[논문]IoT 사용자의 빅데이터 정보를 안전하게 보호하기 위한 IoT 정보 보안 모델

정윤수; 윤덕병; 신승수

doi:10.22156/cs4smb.2019.9.11.008

IoT 사용자의 빅데이터 정보를 안전하게 보호하기 위한 IoT 정보 보안 모델
An IoT Information Security Model for Securing Bigdata Information for IoT Users 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.9 no.11, 2019년, pp.8 - 14

정윤수 (목원대학교 정보통신융합공학부) , 윤덕병 (동명대학교 경영학과) , 신승수 (동명대학교 정보보호학과)

초록
AI-Helper

컴퓨터 기술의 발전으로 인하여 IoT 기술은 산업, 경제, 의료서비스 및 교육 분야에서 다양하게 사용되고 있다. 그러나, IoT 장비를 통해 처리되는 멀티미디어 정보는 아직까지 애플리케이션 분야에서 무결성과 기밀성 문제가 큰 이슈 중 하나로 손꼽히고 있다. 본 논문에서는 IoT 장비를 통해 처리되는 사용자의 빅데이터 정보에 안전성을 보장하기 위한 스테가노그래피 기반의 IoT 사용자의 빅데이터 보호 모델을 제안한다. 제안 모델은 사용자의 동의 없이 IoT 장비를 통해 수집된 사용자의 빅데이터 정보를 불법적으로 악용되는 것을 예방하는 것이 목적이다. 제안 모델은 IoT 사용자의 빅데이터에 서명과 인증 정보를 하이브리드 암호 방식으로 사용한다. 제안 모델은 IoT를 통해 수집된 사용자의 빅데이터에 대한 무결성 및 기밀성을 보장하는 특징이 있다. 또한, IoT 사용자의 빅데이터는 스테가노그래피 기반의 암호 처리 기법을 사용하여 사용자의 서명 정보를 암호화하였기 때문에 제 3자가 사용자의 정보를 악의적으로 사용되지 못한다.

Abstract ▼ AI-Helper

Due to the development of computer technology, IoT technology is being used in various fields of industry, economy, medical service and education. However, multimedia information processed through IoT equipment is still one of the major issues in the application sector. In this paper, a big data protection model for users of IoT based IoT is proposed to ensure integrity of users' multimedia information processed through IoT equipment. The proposed model aims to prevent users' illegal exploitation of big data information collected through IoT equipment without users' consent. The proposed model uses signatures and authentication information for IoT users in a hybrid cryptographic method. The proposed model feature ensuring integrity and confidentiality of users' big data collected through IoT equipment. In addition, the user's big data is not abused without the user's consent because the user's signature information is encrypted using a steganography-based cryptography-based encryption technique.

주제어

표/그림 (6)

표 Table 1. Comparisons for previous scheme vs. proposed scheme
그림 Fig. 1. Transmission process of multimedia information
그림 Fig. 2. IoT Device for simulation
그림 Fig. 3. Efficiency according to the degree of information collected
그림 Fig. 4. Accuracy according to the degree of information collected
표 Table 2. Comparisons for Integrity of previous scheme vs. proposed scheme

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

특히, IoT 기술은 국내·외 국가 경쟁력 및 상호 운영성을 향상시키기 위해서 의료 서비스, 건강관리 서비스, 스마트 홈 서비스 등을 중심으로 연구가 만들어지고 있다. 본 논문에서는 IoT 장치에서 발생하는 빅데이터 정보를 안전하게 보호할 수 있는 스테가노그래피 기반 의 IoT 사용자의 빅데이터 보호 모델을 제안하였다. 제안 모델은 IoT 장치에서 수집된 빅데이터를 손쉽게 처 리할 수 있도록 빅데이터의 확률 정보를 연계 처리하여 빅데이터의 접근성을 향상시켰다.
본 논문에서는 사회적으로 대두되고 있는 IoT 장치 의 빅데이터 정보를 안전하게 보호할 수 있는 스테가노그래피 기반의 IoT 사용자의 빅데이터 보호 모델을 제 안한다. 제안 모델은 IoT 장치를 이용하여 다양한 빅데이터 정보를 처리할 뿐만 아니라 빅데이터 정보처리의 질을 향상시키고 있다.

