[논문]보안 공격에 강인한 사물인터넷 센서 기반 정보 시스템 개발

윤준혁; 김미희

doi:10.7472/jksii.2022.23.4.95

보안 공격에 강인한 사물인터넷 센서 기반 정보 시스템 개발
Development of Internet of Things Sensor-based Information System Robust to Security Attack 원문보기

Journal of Internet Computing and Services = 인터넷정보학회논문지, v.23 no.4, 2022년, pp.95 - 107

윤준혁 (School of Computer Engineering & Applied Mathematics, Computer System Institute, Hankyong National University) , 김미희 (School of Computer Engineering & Applied Mathematics, Computer System Institute, Hankyong National University)

초록
AI-Helper

사물인터넷 센서 장치와 빅데이터 처리 기법의 개발 및 보급으로 사물인터넷 센서를 활용한 정보 시스템이 여러 산업 분야에 적용되어 활용되고 있다. 정보 시스템이 적용된 산업 분야에 따라 정보 시스템이 도출하는 정보의 정확성이 산업의 효율, 안전에 영향을 미칠 수 있다. 따라서 외부 공격으로부터 센싱 데이터를 보호하고 정보 시스템이 정확한 정보를 도출할 수 있도록 하는 보안 기법이 필수적이다. 본 논문에서는 사물인터넷 센서 기반 정보 시스템의 각 처리 단계를 대상으로 하는 보안 위협을 살펴보고, 각 보안 위협에 대한 대응 기법을 제안한다. 나아가 제안하는 대응 기법을 통합하여 보안 공격에 강인한 사물인터넷 센서 기반 정보 시스템 구조를 제시한다. 제안 시스템에서는 경량 암호 알고리즘, 난독화 기반 데이터 유효성 검사 등 경량 보안 기법을 적용함으로써 저전력, 저성능의 사물인터넷 센서 장치에서도 최소한의 처리 지연만으로 보안성을 확보할 수 있도록 한다. 보편적으로 각 보안 기법을 실제로 구현하고 실험을 통해 성능을 보임으로써 제안 시스템의 실현 가능성을 보인다.

Abstract ▼ AI-Helper

With the rapid development of Internet of Things sensor devices and big data processing techniques, Internet of Things sensor-based information systems have been applied in various industries. Depending on the industry in which the information systems are applied, the accuracy of the information derived can affect the industry's efficiency and safety. Therefore, security techniques that protect sensing data from security attacks and enable information systems to derive accurate information are essential. In this paper, we examine security threats targeting each processing step of an Internet of Things sensor-based information system and propose security mechanisms for each security threat. Furthermore, we present an Internet of Things sensor-based information system structure that is robust to security attacks by integrating the proposed security mechanisms. In the proposed system, by applying lightweight security techniques such as a lightweight encryption algorithm and obfuscation-based data validation, security can be secured with minimal processing delay even in low-power and low-performance IoT sensor devices. Finally, we demonstrate the feasibility of the proposed system by implementing and performance evaluating each security mechanism.

주제어

표/그림 (16)

