[논문]DUML 패킷 분석을 통한 드론 비행기록 포렌식 시스템

윤여훈; 윤주범

doi:10.13089/jkiisc.2024.34.1.103

[국내논문] DUML 패킷 분석을 통한 드론 비행기록 포렌식 시스템
Drone Flight Record Forensic System through DUML Packet Analysis

情報保護學會論文誌 = Journal of the Korea Institute of Information Security and Cryptology, v.34 no.1, 2024년, pp.103 - 114

초록
AI-Helper

드론 범죄가 지속적으로 증가하고 있는 상황에서 드론에 대한 사고 예방 및 대응을 위한 드론 포렌식 연구가 매우 중요해지고 있다. 불법적인 범죄 행위를 수사하기 위해서는 드론 내부 저장소에 생성되는 비행기록 파일에 대한 포렌식 분석이 필수적이다. 하지만 독점 DUML 프로토콜로 생성되는 비행기록 파일을 분석하기 위해서는 프로토콜의 구조와 특징에 대한 개념이 반드시 필요하며 암호화되는 Payload에 대응하고 다양한 드론 모델에 대한 분석이 가능한 포렌식 분석 도구가 필요하다. 따라서 본 연구를 통해 먼저 드론에서 생성되는 비행기록 파일의 획득 방법과 특징을 제시하고 비행기록 파일을 이루고 있는 구조와 DUML 패킷의 특징을 설명한다. 최종적으로 제시한 DUML 패킷의 구조에 따른 포렌식 분석을 수행하고 기존 도구보다 범용적으로 동작하며 확장된 구문 분석을 수행하는 확장 포렌식 분석 시스템을 제안한다.

Abstract ▼ AI-Helper

In a situation where drone-related crimes continue to rise, research in drone forensics becomes crucial for preventing and responding to incidents involving drones. Conducting forensic analysis on flight record files stored internally is essential for investigating illegal activities. However, analyzing flight record files generated through the exclusive DUML protocol requires a deep understanding of the protocol's structure and characteristics. Additionally, a forensic analysis tool capable of handling cryptographic payloads and analyzing various drone models is imperative. Therefore, this study presents the methods and characteristics of flight record files generated by drones. It also explains the structure of the flight record file and the features of the DUML packet. Ultimately, we conduct forensic analysis based on the presented structure of the DUML packet and propose an extension forensic analysis system that operates more universally than existing tools, performing expanded syntactic analysis.

Keyword

표/그림 (14)

그림 Fig. 1. System Overview
표 Table 1. Type classification according to storage of Flight log file
그림 Fig. 2. Basic Structure of Flight Log File
그림 Fig. 3. Structure of DUML Packet
그림 Fig. 4. Parsing Differences by Payload Length
표 Table 2. Example of Packet Payload Field
표 Table 3. Analysis of DUML Packets by Model
표 Table 4. Verification of Flight Log
그림 Fig. 5. Phantom4 Pro+ Flight Trajectory
그림 Fig. 6. Phantom4 Pro+ Flight Log Analysis Result
그림 Fig. 7. Mini2 Flight Log Analysis Result
그림 Fig. 9. Inspire2 RC GPS
그림 Fig. 8. Matrice600 Pro RC GPS
표 Table 5. Comparison of Performance between Flight Log Analysis Tools

AI 본문요약
AI-Helper

문제 정의

DJI 비행기록 파일이 아닌 경우 사용자에게 오류를 보고하고, 정상적인 비행기록 파일인 경우 파일 헤더를 통해 파일 버전에 따른 구문 분석 동작 준비를 한다. 이후, DUML 패킷의 탐색을 진행하며 동시에 체크섬 검사를 통해 오류 패킷의 필터링과 사용자에게 보고한다. 정상적으로 추출된 DUML 패킷의 구문 분석을 수행하기 전, 패킷 헤더를 참조하여 전처리 과정을 진행하는데 이를 Preprocessing Module에서 수행한다.
하지만 드론 모델별로 비행기록 파일 구조는 상이한데, 비행 기록 파일의 구문 분석을 위해서라면 파일 구조를 파악해야 한다. 따라서 본 연구를 통해 기존의 구문 분석 도구인 DatCon과 앞서 획득한 비행기록 파일을 분석하여 구조와 특징들을 제시하였다.

