산업 IoT에서의 잘못된 데이터 주입 공격 탐지를 위한 머신러닝 기반 기법

산업 인터넷-사물(IoT) 패러다임으로의 가속화된 이동은 보안과 관련하여 여러 가지 단점을 초래했습니다. IIoT가 영향을 미치는 주요 보안 위협 중 하나는 잘못된 데이터 주입(FDI) 공격으로 불립니다. FDI 공격은 센서 측정을 조작하여 산업 플랫폼을 오도하는 것을 목표로 합니다. FDI 공격은 전통적인 위협 탐지 접근 방식을 성공적으로 극복했습니다. 본 기사에서는 오토인코더(AEs)를 사용한 FDI 공격 탐지의 새로운 방법을 제시합니다. 우리는 시간 및 공간에서의 센서 데이터 상관관계를 활용하여 조작된 데이터를 식별하는 데 도움을 줍니다. 또한, 조작된 데이터는 노이즈 제거 AEs(DAEs)를 사용하여 정리됩니다. 성능 평가 결과, 우리의 기법이 FDI 공격을 탐지하는 데 성공적임을 입증하였습니다. 또한 동일한 목적에 사용된 서포트 벡터 머신(SVM) 기반 접근 방식을 현저히 초월하는 성능을 보입니다. DAE 데이터 청소 알고리즘은 손상된(공격당한) 데이터로부터 깨끗한 데이터를 복구하는 데 매우 효과적인 것으로 나타났습니다.