$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

가상 개발환경 기반의 차량용 사이버훈련 프레임워크 설계: 공격 중심으로 원문보기

情報保護學會誌 = KIISC review, v.33 no.4, 2023년, pp.23 - 29  

조영복 (고려대학교 과학기술대학 인공지능사이버보안학과) ,  최수빈 (고려대학교 과학기술대학 인공지능사이버보안학과) ,  오병윤 (고려대학교 과학기술대학 인공지능사이버보안학과) ,  김호준 (고려대학교 과학기술대학 인공지능사이버보안학과) ,  최영호 (고려대학교 과학기술대학 인공지능사이버보안학과) ,  정성훈 (고려대학교 정보보호연구원) ,  곽병일 (한림대학교 정보과학대학 소프트웨어학부) ,  한미란 (고려대학교 과학기술대학 인공지능사이버보안학과)

초록
AI-Helper 아이콘AI-Helper

대부분의 임베디드 시스템은 기계장치와 전자기기 장치가 함께 작동되는 물리 장치로써, 이기종 네트워크, 복잡한 보안체계 등을 고려하여 가상화 기반 사이버훈련 환경이 구성되어야 한다. 또한, 차량을 대상으로 물리적인 실험환경에서 모의침투 등 사이버훈련을 수행한다는 것은 교통사고를 비롯한 안전사고 발생에 있어 위험이 존재한다. 본 논문에서는 가상 개발환경에서의 공격 기반 차량용 사이버훈련 프레임워크를 제안하고자 한다. 먼저, 공격 기반 차량용 사이버훈련 프레임워크의 작동은 자동 활성화되는 가상의 CAN 네트워크 인터페이스로 시작된다. 가상의 CAN 네트워크 인터페이스는 가상 머신에서 간단한 부트스트랩 명령어 실행을 통해 파이썬 패키지와 Ubuntu 서비스 목록 설치 명령이 자동으로 실행되면서 설치된다. 이후 내부 네트워크 시뮬레이터와 공격모듈과 관련된 UI가 자동으로 Ubuntu Systemd에 의해 백그라운드에서 실행되어 시작과 동시에 준비 상태를 유지하게 된다. 사이버훈련 UI 내 공격 모듈은 사용자에 의한 공격 선택 및 파라미터 셋팅 이후 차량의 이상 상태를 사이버훈련 UI에 다시 출력되게 된다. 본 논문에서 제안하는 가상 개발환경 기반의 차량용 사이버훈련 프레임워크는 자율주행 차량 사고의 위험이나 다른 특수한 제약 없이 사용자의 학습 경험을 확장시킬 수 있다. 또한, 기존의 가상화 기반 사이버훈련 교육 콘텐츠와는 달리 일반 사용자들이 접근하기 쉬운 형태로 확장 개발이 가능하다.

표/그림 (8)

참고문헌 (12)

  1. 한국인터넷진흥원(KISA), Security-Gym, June？2022, https://www.kisa.or.kr/ 

  2. 사이버안전훈련센터, June 2022, https://www.cstec.kr/cstec/kor/html/sub01/sub0101.html 

  3. CyberGym, Israel, June 2022, https://www.cybergym.com/#section_1 

  4. Raytheon Technologies, USA, June 2022, https://www.raytheon.com/cyber/capabilities/range 

  5. 이대성, "국내외 사이버 보안 훈련 동향", 한국정보통신학회논문지, 25 (6), pp.857-860, 2021 

  6. 최영한, 장인숙, 황인택, 김태균, 홍순좌, 박인성, 양진석, 권영재, 강정민, "사이버위기 경보 기반 사이버 방어 훈련장 설계 및 구축 연구", 정보보호학회논문지, 30 (5), pp.805-821, 2020. 

  7. Oesch, T Sean, Bridges, Robert, Verma, Miki,？Weber, Brian, & Diallo, Oumar, "D2U: Data？Driven User Emulation for the Enhancement of？Cyber Testing, Training, and Data Set？Generation", 14th Cyber Security Experimentation and Test Workshop, 2021. 

  8. S. Maxwell, M. Lucas, D. Bowman, T. Richer,？J. Kim, D. Marriott, "CybORG: A Gym for the？Development of Autonomous Cyber Agents",？International Joint Conference on Artificial？Intelligence, 2021. 

  9. 김동화, 김용현, 안명길, 이희조. "사이버보안훈련을 위한 ATT&CK 기반 사이버위협모의기술연구", 한국컴퓨터정보학회논문지, 25 (9), 71-80,？2020. 

  10. Han, Mee Lan, Byung Il Kwak, and Huy Kang？Kim. "Anomaly intrusion detection method for？vehicular networks based on survival analysis."？Vehicular communications 14 (2018): 52-63. 

    상세보기

  11. Han, Mee Lan, Byung Il Kwak, and Huy Kang？Kim. "Event-triggered interval-based anomaly detection and attack identification methods for an in-vehicle network." IEEE Transactions on Information Forensics and Security 16 (2021):？2941-2956. 

    상세보기

  12. Lin, Yubin, et al. "An evolutionary deep learning？anomaly detection framework for in-vehicle net- works-CAN bus." IEEE Transactions on Industry？Applications (2020). 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로