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.

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