원격 제어 차량 운영 환경에서의 딥러닝 기반 중간자 공격 탐지 방법 (DL-based Detection and Prediction of Man-in-the-Middle Attacks in Remote Control Vehicle Environments)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : KNOM Review / 26권 / 2호 / 73 ~ 83페이지
· 저자명 : 백의준, 김명섭, 박지태, 최정우

초록

원격 제어 차량 기술은 자율 주행 자동차, 드론, 로봇 등 다양한 분야에서 활용되며 나날이 발전하고 있으나 이를 대상으로 한 보안 위협 및 사이버 범죄 또한 늘어나는 추세이다. 차량 내 이상 및 공격 탐지를 목표한 많은 연구들이 수행되고 있으나 원격 제어 차량 운영 환경에서 발생할 수 있는 공격 시나리오를 고려한 연구는 없으며 데이터셋 또한 없는 실정이다. 이에 본 논문은 LSTM 기반의 이상 탐지 모델을 통해 원격 제어 차량 운영 환경에서 발생할 수 있는 중간자 공격을 탐지하는 방법을 제안한다. 또한, 제시한 5개의 중간자 공격 시나리오에 따라 LSTM을 활용하여 정상 차량 상태 데이터셋에 공격 데이터를 합성하는 방법을 제안하고 합성된 데이터를 통해 탐지 모델을 평가한다. 제안한 이상 탐지 방법은 제시한 5가지 공격 유형 중 3개의 시나리오에서 90% 이상의 높은 정확도를 나타내었다.

영어초록

The remote control vehicle technology is widely used in various fields such as autonomous driving cars, drones, and robots, and it is constantly advancing. However, there is also a growing trend of security threats and cybercrimes targeting these technologies. While many studies aim to detect anomalies and attacks within vehicles, there is a lack of research considering attack scenarios that can occur in remote control vehicle operating environments, and datasets are also non-existent. In this paper, we propose a method for detecting man-in-the-middle attacks that can occur in remote control vehicle operating environments using an LSTM-based anomaly detection model. Additionally, we propose a method for synthesizing attack data into normal vehicle state datasets using LSTM based on five suggested man-in-the-middle attack scenarios and evaluate the detection model using the synthesized data. The proposed anomaly detection method achieved an accuracy of over 90% in three out of the five attack scenarios presented.

참고자료

· 없음