제안 방법

Fig. 2처럼 제안 모델에서는 IoT 사용자의 빅데이터 5개를 사용하여 사용자의 각 신상 정보를 송·수신할 수 있도록 구축하여 성능을 분석하였다.
Fig. 3처럼 효율성에 대한 성능평가에서는 IoT 사용 자의 빅데이터 정보를 수집하기 위해서 첨단 장비를 사용할 때 발생하는 빅데이터 처리를 평가하였다. 효율성 평가에서는 IoT 사용자의 빅데이터를 사용자의 신상 정보 수에 따라 IoT 사용자의 빅데이터를 수집 및 조사 분석한 결과를 이용하였다.
Fig. 4처럼 정확도에 대한 성능 평가는 첨단 장비들을 통해 수집된 IoT 사용자의 빅데이터 정보 중 IoT 사용 자의 신상 정보, IoT 사용자의 환경에 따라 수집된 정보의 추출 정도에 따른 정확도를 평가하였다. 정확도에 대한 평가에서는 IoT 사용자의 빅데이터 정보 수집이 정확하게 분석하는 비율이 그렇지 않은 경우보다 평균 7.
IoT 사용자의 비밀정보에 포함된 스테가노그래피 기반의 비밀정보 #수식 에 대한 은닉 정보 s1 + s2 + … + sn 을 확인함으로써 IoT 사용자의 빅데이터를 검증한다.
IoT 장치에서 수집된 빅데이터 정보를 이용하여 IoT 사용자의 무결성을 보장하기 위한 스테가노그래피 기반 IoT 사용자의 빅데이터 보호 모델을 제안한다. 제안 모델은 IoT 사용자의 동의 없이 제 3자가 불법적으로 악용하는 것을 예방하고 있다.
이 단계는 IoT 장비로부터 수집된 1개 이상의 빅데이터 정보(개인 신상정보, 위치정보 등)를 안전하게 처리하기 위한 분석단계로써, 이 과정은 관리자에게 전달된 IoT 사용자의 빅데이터 정보를 검증하는 과정이다. 관리자는 IoT 사용자의 빅데이터 정보를 전달 받은 후 IoT 사용자의 비밀 정보 IBD_X을 확인한다. 관리자는 IoT 사용자의 빅데이터 정보에 포함된 스테가노그래피 정보를 s_n = IDB_xmod s 처럼 계산하여 분산 암호화된 IoT 사용자의 빅데이터 정보를 식별할 수 있도록 #수식 을 계산한다.
Al Ameen et al. 기법은 IoT 보안 및 개인 정보보호와 관련된 애플리케이션의 위험 범주를 분류하였다 [10]. 이 기법은 사회·경제 분야의 다양한 이슈들과 관련된 데이터를 다루고 있지만, 인증 및 암호화와 관련된 보안 알고리즘이 구현되어 있지 않은 것이 문제이다[11,12].
제안 모델은 IoT 장치를 이용하는 사용자의 빅데이터를 빠르게 처리할 수 있도록 빅데이터에 대한 유사도 검사를 수행한다. 또한, 제안 모델은 우선순위에 따라 빅데이터의 그룹 크기가 정해져서 상위계층에 포함된 빅데이터가 하부 계층의 빅데이터를 포함하도록 다양한 속성 정보를 세분화하여 빅데이터의 정확도를 향상시킨다.
2처럼 제안 모델에서는 IoT 사용자의 빅데이터 5개를 사용하여 사용자의 각 신상 정보를 송·수신할 수 있도록 구축하여 성능을 분석하였다. 성능 평가의 비교분석을 위한 기존 연구는 [4]를 기반으로 제안 모델과 비교평가를 수행하였다.
