[논문]자율주행자동차 위험 및 대응방안에 대한 고찰

정임영

doi:10.5392/jkca.2020.20.06.090

자율주행자동차 위험 및 대응방안에 대한 고찰
A Study on The Dangers and Their Countermeasures of Autonomous Vehicle 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.6, 2020년, pp.90 - 98

초록
AI-Helper

현대의 차량은 수동운전에서 자동운전의 시대로 진화하고 있다. 차량 내부에서는 전장기기와 소프트웨어의 비중이 점점 높아지면서 자동운전을 지원하는 차량은 외부와의 통신이 가능한 또 하나의 오픈 컴퓨터 시스템이 되어가고 있다. 자동차의 안전은 동승자와 비동승자의 안전을 의미한다. 현재 컴퓨터 시스템의 결함내성 및 보안 해법을 차용해서 아직 출현하지 않은 궁극적 자율주행자동차의 안전문제를 모두 해결할 수 있을 것인가는 단정할 수 없다. 자율주행차량이 시장에 나온 이후에 사람들이 위험해지면 안 되기 때문에, 현재의 기술력으로 예측할 수 있는 모든 위험을 사전에 진단하는 것이 필요하다. 그리고 출시되는 차량에 맞는 방어방안을 장착하는 것이 보다 안전한 차량을 개발하는 방법이 될 것이다. 본 논문은 자율주행자동차의 현재 개발 상황을 살펴보고, 주행 안전을 위협하는 자율주행자동차의 위험을 이에 대한 방어방안과 같이 분석하고자 한다.

Abstract ▼ AI-Helper

Modern vehicles are evolving from manual to automatic driving. As the ratio of electrical equipment and software increases inside the vehicle, vehicles that support autonomous driving are becoming another open computer system that can communicate with the outside. The safety of the vehicle means the safety of both the passenger and the non-passenger. It is not clear whether the safety problem of ultimate autonomous vehicles can be solved by the current solution of computer systems related to fault tolerance and security. Autonomous vehicles should not be dangerous to people after they are released to the market, so it is necessary to proactively diagnose all the risks that can be predicted with current technology. This paper examines the current developments of autonomous vehicles and analyzes their dangers that threaten driving safety, as well as their countermeasures.

주제어

표/그림 (10)

그림 그림 1. 자동차 등록 대 수 증가추이 [1]
그림 그림 2. 자동차 사고, 사망자 수, 부상자 수 추이 (2009~2018) [2]
그림 그림 3. 고령운전자 교통사고 건 수 (2008~2017) [3]
그림 그림 4. 자율주행레벨 3을 만족하는 Audi 사의 A8 model [6]
그림 그림 5. 자율주행레벨 5를 위한 자율주행자동차의 센서들 [7]
그림 그림 6. 4개의 계층구조에 기반한 자율주행자동차 설계 [10]
그림 그림 7. 자율주행자동차 V2X 통신 [12]
표 표 1. SAE J3016 [5] 기반 자율주행 수준 출처 : 한국교통연구원(2016)
표 표 2. V2X 관련 보안 위협
표 표 3. 자율주행 위험 모델

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 현 기술수준에서 예측되는 자율주행자동차 위험과 이에 대한 방어방안을 분석하였다. 자율주행 자동차의 위험 중, 커넥티드 카 기능으로 인한 사이버 위협에 의한 위험과 자율주행 기능으로부터 비롯되는 위험에 초점을 맞추었다.
현대의 자율주행차량은 전자기기 시스템의 비중이 커지고 있다. 사람의 감각을 모방하거나 사람이 인지하기 힘든 부분을 감시하여 데이터화를 할 수 있는 많은 센서들과 카메라를 탑재하여 보다 안전한 주행을 제공하려 한다.
이에 본 논문은, 출시전인 높은 수준의 자율주행을 지원하는 자동차의 상용화로 인한 위험이 증명되진 않았지만, 현시점을 중심으로 연구 및 분석 예측에 의한 자율주행차량 안전에 위협이 되는 위험과 이에 대한 대응방안에 대해 분석해보고자 한다. 특히, 기술 고도화에 의한 자율주행자동차의 안전을 위협하는 위험 중, 커넥티드카 기능으로 인한 사이버 보안 위협과 각종센서 및 카메라를 통한 자동 데이터 분석에 기반 한 자율주행 위험과 이에 대한 대응방안을 분석한다.

