SlideShare a Scribd company logo
1 of 32
Download to read offline
강단 학자들이 절대로 말해 주지 않는
평양 고분들의 진실
문성재
(인하대학교 연구교수)
1 2017년 최대의 사건
2 강단 학계의 논리, 그리고 맹점들
3 고분과 유물의 계통 문제
4 꼬리를 무는 금석적 의혹들
5 일본인들의 유물 조작 사례들
6 묶는 말
Ⅰ
2017년 최대의 사건
Ⅱ
강단 학계의 논리, 그리고
맹점들
1 평양에서 ‘낙랑’고분이 3,000여기나 발견되었다 ?
2 해방 이후 북한에서 발굴한 것만도 2,600기가 넘는다 ?
3 고분마다 한계 유물들이 산더미 만큼 쏟아져 나왔다 ?
4 ‘낙랑’‘대방’명문전과 와당도 다수 채집되었다 ?
5 최근 결정적인 물증인‘낙랑호구부’까지 발견되었다 ?
6 일본에서 유물/유적 조작은 아마추어나 하는 짓이다 ?
Ⅲ
고분과 유물의 계통 문제
두 지역 고분의 상이한 발전단계
• 평양지역 고분
• 나무곽무덤 ⇒ 귀틀무덤
• ⇒ 벽돌무덤
• 한나라 고분
• 나무곽무덤 ⇒ 공심전무덤
• ⇒ 벽돌무덤
벽돌묘에서도 북방적 요소가 확인된다1
남사리 29호분 청해 상손가채 을구 흉노묘
벽돌묘에서도 북방적 요소가 확인된다2
황해도 사리원 장무이묘 신목현 대보당묘
나무곽무덤 귀틀무덤 한계 고분 비고
청동무기
좁은놋단검,
좁은놋창끝,
놋과
동일 ?
철제무기 쇠단검, 쇠창끝 동일 ?
농구형
무기
쇠도끼,
쇠끌,
쇠낫
(일습)
동일 ×
세발솥, 세발
그릇, 대, 목
긴 굽단지 ,
합, 관모단지
질그릇
(단지)
화분형, 배부른,
회백색, 회색
동일 ×
갑옷
장방형, 타원형
철편으로 제작
동일 ×
도용, 목용, 명전 × × ○
유물의 구성
1.무기 제작 방식
2.동복
3.마구 및 수레 관련 유물
1. 수레
2. 수레 부속구들
3. 말드리개
4.한계 유물들
삼한의
어선다
삼한의
어선다
고분 명칭 지역 연대
한계 유물 종류
동경 오수전 칠기(이배) 대구
돈현요자 하북 +
도돈자촌 영하 기원전 1세기 +
이가투자 영하 기원후 1세기 + +
상손가채 청해 + + +
도홍파랄 내몽고 +
서구반 내몽고 + +
보동구 내몽고 + +
노인울라 몽골 기원(전)후1세기 + +
이복륵가 몽골 + +
흐약타 러시아 기원후 1세기 + + +
이리막와 러시아 +
디레스투이스키 러시아 +
국외에서
출토된
각종
한계 유물
Ⅳ
꼬리를 무는 금석적 의혹
중국에서
기명전은
주로
중부나 남부에
집중적으로
분포한다
*
한반도는
예외적 상황
‘장무이묘’ 전돌의 직함 존칭 배열 유형
A 관향+성명
漁陽張撫夷塼
B 성씨+존칭
張使君塼, 張使郡塼,