IoT 장치에서 수집된 빅데이터 정보를 이용하여 IoT 사용자의 무결성을 보장하기 위한 스테가노그래피 기반 IoT 사용자의 빅데이터 보호 모델을 제안한다. 제안 모델은 IoT 사용자의 동의 없이 제 3자가 불법적으로 악용하는 것을 예방하고 있다. 제안 모델은 IoT 사용자의 빅데이터 정보 중 서명과 인증 정보를 스테가노그래피 를 통해 하이브리드 암호방식을 사용한다.
제안 모델은 IoT 사용자의 동의 없이 제 3자가 불법적으로 악용하는 것을 예방하고 있다. 제안 모델은 IoT 사용자의 빅데이터 정보 중 서명과 인증 정보를 스테가노그래피 를 통해 하이브리드 암호방식을 사용한다. 이 같은 이유는 IoT 사용자의 빅데이터가 제3자로부터 안전하게 처리할 수 있는 기밀성을 보장하기 때문이다.
제안 모델은 IoT 장비로부터 수집된 1개 이상의 빅데이터 정보(개인 신상정보, 위치정보 등)를 안전하게 처리하기 위해서 3단계(수집 단계, 전송 단계, 분석 단계)로 동작된다. Fig.
제안 모델은 IoT 장치를 이용하는 사용자의 빅데이터를 빠르게 처리할 수 있도록 빅데이터에 대한 유사도 검사를 수행한다. 또한, 제안 모델은 우선순위에 따라 빅데이터의 그룹 크기가 정해져서 상위계층에 포함된 빅데이터가 하부 계층의 빅데이터를 포함하도록 다양한 속성 정보를 세분화하여 빅데이터의 정확도를 향상시킨다.
제안 모델은 IoT 장치를 이용하여 다양한 빅데이터 정보를 처리할 뿐만 아니라 빅데이터 정보처리의 질을 향상시키고 있다. 제안 모델은 IoT 장치에서 수집되는 빅데이터를 바탕으로 손쉽게 사용자의 개인정보를 보호할 수 있도록 스테가노그래피를 사용한다. 제안 모 델은 다음과 같은 2가지 목표를 가지고 IoT 장치에서 처리되는 빅데이터의 효율성을 향상시키고 있다.
본 논문에서는 IoT 장치에서 발생하는 빅데이터 정보를 안전하게 보호할 수 있는 스테가노그래피 기반 의 IoT 사용자의 빅데이터 보호 모델을 제안하였다. 제안 모델은 IoT 장치에서 수집된 빅데이터를 손쉽게 처 리할 수 있도록 빅데이터의 확률 정보를 연계 처리하여 빅데이터의 접근성을 향상시켰다. 또한, 제안 모델은 빅데이터 정보의 유사도에 따라 계층적 구조로 그룹핑 함으로써 IoT 사용자의 빅데이터의 정확성을 보장받도록 하였다.
3처럼 효율성에 대한 성능평가에서는 IoT 사용 자의 빅데이터 정보를 수집하기 위해서 첨단 장비를 사용할 때 발생하는 빅데이터 처리를 평가하였다. 효율성 평가에서는 IoT 사용자의 빅데이터를 사용자의 신상 정보 수에 따라 IoT 사용자의 빅데이터를 수집 및 조사 분석한 결과를 이용하였다. 효율성의 성능 평가에 따라 IoT 사용자의 신상 정보 수에 따른 IoT 사용자의 빅데이터 처리에 대한 효율성은 기존 모델보다 6.

대상 데이터

수집 단계에서는 IoT 장치의 데이터를 수집하기 위한 다양한 센서(Heart rate 센서, Sleep Clock 센서, Blood Pressure 센서, Activity 센서, Smart Shoes 센 서 등)들로 구성되어 있다. 전송단계에서는 IoT 장치로 부터 생성된 다양한 센서들을 관리 서버에게 전송하기 위해 다양한 장치(스마트폰, 태블릿, 게이트웨이, 중간 서버 등)들이 필요하다.