제안 방법

이 위험들은 시장과 도로에 자율주행자동차의 비율이 높아지면 실제 안전을 위협하는 요소로 부각될 가능성이 높아 중요한 부분이다. 논문의 연구방법은 자율주행자동차 기술의 현재를 살펴보고, 현재와 미래의 기술수준에서 예측되는 자율주행자동차의 위험을 사이버위협과 자율주행 관련 위협의 관점에서 분석하고 이에 대한 대응방안을 분석하고자 한다.
현재 자율주행차량의 위험 연구는 실제 주행레벨이 높은 자동차가 시장에 나오기 전에 여러 예상되는 문제 들을 증명하고 이에 대한 방어 제안의 형태로 많이 나타나고 있다. 따라서 예측되는 위험 및 최근까지의 연구 제안을 중심으로 방어방안을 분석한다.
현재 자동차에 장착되는 소프트웨어는 카메라 센서와 결합하여 신호에 따른 제어를 넘어 능동적인 판단을 할 수 있는 프로그램까지 포함한다[8]. 자동차 제조사가 아닌 구글은 인공지능 기술에 기반 하여 미래자동차를 설계하였다. 인공지능 기술은 지도나 위치 정보를 사용해 차량이나 사람의 움직임, 교통 상황을 식별하고 판단하여 핸들과 브레이크를 자동 제어할 수 있다.
이에 본 논문은, 출시전인 높은 수준의 자율주행을 지원하는 자동차의 상용화로 인한 위험이 증명되진 않았지만, 현시점을 중심으로 연구 및 분석 예측에 의한 자율주행차량 안전에 위협이 되는 위험과 이에 대한 대응방안에 대해 분석해보고자 한다. 특히, 기술 고도화에 의한 자율주행자동차의 안전을 위협하는 위험 중, 커넥티드카 기능으로 인한 사이버 보안 위협과 각종센서 및 카메라를 통한 자동 데이터 분석에 기반 한 자율주행 위험과 이에 대한 대응방안을 분석한다. 이 위험들은 시장과 도로에 자율주행자동차의 비율이 높아지면 실제 안전을 위협하는 요소로 부각될 가능성이 높아 중요한 부분이다.

후속연구

향후, 기술표준, 기술의 보안취약점, 자율주행자동차 의 개발 방향과 제조사의 생산 방향에 따라 구체적인 대응방안이 병행 개발되어야 할 것으로 본다. 따라서 이후 자율주행자동차의 기술표준, 표준기술의 취약점 및 대응방안, 실차 적용에 있어서의 구현방안들에 대한 후속 연구가 필요하다.
향후, 기술표준, 기술의 보안취약점, 자율주행자동차 의 개발 방향과 제조사의 생산 방향에 따라 구체적인 대응방안이 병행 개발되어야 할 것으로 본다. 따라서 이후 자율주행자동차의 기술표준, 표준기술의 취약점 및 대응방안, 실차 적용에 있어서의 구현방안들에 대한 후속 연구가 필요하다.

참고문헌 (40)

e-나라지표, 지표조회상세, http://www.index.go.kr/potal/main/EachDtlPageDetail.do?idx_cd1257
교통사고분석시스템, 2018년 교통사고정보 교통사고 추세, http://taas.koroad.or.kr/sta/acs/gus/selectStaInfoGraph.do?menuIdWEB_KMP_IDA_TAI
한국도로교통공단, 공단보도자료 "급속한 고령사회의 먹구름이 도로 위를 덮치고 있다!," 2018.10.2., http://www.koroad.or.kr/kp_web/krPrView.do?board_codeGABBS_050&board_num134227&file_num
Car Magazine, https://www.carmagazine.co.uk/car-news/tech/volvo-xc90-uber-driverless-car/
SAE J3016 Levels of Driving Automation, https://www.sae.org/news/2019/01/sae-updates-j3016-automated-driving-graphic
2019 AVT ACES Award Winner: Autonomy, https://www.autonomousvehicletech.com/articles/1311-audis-new-a8-reaches-conditional-level-3
H. Lengyel and Z. Szalay, "The Significance and Effect of the Traffic System Signaling to the Environment, Present and Future Traffic," International Congress of Automotive and Transport Engineering (AMMA 2018)
Waldemar Nawrocki, "Measurement systems and sensors," 2nd ed, Artech House, pp.377-409, 2016.
ETRI Webzine, "거스를 수 없는 대세, 자율주행자동차의 도래와 안전성," 2018(11).
J. Brunet and L. Rizzatti, "System-of-systems validation for automotive design," Tech Design Forum, 12/17/2019.
S. Ahmed, "ICT Integration for Electric Vehicles as Data Collector and Distributor of Data Services," International Journal on Recent and Innovation Trends in Computing and Communication, Vol.4, Issue 3, 2017.
M. S. Sheikh and J. Liang, "A Comprehensive Survey on VANET Security Services in Traffic Management System," Wireless Communications and Mobile Computing, Vol.2019, Article ID 2423915, 2019.
R. Kaur and P. Singh, "Review of Black Hole and Grey Hole Attack," International Journal of Multimedia & Its Applications (IJMA), Vol.6, No.6, pp.35-45, 2014.
C. A. KERRACHE, C. T. CALAFATE, J. CANO, N. LAGRAA, and P. MANZONI, "Trust Management for Vehicular Networks: An Adversary-Oriented Overview," IEEE Access, Vol.4, pp.9293-9307, 2016.

상세보기
C. Yan, W. Xu, and J. Liu, "Can you trust autonomous vehicles: Contactless attacks against sensors of self driving vehicle," DEF CON, Vol.24, 2016.
N. Haddadou, A. Rachedi, and Y. Ghamri-Doudane, "Trust and exclusion in vehicular ad hoc networks: An economic incentive model based approach," Computing, Communications and IT Applications Conference (ComComAp), 2013.
N. Yang, "A similarity based trust and reputation management framework for VANETs," International Journal of Future Generation Communication and Networking, Vol.6, No.2, pp.25-34, 2013.