그림 (그림 1) 사물인터넷 센서 기반 정보 시스템 구조 (Figure 1) Internet of Things Sensor-based Information System Structure
표 (표 1) 기존 보안 기법의 한계와 대안 (Table 1) Limitation of Existing Security Mechanisms and Alternatives
그림 (그림 2) 제안 시스템 구조 (Figure 2) Proposed System Structure
표 (표 2) 사물인터넷 센서 기반 정보 시스템 대상 보안 공격 및 대응 방안 (Table 2) Security Thread and Countermeasures for Internet of Things Sensor Based Information System
그림 (그림 3) 보간 알고리즘 공격 이미지 (a) 공격 이미지 예시 (b) 보간 후 이미지 (Figure 3) Interpolation Algorithm Attack Image (a) Attack Image Example (b) Image After Interpolation
그림 (그림 4) 암호학적으로 안전한 의사 난수 생성기 기반 데이터 암호화 (Figure 4) Data Encryption Using Crypto Secure Pseudo Random Number Generator
그림 (그림 5) 최소한의 노이즈를 포함하는 적대적 샘플 예시 (a) 정상 이미지 (b) 적대적 샘플 (Figure 5) Example of the Adversarial Noise with Minimal Noise (a) Normal Image (b) Adversarial Sample
그림 (그림 6) 엣지 노이즈 비교 예시 (a) 정상 이미지의 엣지 노이즈 시각화 (b) 적대적 샘플의 엣지 노이즈 시각화 (Figure 6) An Example of the Edge Noise Comparison (a) Edge Noise Visualization of Normal Image (b) Edge Noise Visualization of Adversarial Sample
그림 (그림 7) 적대적 샘플 탐지 모델 학습 처리 흐름 (Figure 7) Adversarial Sample Detection Model Training Flow
표 (표 3) 실험 환경 (Table 3) Experimental Environment
그림 (그림 8) 난독화/분포도 분석 기반 거짓 데이터 탐지 기법 탐지율 비교 (Figure 8) Obfuscation/Variance Analysis Fake Data Detection Rate Comparison
그림 (그림 9) 난독화/분포도 분석 기반 거짓 데이터 탐지 기법 오탐지율 비교 (Figure 9) Obfuscation/Variance Analysis False Alarm Rate Comparison
그림 (그림 10) 적대적 샘플 탐지 예시 (Figure 10) An Example of Adversarial Sample Detection
그림 (그림 11) 적대적 샘플 탐지 성능 (Figure 11) Adversarial Sample Detection Performance
그림 (그림 12) 경량 암호 알고리즘 암호화 소요 시간 비교 (Figure 12) Lightweight Encryption Algorithms Encryption Time Comparison
표 (표 4) 보안 기법 적용으로 인한 처리 시간 증가 (Table 4) Processing Time Increment due to Security Mechanisms Application

AI 본문요약
AI-Helper

문제 정의

본 논문에서 제안하는 시스템은 이처럼 저성능 환경, 실시간성 등 사물인터넷 센서 기반 정보 시스템의 특성을 고려하여 설계한 보안 기법을 적용함으로써 사물인터넷 센서 기반 정보 시스템에서 낮은 처리 부하만으로 보안성을 확보하는 방법을 제시한다. 나아가 통신 단계뿐만 아니라 데이터 전처리, 데이터 통합 및 분석, 서비스 제공 단계에서 발생할 수 있는 다양한 보안 취약점을 분석하고 각 보안 취약점에 대한 대응 보안 기법을 포함하는 정보 시스템 구조를 제안한다.
본 논문에서는 사물인터넷 센서 기반 정보 시스템을 대상으로 하는 다양한 보안 위협과 각 보안 위협에 대한 대응 방안을 소개했다. 하드웨어 조작을 통한 데이터 조작, 적대적 이미지 공격, 보간 알고리즘 공격, 데이터 탈취, 서비스 거부 공격 등의 보안 공격을 공격의 목표가 되는 처리 단계에 따라 분류하고, 각 처리 단계의 처리 위치 및 특성에 따라 보안 알고리즘을 배치함으로써 보안 공격에 강인한 사물인터넷 센서 기반 정보 시스템 구조를 제안했다.