이론/모형

이 단계는 IoT 장비로부터 수집된 1개 이상의 빅데이터 정보(개인 신상정보, 위치정보 등)를 안전하게 처 리하기 위한 수집단계로써, IoT 사용자의 빅데이터 정보 생성 과정은 첨단 의료 장비를 통해 수집된 IoT 사용자의 빅데이터 정보를 관리자 및 제 3자에게 IoT 사용자의 빅데이터 정보를 안전하게 전달하기 위한 무결성 검증의 전 단계이다. 이 단계에서는 IoT 사용자의 빅데이터 정보의 무결성을 검증하기 위해서 IoT 사용자의 중요 정보를 N-1차 다항식을 사용한다. N-1차 다항식을 사용하는 이유는 스테가노그래피를 이용하여 식 (1) 처럼 암호화된 IoT 빅데이터의 비밀 정보를 샘플링 하기 때문이다.

성능/효과

둘째, 제안 모델은 빅데이터 정보의 유사도에 따라 계층적 구조로 그룹핑 함으로써 IoT 사용자의 빅데이터의 정확성을 보장받는다.
제안 모델은 IoT 장치에서 수집된 빅데이터를 손쉽게 처 리할 수 있도록 빅데이터의 확률 정보를 연계 처리하여 빅데이터의 접근성을 향상시켰다. 또한, 제안 모델은 빅데이터 정보의 유사도에 따라 계층적 구조로 그룹핑 함으로써 IoT 사용자의 빅데이터의 정확성을 보장받도록 하였다. 성능평가 결과, 효율성은 IoT 사용자의 신상 정 보 수에 따른 IoT 사용자의 빅데이터 처리에 대한 효율성을 기존 모델보다 6.
또한, 제안 모델은 빅데이터 정보의 유사도에 따라 계층적 구조로 그룹핑 함으로써 IoT 사용자의 빅데이터의 정확성을 보장받도록 하였다. 성능평가 결과, 효율성은 IoT 사용자의 신상 정 보 수에 따른 IoT 사용자의 빅데이터 처리에 대한 효율성을 기존 모델보다 6.5% 높은 결과를 얻었다. 정확도 는 IoT 사용자의 빅데이터 정보 수집에 대한 정확도 분석이 평균 7.
5% 높은 결과를 얻었다. 정확도 는 IoT 사용자의 빅데이터 정보 수집에 대한 정확도 분석이 평균 7.7% 높게 나타났다. 향후 연구에서는 기존 연구를 기반으로 이질적인 클라우드 환경에서 IoT 사용자의 빅데이터 정보를 효율적으로 분석하는 방법을 연구할 계획이다.
4처럼 정확도에 대한 성능 평가는 첨단 장비들을 통해 수집된 IoT 사용자의 빅데이터 정보 중 IoT 사용 자의 신상 정보, IoT 사용자의 환경에 따라 수집된 정보의 추출 정도에 따른 정확도를 평가하였다. 정확도에 대한 평가에서는 IoT 사용자의 빅데이터 정보 수집이 정확하게 분석하는 비율이 그렇지 않은 경우보다 평균 7.7% 높게 나타났다. 이 같은 결과는 제안 모델이 첨단 장비를 통해 수집된 정보들 간 빅데이터 정보의 애매성을 보완하기 위해서 쌍대 비교 행렬과 스테가노그래피 기법을 사용하였기 때문에 나타난 결과이다.
제안 모델과 기존 모델과의 IoT 사용자의 빅데이터 정보의 무결성을 체크한 결과 Table 2처럼 6개 항목 (Data dynamics, public auditability, Server comp. complexity. Verifier comp. complexity, Encryption comp. complexity, Verifier storage complexity) 의 평가 결과가 나왔다. Table 2처럼 제안 모델은 기존 모델에 비해 N-1차 다항식을 사용하여 사용자의 비밀 정보를 분산 처리하도록 샘플링 하는 과정을 사용하였기 때문에 IoT 사용자의 비밀정보에 삽입된 빅데이터 정보를 정확하게 알지 못한다.
본 논문에서는 사회적으로 대두되고 있는 IoT 장치 의 빅데이터 정보를 안전하게 보호할 수 있는 스테가노그래피 기반의 IoT 사용자의 빅데이터 보호 모델을 제 안한다. 제안 모델은 IoT 장치를 이용하여 다양한 빅데이터 정보를 처리할 뿐만 아니라 빅데이터 정보처리의 질을 향상시키고 있다. 제안 모델은 IoT 장치에서 수집되는 빅데이터를 바탕으로 손쉽게 사용자의 개인정보를 보호할 수 있도록 스테가노그래피를 사용한다.
첫째, 제안 모델은 IoT 장치에서 수집된 빅데이터를 손쉽게 처리할 수 있도록 빅데이터의 확률 정보를 연계 처리함으로써 IoT 사용자의 빅데이터에 대한 접근성을 향상시켰다.
효율성 평가에서는 IoT 사용자의 빅데이터를 사용자의 신상 정보 수에 따라 IoT 사용자의 빅데이터를 수집 및 조사 분석한 결과를 이용하였다. 효율성의 성능 평가에 따라 IoT 사용자의 신상 정보 수에 따른 IoT 사용자의 빅데이터 처리에 대한 효율성은 기존 모델보다 6.5% 높은 결과를 얻었다. 이 같은 결과는 IoT 사용자의 신상 정보 의 관리 및 접근 권한에 따라 빅데이터의 처리 방법이 달라지기 때문에 나타난 결과이다.

