.
- 목록 분석 규칙 – 이를 통해 협업 공간의 테이블 간 중복에 대한 행 수준 속성 분석을 출력하는 쿼리가 허용됩니다.
두 규칙 유형 모두 데이터 소유자가 데이터 세트와 쿼리를 실행하는 공동 작업자의 데이터 세트 간의 조인을 명령할 수 있도록 허용합니다. 이는 결과를 공동 작업자 데이터 세트의 교차점으로 제한합니다.
- 구성된 테이블에서 다음을 선택합니다. 분석 규칙 구성 분석 규칙을 구성합니다.
- 이 게시물에서는 명부 다른 기여자의 예방접종 데이터와 결합하여 환자의 예방접종 상태를 쿼리하고 싶기 때문입니다.
- 생성 방법을 선택하고 다음 보기.
- 테이블 조인 기준을 정의하려면 조인 컨트롤 섹션에서 조인에 적합한 열 이름을 선택합니다.
- 출력할 열을 지정하려면 목록 컨트롤 안내
- 왼쪽 메뉴에서 다음 보기.
- 왼쪽 메뉴에서 분석 규칙 구성 를 시청하여 이에 대해 더 많은 정보를 얻을 수 있습니다. 검토 및 구성 페이지.
메시지가 표시됩니다. 목록 분석 규칙이 성공적으로 구성되었습니다. 구성된 테이블 페이지에서
- 왼쪽 메뉴에서 협업에 연결 이 테이블을 귀하가 생성한 협업에 연결하려면
- 세부정보를 검토하세요. 테이블 연관 페이지를 선택하고 테이블 연관.
협업 페이지에는 귀하가 협업에 연결한 테이블 목록이 표시됩니다.
협업의 각 구성원은 앞서 언급한 단계를 반복하여 AWS Glue 데이터 카탈로그 테이블을 협업에 연결해야 합니다. 이 게시물의 경우 협업의 다른 구성원은 동일한 단계를 수행하여 자신의 데이터를 협업에 연결합니다. 그러면 협업은 다른 구성원과 연관된 모든 테이블을 나열합니다.
구성된 테이블에 대한 분석 규칙을 정의하고 이를 협업에 연결한 후 쿼리하고 결과를 받을 수 있는 구성원은 참여하는 각 협업 구성원이 정의한 제한 사항에 따라 쿼리 작성을 시작할 수 있습니다. 다음 섹션에는 공동 작업 쿼리 예시가 포함되어 있습니다.
협업에서 쿼리 실행
다음 스크린샷은 *가 지원되지 않기 때문에 성공하지 못하는 쿼리의 예입니다. 쿼리에 열 이름을 지정해야 합니다.
다음 스크린샷은 조인에서 구성원이 제한한 열을 연결할 수 없기 때문에 성공하지 못하는 쿼리의 예입니다.
다음 스크린샷은 select 절과 조인 조건에 허용된 열(목록 분석 규칙에 포함된 열)을 사용했기 때문에 성공할 수 있는 쿼리의 예입니다.
이 게시물에 사용된 샘플 데이터세트(환자 및 예방접종)에는 고유 식별자(환자 ID)가 포함되어 있습니다. 그러나 실제 시나리오에서는 그렇지 않을 수도 있습니다. 이러한 상황에서는 PPRL(개인정보 보호 기록 연결)을 사용하여 고유한 식별되지 않은 토큰을 생성하는 것을 고려할 수 있습니다. 예를 들어 CDC의 CODI 프로그램은 표준화된 방식으로 각 조직의 방화벽 뒤에 있는 PII를 난독화하여 데이터 소유자 전체에서 중복을 제거합니다. 난독화된 정보를 결합하여 데이터 소스 전체에서 분석되는 각 개인에 대해 고유한 식별되지 않은 토큰을 생성합니다. 공중 보건 기관이 개별적으로 연결된 종단적 데이터를 기반으로 분석을 수행하려는 경우 분석을 수행하기 전에 각 데이터 소스에 PPRL을 적용하고 해당 메타데이터 요소를 사용하여 AWS Clean Rooms의 데이터 소스를 연결할 수 있습니다.
정리
이 연습의 일부로 AWS Clean Rooms 협업을 프로비저닝하고 다른 구성원을 협업에 참여하도록 초대하고 테이블을 구성했습니다. 이러한 리소스를 삭제하려면 다음을 참조하세요. 콜라보레이션 나가기 및 구성된 테이블 연결 해제.