제안 방법

본 논문에서 제안하는 시스템은 이처럼 저성능 환경, 실시간성 등 사물인터넷 센서 기반 정보 시스템의 특성을 고려하여 설계한 보안 기법을 적용함으로써 사물인터넷 센서 기반 정보 시스템에서 낮은 처리 부하만으로 보안성을 확보하는 방법을 제시한다. 나아가 통신 단계뿐만 아니라 데이터 전처리, 데이터 통합 및 분석, 서비스 제공 단계에서 발생할 수 있는 다양한 보안 취약점을 분석하고 각 보안 취약점에 대한 대응 보안 기법을 포함하는 정보 시스템 구조를 제안한다.
제안 시스템에 적용된 보안 기법의 공격 차단 성능과 처리 부하를 확인하기 위해 보안 기법 일부를 실제로 구현하고 실험을 수행했다. 난독화 알고리즘 적용을 통한 데이터 삽입 공격 대응 성능을 보이기 위해 난독화 이전과 이후의 유효 데이터 범위 변화와 처리 성능을 실험을 통해 비교한다. 이미지 특성 기반 탐지 모델을 통한 적대적 샘플 탐지 성능을 보이기 위해 적대적 샘플 탐지 모델을 학습하고 탐지 성능을 확인한다.
이미지 특성 기반 탐지 모델을 통한 적대적 샘플 탐지 성능을 보이기 위해 적대적 샘플 탐지 모델을 학습하고 탐지 성능을 확인한다. 데이터 탈취 공격에 대한 대응 성능을 보이기 위해 의사난수생성기 기반 경량 암호 알고리즘의 처리 부하와 브루트포스(Bruteforce) 공격 가능성을 실험을 통해 확인한다. 표 3은 실험을 수행한 시스템 환경을 정리한 것이다.
따라서 다수의 센서 장치로부터 실시간 센싱 데이터를 수집해 처리하는 사물인터넷 센서 기반 정보시스템에 적용하기에 부적절하다. 본 논문에서 제안하는 시스템은 센서 장치와 중앙 데이터 처리 장치가 미리 합의한 난독화 함수를 적용하여 공격자가 임의로 삽입한 데이터가 정상 데이터와 완전히 다른 범위에서 나타나도록 한다. 이러한 방법을 적용함으로써 사물인터넷 센서 기반 정보 시스템의 실시간성을 유지하면서 동시에 센싱 데이터의 유효성을 빠르게 검증할 수 있다.
표 2는 사물인터넷 센서 기반 정보 시스템의 각 처리 단계를 대상으로 하는 보안 취약점을 나타낸 표이다. 사물인터넷 센서 기반 정보시스템의 각 처리 단계를 대상으로 하는 보안 위협과 각 보안 위협에 대한 대응 방안을 정리했다. 본 절에서는 각 처리 단계에서의 보안 위협과 대응 방안에 대해 자세히 설명한다.
난독화 알고리즘 적용을 통한 데이터 삽입 공격 대응 성능을 보이기 위해 난독화 이전과 이후의 유효 데이터 범위 변화와 처리 성능을 실험을 통해 비교한다. 이미지 특성 기반 탐지 모델을 통한 적대적 샘플 탐지 성능을 보이기 위해 적대적 샘플 탐지 모델을 학습하고 탐지 성능을 확인한다. 데이터 탈취 공격에 대한 대응 성능을 보이기 위해 의사난수생성기 기반 경량 암호 알고리즘의 처리 부하와 브루트포스(Bruteforce) 공격 가능성을 실험을 통해 확인한다.
따라서 저성능 환경에서도 정상 적으로 암호화를 수행할 수 있는 경량 암호화 알고리즘이 필요하다. 제안 시스템 에서는 암호학적으로 안전한 의사 난수 생성기(Crypto Secure Pseudo Random Number Generator, CSPRNG)를 사용해 저성능 환경에서도 데이터를 빠르게 암호화할 수 있는 방법을 제시한다. 센서 장치와 중앙 데이터 처리 서버는 의사 난수 생성기에서 사용할 동일한 시드(Seed)를 공유한다.
제안 시스템에 적용된 보안 기법의 공격 차단 성능과 처리 부하를 확인하기 위해 보안 기법 일부를 실제로 구현하고 실험을 수행했다. 난독화 알고리즘 적용을 통한 데이터 삽입 공격 대응 성능을 보이기 위해 난독화 이전과 이후의 유효 데이터 범위 변화와 처리 성능을 실험을 통해 비교한다.
사물인터넷 센서 기반 정보 시스템은 다수의 저전력, 저성능 처리 장치 기반 센서 장치를 사용해 센싱 데이터를 수집하는 특성으로 인해 기존에 제안되고 사용하던 보안 기법을 그대로 적용하기 어렵다. 제안 시스템에서는 경량 암호화 알고리즘, 난독화 기반 유효성 검증 등 경량 보안 알고리즘을 적용하고 비교적 높은 처리 성능을 요구하는 보안 알고리즘은 중앙 처리 서버에 배치함으로써 최소한의 처리 부하만으로 보안 공격에 강인한 사물인터넷 센서 기반 정보 시스템을 구성했다. 또한, 제안 시스템에 적용한 각 보안 기법의 일부를 실제로 구현하고 그 성능을 분석하여 실현 가능성을 보였다.