상세보기
S. A. Soleymani, A. H. Abdullah, W. Haslina, M. H. Anisi, S. Goudarzi, M. A. R. Baee1, and S. Mandala, "Trust management in vehicular ad hoc network: A systematic review," EURASIP Journal on Wireless Communications and Networking, Vol.2015, No.1, p.146, 2015.

상세보기
S. Gurung, D. Lin, A. C. Squicciarini, and E. Bertino, "Information oriented trustworthiness evaluation in vehicular ad-hoc networks," International Conference on Network and System Security, pp.94-108, 2013.
J. Zhang, C. Chen, and R. Cohen, "Trust modeling for message relay control and local action decision making in VANETs," Security and Communication Networks, Vol.6, No.1, pp.1-14, 2013.

상세보기
Z. Lu, G. Qu, and Z. Liu, "A Survey on Recent Advances in Vehicular Network Security, Trust, and Privacy," IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, Vol.20, No.2, pp.760-776, 2019.

상세보기
J. Petit, F. Schaub, M. Feiri, and F. Kargl, "Pseudonym schemes in vehicular networks: A survey," IEEE Communications Surveys & Tutorials, Vol.17, No.1, pp.228-255, 2015.

상세보기
IEEE 1609.2, https://standards.ieee.org/standard/1609_2-2016.html
CAMP VSC3, https://www.campllc.org/vehicle-safety-communications-3-vsc3-consortium/
자율주행산업발전 협의회, "V2X 보안인증체계 실증 사업을 위한 기술 규격," https://www.c-its.kr/board/getBoardDetail.do?seq887
ITU 보안 국제표준 권고안, "V2X 통신 환경 보안 가이드라인(X.1372)," SG17 국제회의 선채택, Aug. 2019.
L. Yu, D. Zhang, X. Chen, and A. Hauptmann, "Traffic Danger Recognition With Surveillance Cameras Without Training Data," arXiv:1811.11969v1 [cs.CV] 29 Nov. 2018.
S. Grigorescu, B. Trasnea, T. Cocias, and G. Macesanu, "A Survey of Deep Learning Techniques for Autonomous Driving," arXiv:1910.07738v2 [cs.LG] 24 Mar. 2020
K. Eykholt, I. Evtimov, E. Fernandes, B. Li, A. Rahmati, C. Xiao, A. Prakash, T. Kohno, and D. Song, "Robust physical-world attacks on deep learning models," arXiv:1707.08945, 2017.
C. Sitawarin, A. N. Bhagoji, A. Mosenia, M. Chiang, and P. Mittal, "Darts: Deceiving autonomous cars with toxic signs," arXiv:1802.06430, 2018.
D. Song, K. Eykholt, I. Evtimov, E. Fernandes, B. Li, A. Rahmati, F. Tramer, A. Prakash, and T. Kohno, "Physical adversarial examples for object detectors," USENIX Workshop on Offensive Technologies (WOOT 18), 2018.
S. Chen, C. Cornelius, J. Martin, and D. H. P. Chau, "Shapeshifter: Robust physical adversarial attack on faster r-cnn object detector," Joint European Conference on Machine Learning and Knowledge Discovery in Databases, pp.52-68, 2018.
Y. Zhao, H. Zhu, R. Liang, Q. Shen, S. Zhang, and K. Chen, "Seeing isn't believing: Towards more robust adversarial attack against real world object detectors," ACM SIGSAC Conference on Computer and communications Security, pp.1989-2004, 2019.
N. Morgulis, A. Kreines, S. Mendelowitz, and Y. Weisglass, "Fooling a real car with adversarial traffic signs," arXiv:1907.00374, 2019.
J. Petit, B. Stottelaar, M. Feiri, and F. Kargl, "Remote attacks on automated vehicles sensors: Experiments on camera and lidar," Black Hat Europe, Vol.11, 2015.
keen labs, "Tencent keen security lab: Experimental security research of tesla autopilot," https://keenlab:tencent:com/en/2019/03/29/T encent-Keen-Security-Lab-Experimental-Secu rity-Research-of-Tesla-Autopilot/, 2019.
Regulus, "Tesla model 3 spoofed off the highway-regulus navigation system hack causes car to turn on its own," https://www.regulus.com/blog/tesla-model-3-spoofed-off-the-highway-regulus-researcheshacknavigation-system-causing-car-to-steer-off-road/
B. Nassi, D. Nassi, R. Ben-Netanel, Y. Mirsky, O. Drokin, and Y. Elovici, "Phantom of the ADAS: Phantom Attacks on Driver-Assistance Systems," https://eprint.iacr.org/2020/085.pdf, 2020.
S. Jeong and J. Lee, "Synthesis Algorithm for Effective Detection of GNSS Spoofing Attacks," International Journal of Aeronautical and Space Sciences, Vol.21, pp.251-264, 2020.

상세보기
Netherlands Aerospace Centre, "GNSS Spoofing," NLR-CR-2019-001-PT-1-RecEd-1, Jun. 2019.

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