張使塼
C 존칭+직함+성명
使君帶方太守張撫夷塼
ⓐ 魏故征虜將軍平州刺史元使君墓誌序銘
ⓑ 魏使持節冠軍將軍濟州刺史崔使君墓誌銘
ⓒ 魏故南秦州刺史司馬使君之墓誌銘
ⓓ 屯騎校尉建威將軍洛州刺史昌國子封使君墓誌銘
ⓔ 魏故安東將軍光州刺史元使君墓誌
ⓕ 魏故華州別駕楊府君墓誌銘
ⓖ 宋故員外散騎侍郞明府君墓誌銘)
ⓗ 魏故司空公兗州刺史張君墓誌
ⓘ 魏故鎭遠將軍秘書郞中崔君墓誌銘
ⓙ 魏侍中大司馬華山王妃故公孫氏墓誌銘
중국에서
출토된
각종
묘지명
에서의
‘사군’
용례
안악 3호분‘동수묘’묵서명의 수수께끼
• 1 永和十三年十月戊子朔廿六日
• 2 □丑|使持節都督諸軍事
• 3 平東將軍|護撫夷校尉|樂浪
• 4 □昌黎玄菟帶方太守|都
• 5 鄕侯|幽州遼東平郭
• 6 都鄕|敬上里|冬壽字
• 7 □安|年六十九|薨官
A. 도독 + 지역 + 제군사
都督幽州諸軍事
都督荊州諸軍事
B. 독 + 지역 + 제군사
督中外諸軍事
C. 감 + 지역 + 제군사
監梁益二州征討諸軍事
D. 도위 + 지역 + 제군사
都尉荊湘交廣等四州諸軍事
정백동 고분의 죽간‘논어’는 진품으로 보임
1. 제작방식,규격,자체가
대체로 일치
2. 죽간,목독에서 보이는
문장부호 “ㆍ” 사용
3. 필사본의 꽃 통가자가
다수 확인됨
본
자
才慟不仲疚倦父無側過喭居意踐哂爾旣沂
죽
간
논
어
材動弗仲久券甫毋則迪獻屢億淺訊壐 幾
죽간 논어
통가자
이체자
보기
반면에 ‘낙랑호구부’는 완전한 짝퉁이다
1. 100-200년전에나 사용되었을 일본식
한자어 ‘-별(別)’이 사용됨
• 2. 함께 발견 죽간 ‘논어’와는 달리 통
가자, 이체자가 전혀 보이지 않음
• 3. 학자들의 속현 위치 비정 역시 전혀 지
리적 실제와 부합되지 않음
Ⅴ
일본인들의 유물 조작 사례들
Ⅵ
묶는 말
①평양지역 고분 3,000기는 ‘낙랑’ 이전의 옹관묘까지 망라한 수치이다
②모든 유형의 고분에서 흉노 등 북방문화적 요소들이 고르게 포착되었다
③한계 유물들은 정복이나 지배의 산물이기보다는 경제적 교역의 산물일 가능성이 높다
④기명전이나 묵서명은 금석, 언어, 역사적으로 조작 또는 위조의 징후가 완연하다
⑤1945년 이전의 일본 학계는 문화침략의 도구로 존재했으며, 조선, 중국 등지에서의 각
종 유적, 유물에 대한 조작, 위조, 반출, 훼손, 파괴, 약탈의 주역이었다
⑥이 모든 상황들을 종합해 볼 때,
평양지역은 낙랑군과 무관한 제3의 정치세력이 지배하던 곳이며
평양지역의 유적, 유물의 주인공은 흉노 등 북방민족으로 보는 것이 보다 합리적이다
Whose tombs are so called Nakrang tombs in Pyungyang? By Moon Sungjae