그러나 이상치 제거를 통한 대응은 모든 센서 장치로부터 센싱 데이터를 모두 수집한 이후에만 수행할 수 있기 때문에 정보 시스템의 실시간성을 만족시킬 수 없다. 제안 시스템에서는 난독화 함수를 사용해 센싱 데이터의 범위를 확장한다. 공격자는 센서 장치가 수집하는 센싱 데이터의 종류를 파악하더라도 난독화 함수를 알 수 없기 때문에 정상 범위 내의 거짓 데이터를 생성할 수 없다.
또한, 공격자가 신뢰 플랫폼 모듈을 물리적으로 제거한 경우에도 서비스 관리자는 해당 센싱 데이터가 신뢰 플랫폼 모듈에 의해 검증되지 않았기 때문에 유효하지 않은 데이터로 처리한다. 제안 시스템에서는 센서 장치에 TPM을 적용하여 센서 로그를 기록하고 이를 통해 하드웨어 조작을 통한 센싱 데이터 변조 공격에 대응한다.
센서 장치에 대한 물리적 보안을 강화하더라도 현실적으로 모든 센서 장치를 계속해서 감시할 수 없으므로 물리적 공격을 완전히 차단하는 것은 어렵다. 제안 시스템에서는 센서 장치에 신뢰 플랫폼 모듈을 적용함으로써 센서 장치의 조작 여부를 중앙에서 탐지할 수 있도록 한다. 신뢰 플랫폼 모듈은 센서 장치의 중앙 처리 장치, 메모리(Memory)와 완전히 격리된 상태로 시스템을 감시할 수 있도록 설계된 보안 칩셋(Chipset)이다.
공격자는 센서 장치가 수집하는 센싱 데이터의 종류를 파악하더라도 난독화 함수를 알 수 없기 때문에 정상 범위 내의 거짓 데이터를 생성할 수 없다. 제안 시스템에서는 센서 장치의 통신 모듈과 중앙 데이터 처리 서버의 통신 모듈에 난독화 함수를 적용하여 센싱 데이터 유효성을 빠르게 검사할 수 있도록 한다.
그림 6-(a)는 정상 이미지에서 추출한 엣지 성분, 그림 6-(b)는 적대적 샘플에서 추출한 엣지 성분으로, 적대적 샘플에서 추출한 엣지 성분의 경우, 정상 이미지에서 추출한 것과 달리 엣지 성분이 선형으로 나타나지 않고 엣지 성분 주변으로 노이즈가 발생하는 것을 확인할 수 있다. 제안 시스템에서는 이러한 특성을 기반으로 적대적 샘플 여부를 판단한다.
따라서 센싱 데이터가 변조된 적대적 샘플인지 확인하기 위한 보안 기법을 필요로 한다. 제안 시스템에서는 적대적 샘플에서 공통적으로 나타나는 엣지(Edge) 성분 주변 노이즈(Noise), 이산 코사인 변환(Discrete Cosine Transform, DCT) 계수 편향성 등 이미지 특성을 기반으로 센싱 데이터의 적대적 샘플 여부 탐지 모델을 적용한다.
그림 2는 본 논문에서 제안하는 보안 공격에 강인한 사물인터넷 센서 기반 정보 시스템의 구조를 도식화한 것이다. 제안 시스템은 일반적인 사물인터넷 센서 기반 정보 시스템과 동일하게 센서 장치(Sensor Device)와 데이터 처리 서버(Data Processing Server)로 구성된다. 센서 장치는 센서(Sensor), 전처리 모듈(Pre-processing Module), 통신 모듈(Communication Module), 신뢰 플랫폼 모듈(Trusted Platform Module)이 포함된다.
서비스를 대상으로 하는 서비스 거부 공격에 대응하기 위해 중앙 데이터 처리 서버는 소프트웨어 정의 네트워크(Software Defined Network, SDN)을 통해 서비스를 사용자에게 제공한다. 제안 시스템의 각 모듈에 포함된 보안 기법은 정보 시스템의 응용 분야에 상관없이 공통적으로 포함되는 모듈에 대한 보안 공격을 막을 수 있도록 구성했다. 정보 시스템의 응용 분야에 따라 데이터의 특성, 전처리 방법 등이 달라질 수 있으며 이로 인해 발생하는 보안 위협은 본 연구에서 다루지 않는다.
본 논문에서는 사물인터넷 센서 기반 정보 시스템을 대상으로 하는 다양한 보안 위협과 각 보안 위협에 대한 대응 방안을 소개했다. 하드웨어 조작을 통한 데이터 조작, 적대적 이미지 공격, 보간 알고리즘 공격, 데이터 탈취, 서비스 거부 공격 등의 보안 공격을 공격의 목표가 되는 처리 단계에 따라 분류하고, 각 처리 단계의 처리 위치 및 특성에 따라 보안 알고리즘을 배치함으로써 보안 공격에 강인한 사물인터넷 센서 기반 정보 시스템 구조를 제안했다. 사물인터넷 센서 기반 정보 시스템은 다수의 저전력, 저성능 처리 장치 기반 센서 장치를 사용해 센싱 데이터를 수집하는 특성으로 인해 기존에 제안되고 사용하던 보안 기법을 그대로 적용하기 어렵다.