후속연구

7% 높게 나타났다. 향후 연구에서는 기존 연구를 기반으로 이질적인 클라우드 환경에서 IoT 사용자의 빅데이터 정보를 효율적으로 분석하는 방법을 연구할 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	본 논문에서의 전송단계는 무엇인가?	수집단계는 IoT 사용자의 빅데이터 정보를 첨단 장 비를 통해 수집하는 단계이다. 전송단계는 Cellular Networks와 WLAN를 통해 IoT 빅데이터 정보를 안전하게 전달하는 단계이다. 마지막으로 분석단계는 전송된 IoT 사용자의 빅데이터 정보를 분석하는 단계이다.
	스테가노그래피 기반 보호 모델의 목적은 무엇인가?	본 논문에서는 IoT 장비를 통해 처리되는 사용자의 빅데이터 정보에 안전성을 보장하기 위한 스테가노그래피 기반의 IoT 사용자의 빅데이터 보호 모델을 제안한다. 제안 모델은 사용자의 동의 없이 IoT 장비를 통해 수집된 사용자의 빅데이터 정보를 불법적으로 악용되는 것을 예방하는 것이 목적이다. 제안 모델은 IoT 사용자의 빅데이터에 서명과 인증 정보를 하이브리드 암호 방식으로 사용한다.
	IoT 장비로 처리되는 멀티미디어 정보에서 나타나는 이슈는 무엇이 있는가?	컴퓨터 기술의 발전으로 인하여 IoT 기술은 산업, 경제, 의료서비스 및 교육 분야에서 다양하게 사용되고 있다. 그러나, IoT 장비를 통해 처리되는 멀티미디어 정보는 아직까지 애플리케이션 분야에서 무결성과 기밀성 문제가 큰 이슈 중 하나로 손꼽히고 있다. 본 논문에서는 IoT 장비를 통해 처리되는 사용자의 빅데이터 정보에 안전성을 보장하기 위한 스테가노그래피 기반의 IoT 사용자의 빅데이터 보호 모델을 제안한다.