More Related Content

More from Jongwook Woo

Traffic Data Analysis and Prediction using Big Data
Traffic Data Analysis and Prediction using Big DataTraffic Data Analysis and Prediction using Big Data
Traffic Data Analysis and Prediction using Big DataJongwook Woo
 
Big Data and Predictive Analysis
Big Data and Predictive AnalysisBig Data and Predictive Analysis
Big Data and Predictive AnalysisJongwook Woo
 
Predictive Analysis of Financial Fraud Detection using Azure and Spark ML
Predictive Analysis of Financial Fraud Detection using Azure and Spark MLPredictive Analysis of Financial Fraud Detection using Azure and Spark ML
Predictive Analysis of Financial Fraud Detection using Azure and Spark MLJongwook Woo
 
Introduction to Big Data: Smart Factory
Introduction to Big Data: Smart FactoryIntroduction to Big Data: Smart Factory
Introduction to Big Data: Smart FactoryJongwook Woo
 
President Election of Korea in 2017
President Election of Korea in 2017President Election of Korea in 2017
President Election of Korea in 2017Jongwook Woo
 
Big Data Trend with Open Platform
Big Data Trend with Open PlatformBig Data Trend with Open Platform
Big Data Trend with Open PlatformJongwook Woo
 
Big Data Trend and Open Data
Big Data Trend and Open DataBig Data Trend and Open Data
Big Data Trend and Open DataJongwook Woo
 
Big Data Platform adopting Spark and Use Cases with Open Data
Big Data  Platform adopting Spark and Use Cases with Open DataBig Data  Platform adopting Spark and Use Cases with Open Data
Big Data Platform adopting Spark and Use Cases with Open DataJongwook Woo
 
Big Data Analysis in Hydrogen Station using Spark and Azure ML
Big Data Analysis in Hydrogen Station using Spark and Azure MLBig Data Analysis in Hydrogen Station using Spark and Azure ML
Big Data Analysis in Hydrogen Station using Spark and Azure MLJongwook Woo
 
Alphago vs Lee Se-Dol : Tweeter Analysis using Hadoop and Spark
Alphago vs Lee Se-Dol: Tweeter Analysis using Hadoop and SparkAlphago vs Lee Se-Dol: Tweeter Analysis using Hadoop and Spark
Alphago vs Lee Se-Dol : Tweeter Analysis using Hadoop and SparkJongwook Woo
 
Alphago vs Lee Se-Dol : Tweeter Analysis using Hadoop and Spark
Alphago vs Lee Se-Dol: Tweeter Analysis using Hadoop and SparkAlphago vs Lee Se-Dol: Tweeter Analysis using Hadoop and Spark
Alphago vs Lee Se-Dol : Tweeter Analysis using Hadoop and SparkJongwook Woo
 
Introduction to Spark: Data Analysis and Use Cases in Big Data
Introduction to Spark: Data Analysis and Use Cases in Big Data Introduction to Spark: Data Analysis and Use Cases in Big Data
Introduction to Spark: Data Analysis and Use Cases in Big Data Jongwook Woo
 
Big Data Analysis and Industrial Approach using Spark
Big Data Analysis and Industrial Approach using SparkBig Data Analysis and Industrial Approach using Spark
Big Data Analysis and Industrial Approach using SparkJongwook Woo
 
Special talk: Introduction to Big Data and FinTech at Financial Supervisory S...
Special talk: Introduction to Big Data and FinTech at Financial Supervisory S...Special talk: Introduction to Big Data and FinTech at Financial Supervisory S...
Special talk: Introduction to Big Data and FinTech at Financial Supervisory S...Jongwook Woo
 
Spark tutorial @ KCC 2015
Spark tutorial @ KCC 2015Spark tutorial @ KCC 2015
Spark tutorial @ KCC 2015Jongwook Woo
 
Introduction to Big Data, MapReduce, its Use Cases, and the Ecosystems
Introduction to Big Data, MapReduce, its Use Cases, and the EcosystemsIntroduction to Big Data, MapReduce, its Use Cases, and the Ecosystems
Introduction to Big Data, MapReduce, its Use Cases, and the EcosystemsJongwook Woo
 
Introduction to Hadoop, Big Data, Training, Use Cases
Introduction to Hadoop, Big Data, Training, Use CasesIntroduction to Hadoop, Big Data, Training, Use Cases
Introduction to Hadoop, Big Data, Training, Use CasesJongwook Woo
 
Introduction To Big Data and Use Cases using Hadoop
Introduction To Big Data and Use Cases using HadoopIntroduction To Big Data and Use Cases using Hadoop
Introduction To Big Data and Use Cases using HadoopJongwook Woo
 