결론
이 게시물에서는 AWS Clean Rooms 콘솔에서 협업을 생성하고, 다른 구성원을 협업에 초대하고, 기존 AWS Glue Catalog 테이블을 구성하고, 분석 규칙을 적용하고, 샘플 쿼리를 실행하는 방법을 보여주었습니다. 이 시리즈의 2부에서는 다음을 사용하여 쿼리 실행을 자동화하는 방법을 보여줍니다. AWS 람다, 다음을 사용하여 결과를 쿼리합니다. 아마존 아테나, 다음을 사용하여 대시보드를 게시합니다. 아마존 퀵 사이트.
저자에 관하여
벤카타 캄파나 AWS Health and Human Services 팀의 선임 솔루션 아키텍트이며 캘리포니아 주 새크라멘토에 거주하고 있습니다. 그 역할에서 그는 AWS에서 잘 설계된 솔루션으로 공공 부문 고객이 미션 목표를 달성하도록 돕습니다.
Dawn Heisey-Grove 박사 Amazon Web Services의 주 및 지방 정부 팀의 공중 보건 분석 리더입니다. 이 역할에서 그녀는 주 및 지역 공중 보건 기관이 분석 과제와 장기 목표를 달성하는 방법에 대해 창의적으로 생각하도록 돕는 책임을 맡고 있습니다. 그녀는 공중 보건 감시 및 연구를 지원하기 위해 기존 또는 새로운 데이터를 사용하는 새로운 방법을 찾는 데 경력을 바쳤습니다.
짐 다니엘 Amazon Web Services의 공중 보건 책임자입니다. 이전에 그는 공중 보건 혁신 이사 및 공중 보건 코디네이터를 포함하여 거의 XNUMX년 동안 미국 보건 복지부에서 직책을 맡았습니다. 정부에서 근무하기 전에 Jim은 매사추세츠 공중 보건부에서 최고 정보 책임자(CIO)로 근무했습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- EVM 금융. 탈중앙화 금융을 위한 통합 인터페이스. 여기에서 액세스하십시오.
- 퀀텀미디어그룹. IR/PR 증폭. 여기에서 액세스하십시오.
- PlatoAiStream. Web3 데이터 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/big-data/part-1-enable-data-collaboration-among-public-health-agencies-with-aws-clean-rooms/
- :이다
- :아니
- :어디
- 1
- 100
- 12
- 195
- 2022
- 7
- a
- 능력
- 소개
- 수락
- ACCESS
- 액세스
- 에 따르면
- 계정
- 달성
- 가로질러
- 더하다
- 또한
- 추가
- 관리
- 후
- 기관
- 정부 기관
- 집합
- 계약
- 일직선으로하다
- All
- 수
- 수
- 따라
- 아마존
- Amazon Web Services
- 중
- an
- 분석
- 분석
- 분석하다
- 분석
- 및
- 발표
- 다른
- 신청
- 구혼
- 적당한
- 있군요
- 약
- AS
- 평가하다
- 준
- 관련
- At
- 자동화
- 자동적으로
- 가능
- AVG
- AWS
- AWS 접착제
- AWS 재 : 발명
- 기반으로
- BE
- 때문에
- 전에
- 뒤에
- 사이에
- 넓은
- 내장
- 부담
- 사업
- by
- CA
- 라는
- CAN
- 한
- 채용
- 케이스
- 가지 경우
- 목록
- CDC
- 과제
- 변경
- 주요한
- 왼쪽 메뉴에서
- 객관적인
- 협력
- 협동
- 협업
- 집단적인
- 단
- 열
- 결합 된
- 공통의
- 커뮤니티
- 커뮤니티
- 완전한
- 복잡한
- 컴퓨팅
- 개념
- 조건
- 조건
- 행위
- 전도
- 구성
- 구성
- 확인
- 고려
- 콘솔에서
- 이 포함되어 있습니다
- 참여자
- 컨트롤
- 조정자
- 사자
- 수
- 만들
- 만든
- 만들기
- 창조
- 창의적으로
- 창조자
- 기준
- cryptographic
- 고객
- 계기반
- 대시 보드
- 데이터
- 데이터 프라이버시
- 데이터 공유
- 데이터베이스
- 데이터 세트
- 로사리오 염주
- 결정하다
- 한정된
- 정의
- 정의
- Rescale과 함께 비즈니스를 가속화하는 방법에 대해 알아보세요.
