초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Smart factory 환경은 상호 연결적이며, 개방적 접근 방식인 IIoT (Industrial internet of things) 환경으로 바뀌어 왔다. 이로 인해 수년 동안 많은 스마트 제조 공장이 사이버 공격의 대상이 되고 있다. 이러한 사이버 공격의 대부분은 악성코드에 의해 수행되었다. 이처럼 Smart factory를 대상으로 하는 사이버 공격의 경우 물리적 피해로 직접 이어질 수 있기 때문에 보안이 매우 중요하다. 따라서 Smart factory IIoT 환경에서 발생하는 악성코드 공격에 대해 네트워크 트래픽을 모니터링하고 분석하여 악성코드를 효율적으로 탐지하는 솔루션이 필요하다. 하지만 Smart factory IIoT 환경에서 실시간으로 악성코드를 정확하게 탐지하는 것은 어려운 일이다. 이를 해결하기 위해 이 논문에서는 ...

Smart factory 환경은 상호 연결적이며, 개방적 접근 방식인 IIoT (Industrial internet of things) 환경으로 바뀌어 왔다. 이로 인해 수년 동안 많은 스마트 제조 공장이 사이버 공격의 대상이 되고 있다. 이러한 사이버 공격의 대부분은 악성코드에 의해 수행되었다. 이처럼 Smart factory를 대상으로 하는 사이버 공격의 경우 물리적 피해로 직접 이어질 수 있기 때문에 보안이 매우 중요하다. 따라서 Smart factory IIoT 환경에서 발생하는 악성코드 공격에 대해 네트워크 트래픽을 모니터링하고 분석하여 악성코드를 효율적으로 탐지하는 솔루션이 필요하다. 하지만 Smart factory IIoT 환경에서 실시간으로 악성코드를 정확하게 탐지하는 것은 어려운 일이다. 이를 해결하기 위해 이 논문에서는 에지 컴퓨팅(EC)과 연합 학습(FL) 개념을 활용하여 각 계층(에지 장치-에지 서버-클라우드) 장치간 협업으로 딥러닝(DL)을 훈련하여 다양한 사이버 공격을 효율적으로 탐지하는 악성코드 탐지 시스템을 제안한다.
딥러닝(DL) 기반의 악성코드 탐지, 분류 실험을 위해 이미지 시각화 기술을 이용한 CNN (Convolutional neural networks)을 적용했으며, Malimg dataset을 사용한 성능 평가 결과에서 Accuracy: 99.07%, Precision: 99.09%, Recall: 99.07%, F1-score: 99.05%의 높은 성능을 달성했다.

주제어