차량 통신 기술은 차량 내 네트워크(IVN)와 무선 통신 기술의 융합과 함께 꾸준히 발전해 왔다. 또한 다양한 외부 네트워크와의 통신은 차량 내부와 외부 간의 연결성을 더욱 강화한다. 그러나 이는 차량의 기능을 탈취할 수 있는 컴퓨터 보조 기계 메커니즘에 대한 악의적 패킷 공격의 위험을 수반한다. 본 연구는 제어기 영역 네트워크(CAN) 메시지의 주기적 이벤트-트리거 간격(periodic event-triggered interval)에 기반하여 차량 네트워크의 이상을 탐지하고 식별하는 방법을 제안한다. 이를 위해 먼저 네 가지 공격 시나리오를 정의한 다음, 이에 해당하는 정상 및 비정상 주행 데이터를 추출한다. 이어서 CAN ID의 이벤트-트리거 간격을 분석하고, 정의된 시간 창(time-window)에 따라 통계적 모멘트를 측정한다. 마지막으로 서로 다른 공격 시나리오와 세 가지 유형의 기계 학습 모델을 고려하여 제안 방법의 성능을 광범위하게 평가한다. 그 결과, 제안된 방법은 IVN에서의 이상을 효과적으로 탐지할 수 있으며 정확도는 최대 99%에 이른다. 또한 본 결과는 분류기(classifier)로서 트리 기반 기계 학습 모델을 사용할 때, 제안된 공격 식별 방법이 94% 이상의 정확도를 달성할 수 있음을 시사한다.

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