정보통신기술의 발전은 운항기술(OT) 및 정보기술(IT) 시스템을 통합함으로써 해상 산업의 운영 효율을 향상시켰다. 그러나 이러한 통합은 외부 네트워크 인터페이스를 증가시켜 선박이 더 큰 사이버 위협에 노출되게 한다. 항만과 멀리 떨어진 고립된 환경에서 운항하는 선박은 사이버공격에 대응하고 적시에 기술 지원을 확보하는 데 어려움에 직면한다. 그 결과, 해상 분야에서 사이버 회복력(cyber resilience)은 핵심 개념이 되었다. 이러한 과제에 대응하기 위해 국제해사기구(IMO)와 분류기관 같은 조직들은 지침을 발행해 왔다. 국제분류협회(International Association of Classification Societies)는 선박 사이버 회복력을 강화하기 위한 최소 기술 요구사항을 명시하는 통일요구사항 E26(Unified Requirements E26)을 도입하였다. 그러나 통일요구사항 E26은 선박의 운항 환경을 충분히 반영하지 못하며, 관리자 및 운영 요인을 충분히 다루지 못하여 선박 사이버 회복력 평가에서의 효과가 제한된다. 본 논문은 KPI 기반 프레임워크를 제안하여 선박 사이버 회복력을 평가하고자 한다. 기술적, 관리적, 운영적 측면을 포괄하기 위해 7개 평가 영역—Govern, Identify, Protect, Detect, Respond, Recover, Adapt—을 도출하였다. SMART 방법론을 사용하여 18개의 측정 가능한 핵심성과지표(Key Performance Indicators)를 개발함으로써 포괄적인 회복력 평가를 가능하게 하였다. 제안된 프레임워크는 기존 지침의 한계를 해소하고 해상 사이버 회복력을 평가 및 개선하기 위한 체계적인 도구를 제공한다. 본 기여는 선박별 운항 특성과 회복력 평가를 정렬함으로써 해상 산업의 안전과 보안을 강화한다.

바이너리 프로그램 차등분석(binary program diffing), 즉 단순히 바이너리 디핑(binary diffing)은 두 개의 바이너리 프로그램 간의 유사성을 정량화하여 그 차이를 도출하는 일종의 프로그램 분석 기법이다. 특히 바이너리 디핑은 패치 배포가 폐쇄적이고 제한된 환경으로 인해 복잡한 산업용 제어 시스템에서 취약점과 잠재적 공격 벡터를 밝혀내는 데 필수적인 기법이다. 바이너리 디핑에 관한 연구는 동적 분석 기반, 정적 분석 기반, 신경망 기반 접근법으로 크게 분류할 수 있다. 기존 연구의 각 범주는 제한된 커버리지, 낮은 정확도, 그리고 요청 시 학습(on-demand learning)과 관련된 문제 등 여러 한계를 지닌다. 본 논문에서는 그래프 샘플링-앤-어그리게이트(graph sampling-and-aggregate)를 기반으로 유도(inductive) 코드 표현을 생성하는 계층형 바이너리 디핑 모델인 샘플링-앤-어그리게이션을 적용한 바이너리 디핑을 제안한다. 우리의 모델은 주어진 프로그램의 프로시저 간 제어 흐름 그래프(inter-procedural control flow graph)에서 명령어 수준 임베딩, 기본 블록 수준 임베딩, 함수 수준 임베딩을 순차적으로 생성한 다음, 이러한 임베딩에 기초하여 계층형 코드 디핑을 수행한다. 우리는 상세 모델을 형식적으로 정의하고 계층형 바이너리 디핑의 알고리즘을 제시한다. 또한 이 알고리즘에 대한 철저한 분석을 수행하여 여러 가지 장점을 도출한다. 시제품을 구현하고 대규모 데이터셋에서 버전 간, 최적화 간, 난독화(obfuscation) 조건에서 평가하였다. 그 결과, 우리의 시제품은 함수 및 기본 블록 디핑에서 버전 간 설정 시 각각 최대 0.96과 0.968의 F1-score를 보였으며, 여러 바이너리 난독화에 대해서도 강건함을 입증하였다. 결론적으로, 제어 흐름을 고려하여 기본 블록 및 함수 수준 임베딩을 생성하는 본 제안은 바이너리 디핑에서 견실한 이점을 가지며, 바이너리 변조(bianry tampering)에 대해서도 강건함을 보여준다. • 우리는 바이너리 프로그램에 대해 명령어 수준부터 함수 수준까지의 순차적 임베딩 생성을 정식화한다. • 우리는 계층형 임베딩을 사용하여 함수-대-블록 유사성을 계산하고 코드 디핑을 수행한다. • 우리는 DiffSAGE 시제품을 구현하고 대규모 바이너리 데이터셋에서 평가하여 최첨단 기법보다 우수함을 보여준다.