본 논문은 소프트웨어 백도어와 유사한 형태로 하드웨어에 은밀히 내장되는 악성 회로인 하드웨어 트로이 목마(Hardware Trojans, HTs)가 제기하는 위협을 탐구한다. 공격자에 의해 활성화된 트로이 목마는 하드웨어의 정상적인 동작을 조작함으로써 오작동을 유발하거나 기밀 정보를 유출할 수 있다. 견고한 소프트웨어 보안에도 불구하고, 악성 회로가 존재하는 경우에는 정상 하드웨어 동작을 감지하고 보장하는 일이 어렵다. 이 문제는 특히 무기 체계에서 두드러지는데, HTs는 상당한 위협이 되어 적국에서 즉각적인 무력화로 이어질 수 있다. HTs와 관련된 심각한 위험이 있는 만큼, 탐지는 필수적이다. 본 연구는 딥러닝 기반 HT 탐지의 효율성을 입증하기 위해 딥러닝을 활용한 방법과 기존 접근법을 비교·분석한다. 본 논문은 HT 탐지를 위해 딥 서포트 벡터 데이터 기술(Deep SVDD) 모델을 활용할 것을 제안한다. 제안된 방법은 학습되지 않은 HT를 탐지할 때 기존 방법보다 우수한 성능을 보인다. 평균 정확도 92.87%를 달성하였으며, 이는 기존 방법의 50.00%보다 높은 수치이다. 이러한 결과는 하드웨어 보안 분야에 유용한 통찰을 제공하고, 현실 세계 시나리오에서 Deep SVDD의 실용적 적용을 위한 기반을 마련한다.

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