대상 데이터

탐지 모델은 딥러닝 모델(Deep Learning Model)의 일종인 깊은 인공 신경망(Deep Neural Network, DNN)을 기반으로 한다. 탐지 모델을 학습하기 위해 (1)다수의 정상 이미지 및 적대적 샘플을 포함하는 데이터셋(Dataset)을 구성한다. (2)데이터셋에 포함된 이미지로부터 엣지 성분 노이즈 비율, 이산 코사인 변환 계수 등 다양한 이미지 특성을 추출하여 (3)이미지 특성과 적대적 샘플 여부로 구성된 데이터셋을 생성한다.

이론/모형

표 3은 실험을 수행한 시스템 환경을 정리한 것이다. 센서 장치의 저전력, 저성능 환경을 재현하기 위해 센서 장치에서 작동하는 보안 기법은 암(Advanced RISC Machine, ARM) 아키텍처(Architecture) 환경에서 실험을 수행했다. 이러한 실험 환경은 사물 인터넷 환경을 위해 개발되어 널리 사용되고 있는 라즈베리 파이(Raspberry Pi) 및 호환 제품의 컴퓨팅 환경을 재현한 것이다.
그림 7은 이미지로부터 다양한 특성을 추출하고, 이를 기반으로 적대적 샘플 탐지 모델을 학습하는 방법을 도식화한 것이다. 탐지 모델은 딥러닝 모델(Deep Learning Model)의 일종인 깊은 인공 신경망(Deep Neural Network, DNN)을 기반으로 한다. 탐지 모델을 학습하기 위해 (1)다수의 정상 이미지 및 적대적 샘플을 포함하는 데이터셋(Dataset)을 구성한다.