Introduction To Big Data and Use Cases on Hadoop
Introduction To Big Data and Use Cases on HadoopIntroduction To Big Data and Use Cases on Hadoop
Introduction To Big Data and Use Cases on HadoopJongwook Woo
 

More from Jongwook Woo (20)

Traffic Data Analysis and Prediction using Big Data
Traffic Data Analysis and Prediction using Big DataTraffic Data Analysis and Prediction using Big Data
Traffic Data Analysis and Prediction using Big Data
 
Big Data and Predictive Analysis
Big Data and Predictive AnalysisBig Data and Predictive Analysis
Big Data and Predictive Analysis
 
Predictive Analysis of Financial Fraud Detection using Azure and Spark ML
Predictive Analysis of Financial Fraud Detection using Azure and Spark MLPredictive Analysis of Financial Fraud Detection using Azure and Spark ML
Predictive Analysis of Financial Fraud Detection using Azure and Spark ML
 
Introduction to Big Data: Smart Factory
Introduction to Big Data: Smart FactoryIntroduction to Big Data: Smart Factory
Introduction to Big Data: Smart Factory
 
AI on Big Data
AI on Big DataAI on Big Data
AI on Big Data
 
President Election of Korea in 2017
President Election of Korea in 2017President Election of Korea in 2017
President Election of Korea in 2017
 
Big Data Trend with Open Platform
Big Data Trend with Open PlatformBig Data Trend with Open Platform
Big Data Trend with Open Platform
 
Big Data Trend and Open Data
Big Data Trend and Open DataBig Data Trend and Open Data
Big Data Trend and Open Data
 
Big Data Platform adopting Spark and Use Cases with Open Data
Big Data  Platform adopting Spark and Use Cases with Open DataBig Data  Platform adopting Spark and Use Cases with Open Data
Big Data Platform adopting Spark and Use Cases with Open Data
 
Big Data Analysis in Hydrogen Station using Spark and Azure ML
Big Data Analysis in Hydrogen Station using Spark and Azure MLBig Data Analysis in Hydrogen Station using Spark and Azure ML
Big Data Analysis in Hydrogen Station using Spark and Azure ML
 
Alphago vs Lee Se-Dol : Tweeter Analysis using Hadoop and Spark
Alphago vs Lee Se-Dol: Tweeter Analysis using Hadoop and SparkAlphago vs Lee Se-Dol: Tweeter Analysis using Hadoop and Spark
Alphago vs Lee Se-Dol : Tweeter Analysis using Hadoop and Spark
 
Alphago vs Lee Se-Dol : Tweeter Analysis using Hadoop and Spark
Alphago vs Lee Se-Dol: Tweeter Analysis using Hadoop and SparkAlphago vs Lee Se-Dol: Tweeter Analysis using Hadoop and Spark
Alphago vs Lee Se-Dol : Tweeter Analysis using Hadoop and Spark
 
Introduction to Spark: Data Analysis and Use Cases in Big Data
Introduction to Spark: Data Analysis and Use Cases in Big Data Introduction to Spark: Data Analysis and Use Cases in Big Data
Introduction to Spark: Data Analysis and Use Cases in Big Data
 
Big Data Analysis and Industrial Approach using Spark
Big Data Analysis and Industrial Approach using SparkBig Data Analysis and Industrial Approach using Spark
Big Data Analysis and Industrial Approach using Spark
 
Special talk: Introduction to Big Data and FinTech at Financial Supervisory S...
Special talk: Introduction to Big Data and FinTech at Financial Supervisory S...Special talk: Introduction to Big Data and FinTech at Financial Supervisory S...
Special talk: Introduction to Big Data and FinTech at Financial Supervisory S...
 
