스마트 카를 위한 딥 러닝 기반 침입 탐지 시스템

현대 차량에 스마트 및 자율 기능의 통합이 증가함에 따라 차량 통신 및 제어 시스템과 관련된 새로운 사이버 보안 과제가 나타났습니다. 본 논문은 스마트 카에서 실시간으로 사이버 공격을 식별하고 분류하도록 설계된 딥 러닝 기반 침입 탐지 시스템을 제안합니다. 이 시스템은 차량의 CAN 버스, 센서 및 통신 모듈에서 수집된 데이터를 활용하여 데이터 스푸핑, 서비스 거부(DoS), 신호 방해 및 중간자 공격(MitM)과 같은 일반적인 공격 유형과 관련된 이상 징후를 탐지합니다. 세 가지 딥 러닝 모델인 합성곱 신경망(CNN), 순환 신경망(RNN) 및 장단기 기억 네트워크(LSTM)가 구현 및 평가되었으며, 실험 결과 LSTM 모델이 정확도(98.1%) 및 F1 점수(97.9%) 측면에서 CNN 및 RNN을 초월하여 순차적이고 시간 의존적인 공격을 탐지하는 데 특히 효과적임을 보여주었습니다. 제안된 시스템은 강력한 적응력, 낮은 탐지 대기 시간 및 연결된 차량 환경에서의 실시간 배치 가능성을 갖추고 있어 안전한 지능형 교통 시스템 개발에 기여합니다.