스마트 홈 자동화는 사물인터넷(IoT)의 한 구성요소로, 스마트 센서와 액추에이터를 통해 사용자가 가정 내 기능을 관리할 수 있게 해 편의성, 에너지 효율, 원격 모니터링을 제공한다. 조명, 보안, 가전 제어 및 전력 관리에 대해 스마트 홈에서 널리 채택된 Z-Wave 프로토콜은 여전히 다양한 외부 공격에 취약하며, 이는 효과적인 공격 탐지 도구의 필요성을 부각시킨다. 기존의 단일 계층 인공신경망(ANN) 모델(i.e., ZMAD)은 익숙한 데이터에서는 성능이 우수하나, 서로 다른 분포를 갖는 데이터셋과 고도화된 공격 벡터에 대해서는 한계가 있다. 본 논문은 Z-Wave 네트워크를 위한 경량의 프로토콜 인지형 이상 기반 침입 탐지 모델 ZENA를 제안한다. ZENA는 탐지 정확도와 견고성을 향상시키기 위해 처음부터 구축한 다층 ANN을 사용한다. 여러 공격 클래스를 포함하는 데이터셋과 적대적으로 생성된 벡터를 활용한 결과, 제안 모델은 정밀도 95%를 달성하여 동일 데이터셋에서 ZMAD 및 최신 딥러닝 신경망들(i.e., 89–93%)을 유의미하게 능가한다. 이러한 결과는 고도화된 탐지 성능과 적대적 공격에 대한 내성이 상당히 개선되었음을 시사하며, Z-Wave 스마트 홈 시스템의 보안을 강화한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.