참고문헌 (16)

S. M. R. Islam, D. Kwak, M. Kabir, M. Hossain &. Kwak. (2015). The Internet of Things for Health Care: A Comprehensive Survey. IEEE Access, 3, 678-708.

상세보기
L. Catarinucci, D. de Donno, L. Mainetti, L. Palano, L. Patrono, M. L. Stefanizzi & L. Tarricone. (2015). An IoT-Aware Architecture for Smart Healthcare Systems. IEEE Internet of Things Journal, 2(6), 515-526.

상세보기
S. K. Datta, C. Bonnet, A. Gyrard, R. P. Ferreira da Costa & K. Boudaoud. (2015). Applying Internet of Things for personalized healthcare in smart homes, WOCC, 164-169.
H. Samani & R. Zhu. (2016). Robotic Automated External Defibrillator Ambulance for Emergency Medical Service in Smart Cities. IEEE Access, 4, 268-283.

상세보기
J. J. Yang, J. Q. Li & Y. Niu. (2015). A hybrid solution for privacy preserving medical data sharing in the cloud environment. Future Generation Computer Systems, 43(44), 74-86.
X. B. Li & L. Z. Lu. (2015). General Construction Method of Multilength Optical Orthogonal Codes With Arbitrary Cross-Correlation Constraint for OCDMA Multimedia Network. Journal of Optical Communications and Networking, 7(3), 156-163.

상세보기
J. G. Ko., C. Lu., M. B. Srivastava., J. A. Stankovic., A. Terzis. & M. Welsh. (2010). Wireless sensor networks for healthcare. Proceedings of the IEEE, 98(11), 1947-1960.

상세보기
S. C. Rathi & I. Technology. (2012) Medical Image Authentication through Watermarking Preserving ROI. Health Information - An International Journal, 2, 292-295.
G. Virone., A, Wood. L. Selavo., Q. Cao., L. Fang., T. Doan. & J. A. Stankovic. (2006). An Advanced Wireless Sensor Network for Health Monitoring. Transdisciplinary Conference on Distributed Diagnosis and Home Healthcare (D2H2), 2-5.
M. AI Ameen., J. Liu & K. Kwak. (2012). Security and privacy issues in wireless sensor networks for healthcare applications. Journal of Medical Systems, 36(1), 93-101.

상세보기
T. Yang, D. Mu, W. Hu & H. Zhang. (2014). Energy-efficient border intrusion detection using wireless sensors network. EURASIP Journal on Wireless Communications and Networking, 1, 46.
D. Liu, T. Song & Y. Dai. (2005). Isomorphism and generation of Montgomery-form elliptic curves suitable for cryptosystems. Tsinghua Science and Technology, 10(2), 145-151.

상세보기
R. Fan, D. J. He, X. Z. Pan & L. D. Ping. (2011). An efficient and DoS-resistant user authentication scheme for two-tiered wireless sensor networks. Journal of Zhejiang University-Science C-Computers & Electronics, 12(7), 550-560.

상세보기
N. Gonzalez, C. Miers, F. Redigolo, T. Carvalho., M. Simplicio, M. Naslund & M. Pourzandi. (2011). A Quantitative Analysis of Current Security Concerns and Solutions for Cloud Computing. 2011 IEEE Third International Conference on Cloud Computing Technology and Science, 231-238.
G. Garkoti, S. K. Peddoju & R. Balasubramanian. (2014). Detection of insider attacks in cloud based e-healthcare environment. Proceedings - 2014 13th International Conference on Information Technology( ICIT 2014), 195-200.
Q. A. Kester, L. Nana, A. C. Pascu, S. Gire, J. M. Eghan & N. N. Quaynor. (2015). A Security Technique for Authentication and Security of Medical Images in Health Information Systems. Proceedings - 15th International Conference on Computational Science and Its Applications(ICCSA 2015), 8-13.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증