성능/효과

1ms 수준의 처리 시간 지연이 발생했다. 결과적으로, 제안 시스템은 보안 기법이 적용되지 않은 시스템 대비 센싱 데이터 당 평균 49.3ms 수준의 처리 시간 지연이 발생했다. 그러나 처리 시간 지연 중 대부분은 데이터 통합 및 분석 단계에서 발생한 것이고, 이는 중앙 처리 서버의 성능에 따라 감축시킬 수 있다.
그러나 처리 시간 지연 중 대부분은 데이터 통합 및 분석 단계에서 발생한 것이고, 이는 중앙 처리 서버의 성능에 따라 감축시킬 수 있다. 따라서, 제안 시스템은 용납할 수 있는 수준의 처리 시간 증가만으로 높은 보안성을 만족시켰다고 볼 수 있다.
제안 시스템에서는 경량 암호화 알고리즘, 난독화 기반 유효성 검증 등 경량 보안 알고리즘을 적용하고 비교적 높은 처리 성능을 요구하는 보안 알고리즘은 중앙 처리 서버에 배치함으로써 최소한의 처리 부하만으로 보안 공격에 강인한 사물인터넷 센서 기반 정보 시스템을 구성했다. 또한, 제안 시스템에 적용한 각 보안 기법의 일부를 실제로 구현하고 그 성능을 분석하여 실현 가능성을 보였다.
하드웨어 조작을 통한 데이터 조작, 적대적 이미지 공격, 보간 알고리즘 공격, 데이터 탈취, 서비스 거부 공격 등의 보안 공격을 공격의 목표가 되는 처리 단계에 따라 분류하고, 각 처리 단계의 처리 위치 및 특성에 따라 보안 알고리즘을 배치함으로써 보안 공격에 강인한 사물인터넷 센서 기반 정보 시스템 구조를 제안했다. 사물인터넷 센서 기반 정보 시스템은 다수의 저전력, 저성능 처리 장치 기반 센서 장치를 사용해 센싱 데이터를 수집하는 특성으로 인해 기존에 제안되고 사용하던 보안 기법을 그대로 적용하기 어렵다. 제안 시스템에서는 경량 암호화 알고리즘, 난독화 기반 유효성 검증 등 경량 보안 알고리즘을 적용하고 비교적 높은 처리 성능을 요구하는 보안 알고리즘은 중앙 처리 서버에 배치함으로써 최소한의 처리 부하만으로 보안 공격에 강인한 사물인터넷 센서 기반 정보 시스템을 구성했다.
본 논문에서 제안하는 시스템은 센서 장치와 중앙 데이터 처리 장치가 미리 합의한 난독화 함수를 적용하여 공격자가 임의로 삽입한 데이터가 정상 데이터와 완전히 다른 범위에서 나타나도록 한다. 이러한 방법을 적용함으로써 사물인터넷 센서 기반 정보 시스템의 실시간성을 유지하면서 동시에 센싱 데이터의 유효성을 빠르게 검증할 수 있다.
탐지율은 삽입된 거짓 데이터 중 탐지 기법에 의해 탐지된 데이터의 비율을 의미한다. 전체 데이터 중 거짓 데이터가 차지하는 비율이 증가함에 따라 탐지율이 저하되는 분포도 분석 기반 기법과 달리 난독화 기반 기법은 전체 데이터 중 거짓 데이터의 비율에 상관없이 비교적 높은 정확도를 유지하는 것을 확인할 수 있다. 분포도 분석 기반 기법의 경우 전체 데이터 중 거짓 데이터 비율이 늘어날수록 거짓 데이터를 중심 분포에서 떨어진 이상치가 아닌 또 다른 군집을 이루는 정상 데이터로 판단하는 것으로 추측할 수 있다.

후속연구

향후 연구에서는 최근 보급이 확대되고 있는 영상 데이터 기반의 정보 시스템을 대상으로 하는 다양한 고수준 보안 공격과 이에 효과적으로 대응하기 위한 보안 기법을 연구하고자 한다. 이를 통해 제안하는 사물인터넷 센서 기반 정보시스템의 응용 범위를 확장할 수 있다.

