차량 및 운전자 안전을 보장하거나 운전자에게 서비스를 제공하는 장치는 상당한 양의 네트워크 트래픽을 생성한다. 이러한 트래픽은 정의된 기능에 따라 차량 내 네트워크(In-Vehicle Network, IVN)로 전송된다. 따라서 IVN으로 전송되는 대량의 트래픽을 신속하게 처리하기 위해서는 Automotive Ethernet과 같은 고급 네트워크 프로토콜이 필요하다. 그러나 차량 내부의 장치와 외부 네트워크 간 연결이 강화됨에 따라, 공격 벡터와 취약성은 기존 Ethernet에서 Automotive Ethernet으로 쉽게 계승될 수 있다. 본 연구는 웨이블릿 변환과 딥 컨볼루션 신경망을 기반으로 Automotive Ethernet에서의 이상(anomaly)을 탐지하고 식별하는 방법을 제안한다. 첫째, 공격 시나리오를 정의하고, 이에 대응하는 정상 및 비정상 데이터를 추출한다. 둘째, 패킷 크기 고정과 네트워크 이미지 데이터 정규화 등 여러 전처리를 수행한다. 마지막으로, 네트워크 이미지 데이터의 크기와 다중 해상도 수준을 고려하여 제안된 방법의 성능을 광범위하게 평가한다. 그 결과, 제안된 방법은 이상을 효과적으로 탐지할 수 있음을 입증하였다. 또한, 본 방법은 기본 ResNet 및 EfficientNet 방법에 비해 시간 비용(time-cost) 측면에서 더 효과적임을 시사한다.

최근 PC 구현 환경을 기반으로 한 모바일 게임의 대규모 다중 사용자 온라인 롤플레잉 게임(MMORPG)에도 불구하고, 온라인 게임 시장의 확장과 다양화에 대한 대응으로 관련 사기 및 불법 행위가 여전히 만연해 있다. 게임을 여가 또는 문화 콘텐츠로 즐기는 게임 이용자에게 이러한 문제는 게임의 몰입을 저해하거나 게임으로부터의 이탈을 유발하여, 온라인 게임 산업 전반에 부정적 영향을 미친다. 본 체계적 문헌고찰은 부정행위(cheating behavior)의 발생, 대응책, 그리고 탐지 방법에 관한 주요 연구들을 개관한다. 우리는 상태 저장형 게임 서버의 구조적 특성으로 인해 생성될 수 있는 부정행위의 범위를 면밀히 분석하고자 했다. 또한 MMORPG의 개념적 속성에 기반한 온라인 게임의 핵심 기전들에 대한 근거를 제시하는 데에 초점을 두었다. 포괄적인 문헌 조사를 수행하였고, 대응책과 탐지 방법의 분류를 체계화하였다. 본 체계적 문헌고찰의 결과는 MMORPG에서 부정행위에 대한 탐지 기술과 방법을 적절히 관리하는 방법에 대한 현재의 이해에 기여한다.