Spark tutorial @ KCC 2015
Spark tutorial @ KCC 2015Spark tutorial @ KCC 2015
Spark tutorial @ KCC 2015
 
Introduction to Big Data, MapReduce, its Use Cases, and the Ecosystems
Introduction to Big Data, MapReduce, its Use Cases, and the EcosystemsIntroduction to Big Data, MapReduce, its Use Cases, and the Ecosystems
Introduction to Big Data, MapReduce, its Use Cases, and the Ecosystems
 
Introduction to Hadoop, Big Data, Training, Use Cases
Introduction to Hadoop, Big Data, Training, Use CasesIntroduction to Hadoop, Big Data, Training, Use Cases
Introduction to Hadoop, Big Data, Training, Use Cases
 
Introduction To Big Data and Use Cases using Hadoop
Introduction To Big Data and Use Cases using HadoopIntroduction To Big Data and Use Cases using Hadoop
Introduction To Big Data and Use Cases using Hadoop
 
Introduction To Big Data and Use Cases on Hadoop
Introduction To Big Data and Use Cases on HadoopIntroduction To Big Data and Use Cases on Hadoop
Introduction To Big Data and Use Cases on Hadoop
 

Whose tombs are so called Nakrang tombs in Pyungyang? By Moon Sungjae

  • 1. 강단 학자들이 절대로 말해 주지 않는 평양 고분들의 진실 문성재 (인하대학교 연구교수)
  • 2. 1 2017년 최대의 사건 2 강단 학계의 논리, 그리고 맹점들 3 고분과 유물의 계통 문제 4 꼬리를 무는 금석적 의혹들 5 일본인들의 유물 조작 사례들 6 묶는 말
  • 4.
  • 5.
  • 6. Ⅱ 강단 학계의 논리, 그리고 맹점들
  • 7. 1 평양에서 ‘낙랑’고분이 3,000여기나 발견되었다 ? 2 해방 이후 북한에서 발굴한 것만도 2,600기가 넘는다 ? 3 고분마다 한계 유물들이 산더미 만큼 쏟아져 나왔다 ? 4 ‘낙랑’‘대방’명문전과 와당도 다수 채집되었다 ? 5 최근 결정적인 물증인‘낙랑호구부’까지 발견되었다 ? 6 일본에서 유물/유적 조작은 아마추어나 하는 짓이다 ?
  • 9. 두 지역 고분의 상이한 발전단계 • 평양지역 고분 • 나무곽무덤 ⇒ 귀틀무덤 • ⇒ 벽돌무덤 • 한나라 고분 • 나무곽무덤 ⇒ 공심전무덤 • ⇒ 벽돌무덤
  • 10. 벽돌묘에서도 북방적 요소가 확인된다1 남사리 29호분 청해 상손가채 을구 흉노묘
  • 11. 벽돌묘에서도 북방적 요소가 확인된다2 황해도 사리원 장무이묘 신목현 대보당묘