참고문헌 (30)

Abbasi, A., Sarker, S. and Chiang, R. H., "Big data research in information systems: Toward an inclusive research agenda", Journal of the association for information systems, Vol.17, No.2, pp.3, 2016. http://dx.doi.org/10.17705/1jais.00423

상세보기
Moo-kyung Jung, Chang-yong Choi, Ho-cheol Lee and Dong-myung Lee, "A Design of Platform of Portable Cultural Asset Surveilance System", In Proceedings of Korea Institute of Information and Communication Engineering Conference, pp.599-600, 2013. https://koreascience.kr/article/CFKO201331751950292.page
Dziak, D., Jachimczyk, B. and Kulesza, W. J. "IoT-based information system for healthcare application: design methodology approach", Applied Sciences, Vol.7, No.6, pp.596, 2017. https://doi.org/10.3390/app7060596

상세보기
Guo, Y. and Qu, J. "Study on intelligent logistics management information system based on IOT and cloud computation in big data era", The Open Cybernetics & Systemics Journal, Vol.9, No.1, 2015. http://dx.doi.org/10.2174/1874110X01509010934
Tharayil, K. S., Farshteindiker, B., Eyal, S., Hasidim, N., Hershkovitz, R., Houri, S. and Oren, Y. "Sensor defense in-software (SDI): Practical software based detection of spoofing attacks on position sensors", Engineering Applications of Artificial Intelligence, Vol.95, pp.103904, 2020. https://doi.org/10.1016/j.engappai.2020.103904

상세보기
Kuemper, D., Iggena, T., Toenjes, R. and Pulvermueller, E. "Valid. IoT: a framework for sensor data quality analysis and interpolation", In Proceedings of the 9th ACM Multimedia Systems Conference, 2018, pp.294-303. https://doi.org/10.1145/3204949.3204972
Xiao, Q., Chen, Y., Shen, C., Chen, Y. and Li, K. "Seeing is not believing: Camouflage attacks on image scaling algorithms", In 28th {USENIX} Security Symposium ({USENIX} Security 19), pp.443-460, 2019. https://www.usenix.org/conference/usenixsecurity19/presentation/xiao
Chakraborty, A., Alam, M., Dey, V., Chattopadhyay, A. and Mukhopadhyay, D. "Adversarial attacks and defences: A survey", arXiv preprint, arXiv:1810.00069, 2018. https://doi.org/10.48550/arXiv.1810.00069
Mo, Y. and Sinopoli, B. "False data injection attacks in control systems", In Preprints of the 1st workshop on Secure Control Systems, pp.1-6, 2010. https://ptolemy.berkeley.edu/projects/truststc/conferenc es/10/CPSWeek/papers/scs1_paper_7.pdf
Dean, J. and Ghemawat, S. "MapReduce: simplified data processing on large clusters", Communications of the ACM, Vol.51, No.1, pp.107-113, 2008. https://doi.org/10.1145/1327452.1327492

상세보기
Apache, "Apache Hadoop", https://hadoop.apache.org
Apache, "Apache Spark", https://spark.apache.org
Tcheumadjeu, L. C. T., Luber, A., Brockfeld, E., Gurczik, G., Sohr, A. and Sauerlander, A. "Integration of mobile wireless RF sensors into a traffic information system", Transportation research procedia, Vol.25, pp.1865-1883, 2017. https://doi.org/10.1016/j.trpro.2017.05.168

상세보기
Kapalova, N., Khompysh, A., Arici, M. and Algazy, K. "A block encryption algorithm based on exponentiation transform", Cogent Engineering, Vol.7 No.1, pp.1788292, 2020. https://doi.org/10.1080/23311916.2020.1788292

상세보기
Ma, Y., Li, C. and Ou, B. "Cryptanalysis of an image block encryption algorithm based on chaotic maps", Journal of Information Security and Applications, Vol.54, pp.102566, 2020. https://doi.org/10.1016/j.jisa.2020.102566

상세보기
Boukerche, A., Zheng, L. and Alfandi, O. "Outlier detection: Methods, models, and classification", ACM Computing Surveys (CSUR), Vol.53, No.3, pp.1-37, 2020. https://doi.org/10.1145/3381028