- 인구학의
- 보여
- 학과
- 설명
- 목적지
- 세부설명
- 결정
- 결정하다
- 치수
- 책임자
- 논의 된
- 질병
- 디스플레이
- 분산
- do
- 하지 않습니다
- 마다
- 이전
- 용이하게
- 중
- 요소
- 요소
- 거림
- 가능
- 가능
- 확인
- 엔터 버튼
- 에테르 (ETH)
- 예
- 현존하는
- 탐험 한
- 용이하게하다
- 마주보고
- 요인
- 발견
- 방화벽
- 먼저,
- 유연성
- 융통성있는
- 따라
- 수행원
- 럭셔리
- 에
- 기능
- 이득
- 일반적으로
- 생성
- 지리
- 얻을
- 제공
- 골
- 목표
- Government
- 정부의
- 정부 기관
- 무슨 일이
- 데
- he
- 건강
- 개최
- 도움
- 도움이
- 도움이
- 그녀의
- 그의
- 방법
- How To
- 그러나
- HTML
- HTTP
- HTTPS
- 사람의
- 인간
- ID
- 식별자
- 식별자
- 확인
- if
- 불변의
- 개선
- in
- 포함
- 포함
- 포함
- 개인
- 개별적으로
- 정보
- 혁신
- 를 받아야 하는 미국 여행자
- 교차
- 으로
- 초대장
- 초대
- 초대
- 초대
- IT
- 짐
- 어울리다
- 합류 한
- 가입
- 조인
- JPG
- 다만
- 키
- 리드
- 리더
- 레벨
- 처럼
- 제한
- 라인
- LINK
- 연결
- 명부
- 상장 된
- 기울기
- 삶
- 하중
- 지방의
- 지방 정부
- 기록
- 로깅
- 논리
- 장기
- 찾고
- 유지
- 확인
- 위임
- .
- 매사추세츠 주
- XNUMX월..
- 회원
- 회원
- 회원
- 메시지
- 메타 데이터
- 방법
- 수도
- Mission
- 완화
- 배우기
- 절대로 필요한 것
- name
- 이름
- 카테고리
- 거의
- 필요
- 요구
- 네트워크
- 신제품
- 지금
- 목표
- of
- 제공
- 장교
- on
- ONE
- 만
- 열 수
- 오픈 데이터
- 기회
- 선택권
- or
- 주문
- 조직
- 조직
- 기타
- 출력
- 외부
- 자신의
- 소유자
- 페이지
- 빵
- 부품
- 참가자
- 참여하는
- 파티
- 파트너
- 파티
- 환자
- 허가
- 몸소
- pii
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 정책
- 인구가 많은
- 인구
- 인구
- 위치
- 게시하다
- 취하다
- 선호하는
- 방지
- 이전에
- 개인 정보 보호
- 방법
- 처리
- 프로그램
- 프로그램
- 보호
- 제공
- 제공
- 공개
- 공중 위생
- 게시
- 밀
- 쿼리
- 살갗이 벗어 진
- 원시 데이터
- RE
- 현실 세계
- 받다
- 기록
- 감소
- 의미
- 되돌아옴
- 관련
- 반복
- 필요
- 연구
- 의지
- 제품 자료
- 그
- 책임
- 한정된
- 제한
- 결과
- 반품
- 공개
- 공개
- 리뷰
- 검토
- 리뷰
- 위험
- 위험
- 직위별
- 객실
- 통치
- 규칙
- 달리기
- 달리는
- 새크라멘토
- 같은
- 대본
- SDK
- 섹션
- 부문
- 안전해야합니다.
- 안전하게
- 보안
- 참조
- 선택된
- 연장자
- 민감한
- 전송
- 연속
- 서브
- 서비스
- 서비스
- 세트
- 공유
- 공유
- 공유
- 표시
- 보여
- 단순, 간단, 편리
- 대지
- 사이트
- 상황
- So
- 사회적
- 솔루션
- 일부
- 출처
- 지우면 좋을거같음 . SM
- 스페이스 버튼
- 구체적인
- 지정
- 지출
- 스타트
- 시작
- 주 정부
- 미국
- 통계
- Status
- 단계
- 저장
- 저장
- 데이터 저장
- 저장
- 성공한
- 이러한
- SUPPORT
- 지원
- 지원
- 감시
- 테이블
- 이야기
- 팀
- 그
- XNUMXD덴탈의
- 그들의
- 그들
- 그때
- Bowman의
- 그들
- 생각
- 타사
- 이
- 그
- 에
- 토큰
- 검색을
- 트리 트먼트
- 트렌드
- 두
- 유형
- 밑에 있는
- 이해
- 유일한
- 미국
- United States
- 사용
- 익숙한
- 사용
- 사용
- 종류
- 여러
- 확인
- 를 통해
- 관측
- 연습
- 필요
- 였다
- 방법..
- 방법
- we
- 웹
- 웹 서비스
- 잘
- 했다
- 뭐
- 언제
- 어느
- 동안
- 누구
- 의지
- 과
- 이내
- 없이
- 쓰기
- 쓴
- 년
- 당신
- 너의
- 제퍼 넷