지도 및 비지도 딥러닝을 활용한 차량 내 네트워크 침입 탐지

Abstract

최근 차량 내부와 외부 네트워크를 연결하는 차량 내 네트워크 기술이 발전함에 따라 CAN(Controller Area Network)을 통해 다양한 정보를 실시간으로 교환할 수 있다. 하지만 CAN 네트워크는 사이버 공격에 취약하다. 따라서 본 연구에서는 지도 및 비지도 딥러닝 모델 기반 침입 탐지 방법을 제안한다. 실험 데이터로는 CAN ID로 구성된 시계열 데이터를 사용하였다. 지도학습 기반 침입 탐지 방법은 전반적으로 높은 탐지 성능을 보였다. <br>정상 데이터로만 학습하여 탐지하는 비지도 기반 방식의 경우에도 CAN에 오작동을 일으킬 수 있는 새로운 공격유형(Spoofing, DoS)에 대한 탐지율이 높았다. 비지도학습을 위해 LSTM(Long Short-Term Memory) 기반 오토인코더와 IF(Isolation Forest)를 사용하였다. 따라서 제안한 기법은 알려진 공격 외에 새로운 공격을 탐지하는데도 효과적인 것을 확인하였다.