상세보기
Yoon, C., Huh, M., Kang, S. G., Park, J. and Lee, C. "Implement smart farm with IoT technology", In 2018 20th International Conference on Advanced Communication Technology (ICACT), pp.749-752, 2018. https://doi.org/10.23919/ICACT.2018.8323908
Chatterjee, S., Kar, A. K. and Mustafa, S. Z. "Securing IoT devices in smart cities of India: from ethical and enterprise information system management perspective", Enterprise Information Systems, Vol.15, No.4, pp.585-615, 2021. https://doi.org/10.1080/17517575.2019.1654617

상세보기
Anaya, E., Patel, J., Shah, P., Shah, V. and Cheng, Y. "A Performance Study on Cryptographic Algorithms for IoT Devices", In Proceedings of the Tenth ACM Conference on Data and Application Security and Privacy, pp.159-161. 2020. https://doi.org/10.1145/3374664.3379531
Sung-sik Mun, Mi-hui Kim, "Dos Attack Defense Using SDN and Honeypot", In Proceedings of Korea Information Processing Society Conference, pp.397-400. 2020. https://doi.org/10.3745/PKIPS.y2020m11a.397
Joon-hyuk Yoon, Mi-hui Kim, "Smart parking system using mobile crowdsensing: focus on removing privacy information", In Proceedings of the Korea Information Processing Society Conference, pp.32-35, 2018. https://doi.org/10.3745/PKIPS.y2018m05a.32
Sharma, P. S., Roy, P. K., Ahmad, N., Ahuja, J. and Kumar, N., "Localisation of License Plate and Character Recognition Using Haar Cascade", In 2019 6th International Conference on Computing for Sustainable Global Development (INDIACom), pp.971-974, 2019. https://ieeexplore.ieee.org/abstract/document/8991267
Kim, B., Abuadbba, A., Gao, Y., Zheng, Y., Ahmed, M. E., Kim, H. and Nepal, S. "Decamouflage: A Framework to Detect Image-Scaling Attacks on Convolutional Neural Networks", arXiv preprint, arXiv:2010.03735, 2020. https://doi.org/10.48550/arXiv.2010.03735
Quiring, E., Klein, D., Arp, D., Johns, M. and Rieck, K. "Adversarial preprocessing: Understanding and preventing image-scaling attacks in machine learning", In 29th {USENIX} Security Symposium ({USENIX} Security 20), pp.1363-1380, 2020. https://www.usenix.org/conference/usenixsecurity20/pr esentation/quiring
Angelin, B. and Geethe, A., "Outlier Detection using Clustering Techniques-K-means and K-median", In 2020 4th International Conference on Intelligent Computing and Control Systems, pp.373-378, 2020. https://doi.org/10.1109/ICICCS48265.2020.9120990
Grosse, K., Manoharan, P., Papernot, N., Backes, M. and McDaniel, P., "On the (statistical) detection of adversarial examples", arXiv preprint, arXiv: 1702.06280, 2017. https://doi.org/10.48550/arXiv.1702.06280
Giuste, F. O. and Vizcarra, J. C., "CIFAR-10 Image Classification Using Feature Ensembles", arXiv preprint, arXiv:2002.03846, 2020. https://doi.org/10.48550/arXiv.2002.03846
Qureshi, A. U. H., Larijani, H., Yousefi, M., Adeel, A. and Mtetwa, N. "An adversarial approach for intrusion detection systems using Jacobian Saliency Map Attacks (JSMA)", Algorithm. Computers, Vol.9, No.3, p. 58, 2020. https://doi.org/10.3390/computers9030058

상세보기
Liu, H. and Wang, X. "Image encryption using DNA complementary rule and chaotic maps", Applied Soft Computing, Vol.12, No.5, pp.1457-1466, 2012. https://doi.org/10.1016/j.asoc.2012.01.016

상세보기
Sultana, S. F. and Shubhangi, D. C. "Video encryption algorithm and key management using perfect shuffle", International Journal of Engineering Research and Applications, Vol.7, No.2, pp.1-5, 2017. http://dx.doi.org/10.9790/9622-0707030105

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