  • 12. 나무곽무덤 귀틀무덤 한계 고분 비고 청동무기 좁은놋단검, 좁은놋창끝, 놋과 동일 ? 철제무기 쇠단검, 쇠창끝 동일 ? 농구형 무기 쇠도끼, 쇠끌, 쇠낫 (일습) 동일 × 세발솥, 세발 그릇, 대, 목 긴 굽단지 , 합, 관모단지 질그릇 (단지) 화분형, 배부른, 회백색, 회색 동일 × 갑옷 장방형, 타원형 철편으로 제작 동일 × 도용, 목용, 명전 × × ○
  • 13. 유물의 구성 1.무기 제작 방식 2.동복 3.마구 및 수레 관련 유물 1. 수레 2. 수레 부속구들 3. 말드리개 4.한계 유물들
  • 14.
  • 15.
  • 18. 고분 명칭 지역 연대 한계 유물 종류 동경 오수전 칠기(이배) 대구 돈현요자 하북 + 도돈자촌 영하 기원전 1세기 + 이가투자 영하 기원후 1세기 + + 상손가채 청해 + + + 도홍파랄 내몽고 + 서구반 내몽고 + + 보동구 내몽고 + + 노인울라 몽골 기원(전)후1세기 + + 이복륵가 몽골 + + 흐약타 러시아 기원후 1세기 + + + 이리막와 러시아 + 디레스투이스키 러시아 + 국외에서 출토된 각종 한계 유물
  • 21. ‘장무이묘’ 전돌의 직함 존칭 배열 유형 A 관향+성명 漁陽張撫夷塼 B 성씨+존칭 張使君塼, 張使郡塼, 張使塼 C 존칭+직함+성명 使君帶方太守張撫夷塼
  • 22. ⓐ 魏故征虜將軍平州刺史元使君墓誌序銘 ⓑ 魏使持節冠軍將軍濟州刺史崔使君墓誌銘 ⓒ 魏故南秦州刺史司馬使君之墓誌銘 ⓓ 屯騎校尉建威將軍洛州刺史昌國子封使君墓誌銘 ⓔ 魏故安東將軍光州刺史元使君墓誌 ⓕ 魏故華州別駕楊府君墓誌銘 ⓖ 宋故員外散騎侍郞明府君墓誌銘) ⓗ 魏故司空公兗州刺史張君墓誌 ⓘ 魏故鎭遠將軍秘書郞中崔君墓誌銘 ⓙ 魏侍中大司馬華山王妃故公孫氏墓誌銘 중국에서 출토된 각종 묘지명 에서의 ‘사군’ 용례
  • 23. 안악 3호분‘동수묘’묵서명의 수수께끼 • 1 永和十三年十月戊子朔廿六日 • 2 □丑|使持節都督諸軍事 • 3 平東將軍|護撫夷校尉|樂浪 • 4 □昌黎玄菟帶方太守|都 • 5 鄕侯|幽州遼東平郭 • 6 都鄕|敬上里|冬壽字 • 7 □安|年六十九|薨官
  • 24. A. 도독 + 지역 + 제군사 都督幽州諸軍事 都督荊州諸軍事 B. 독 + 지역 + 제군사 督中外諸軍事 C. 감 + 지역 + 제군사 監梁益二州征討諸軍事 D. 도위 + 지역 + 제군사 都尉荊湘交廣等四州諸軍事
  • 25. 정백동 고분의 죽간‘논어’는 진품으로 보임 1. 제작방식,규격,자체가 대체로 일치 2. 죽간,목독에서 보이는 문장부호 “ㆍ” 사용 3. 필사본의 꽃 통가자가 다수 확인됨
  • 27. 반면에 ‘낙랑호구부’는 완전한 짝퉁이다 1. 100-200년전에나 사용되었을 일본식 한자어 ‘-별(別)’이 사용됨 • 2. 함께 발견 죽간 ‘논어’와는 달리 통 가자, 이체자가 전혀 보이지 않음 • 3. 학자들의 속현 위치 비정 역시 전혀 지 리적 실제와 부합되지 않음
  • 29.
  • 31. ①평양지역 고분 3,000기는 ‘낙랑’ 이전의 옹관묘까지 망라한 수치이다 ②모든 유형의 고분에서 흉노 등 북방문화적 요소들이 고르게 포착되었다 ③한계 유물들은 정복이나 지배의 산물이기보다는 경제적 교역의 산물일 가능성이 높다 ④기명전이나 묵서명은 금석, 언어, 역사적으로 조작 또는 위조의 징후가 완연하다 ⑤1945년 이전의 일본 학계는 문화침략의 도구로 존재했으며, 조선, 중국 등지에서의 각 종 유적, 유물에 대한 조작, 위조, 반출, 훼손, 파괴, 약탈의 주역이었다 ⑥이 모든 상황들을 종합해 볼 때, 평양지역은 낙랑군과 무관한 제3의 정치세력이 지배하던 곳이며 평양지역의 유적, 유물의 주인공은 흉노 등 북방민족으로 보는 것이 보다 합리적이다