제안 방법

따라서 본 연구를 통해 먼저 드론 모델별 비행기록 파일 저장소에 따른 획득 방법과 그 특징을 제시한 뒤, 23년 3월 출시한 DatCon 4.3.0을 분석하여 얻은 올바른 DUML 패킷 구조와 특징을 제시한다. 아울러 기존 도구들의 한계점들을 개선하여 개발된 드론 비행기록 확장 분석 시스템 (Flight Log Extension Parsing System)을 제안한다.
0을 분석하여 얻은 올바른 DUML 패킷 구조와 특징을 제시한다. 아울러 기존 도구들의 한계점들을 개선하여 개발된 드론 비행기록 확장 분석 시스템 (Flight Log Extension Parsing System)을 제안한다.
또한 Phantom3 모델에서만 테스트가 진행되었기 때문에 보완이 필요하다. 이를 보완하기 위해 Latzo 등[19]의 연구에서 Inspire2, Phantom4 Adv, Matrice600 Pro 드론을 추가적으로 테스트하여 개발한 DROP Extension을 제안하였다. 하지만 Phantom3의 비행기록 파일에 대해서 잘못된 분석을 수행하는 기존 DROP의 문제점을 그대로 갖고 있으며, 범용적이지 못하다는 한계가 존재한다.
따라서 먼저 본 연구를 통해서 20종의 드론 모델 별 비행기록 파일 저장소에 따른 획득과 특징을 분류한다. 이후, 16종의 드론 모델을 테스트하여 기존의 분석 도구에서는 지원하지 않는 DUML 패킷에 대한 분석과 올바른 DUML 구조가 반영된 확장 비행 기록 분석 시스템인 FLEPS를 제안한다.
따라서 먼저 본 연구를 통해서 20종의 드론 모델 별 비행기록 파일 저장소에 따른 획득과 특징을 분류한다. 이후, 16종의 드론 모델을 테스트하여 기존의 분석 도구에서는 지원하지 않는 DUML 패킷에 대한 분석과 올바른 DUML 구조가 반영된 확장 비행 기록 분석 시스템인 FLEPS를 제안한다.
이후, DUML 패킷의 탐색을 진행하며 동시에 체크섬 검사를 통해 오류 패킷의 필터링과 사용자에게 보고한다. 정상적으로 추출된 DUML 패킷의 구문 분석을 수행하기 전, 패킷 헤더를 참조하여 전처리 과정을 진행하는데 이를 Preprocessing Module에서 수행한다. 프로토콜에 맞게 바이트 단위로 의미를 초기화한다.
Type3는 드론 내부 저장소에 SD 카드가 따로 존재하지 않고 플래시 메모리만 존재하는 경우이다. 따라서 플래시 메모리를 Chip-off 방법으로 추출하고 메모리 이미지 덤프를 통해 바이너리 파일을 얻은 뒤, 해당 펌웨어 바이너리 파일에서 파일 시스템을 식별하고 비행기록 파일을 추출한다[22]. 바이너리 파일을 획득하기 위해선 하드웨어 전문 지식이 필요하며 [20]의 드론 플래시 메모리의 바이너리 파일을 이용하여 비행기록 파일 추출하였다.
따라서 플래시 메모리를 Chip-off 방법으로 추출하고 메모리 이미지 덤프를 통해 바이너리 파일을 얻은 뒤, 해당 펌웨어 바이너리 파일에서 파일 시스템을 식별하고 비행기록 파일을 추출한다[22]. 바이너리 파일을 획득하기 위해선 하드웨어 전문 지식이 필요하며 [20]의 드론 플래시 메모리의 바이너리 파일을 이용하여 비행기록 파일 추출하였다. 획득한 바이너리 파일로부터의 파일 시스템 식별 및 추출 도구로는 binwalk[23]를 사용하였다.
기존의 오픈 소스 포렌식 프로젝트를 FLEPS에 통합함으로써 Framework를 구성할 수 있었다. 또한, 우리는 비행기록 파일을 분석하기에 앞서, 정확한 분석을 위해 DatCon[4]과 DROP[5]을 사용하여 비행기록 파일 및 패킷 검증 단계를 구현했다. 또한 범용적인 드론 모델에 대응되고 자세한 패킷 타입 분석을 위해서 Dissector[24]를 통합함으로써 확장 비행기록 구문 분석 시스템을 구현하였다.
또한, 우리는 비행기록 파일을 분석하기에 앞서, 정확한 분석을 위해 DatCon[4]과 DROP[5]을 사용하여 비행기록 파일 및 패킷 검증 단계를 구현했다. 또한 범용적인 드론 모델에 대응되고 자세한 패킷 타입 분석을 위해서 Dissector[24]를 통합함으로써 확장 비행기록 구문 분석 시스템을 구현하였다.
비행기록 파일의 구문 분석을 수행하기 위하여 앞서 획득에 성공한 16종의 드론 모델이 기록하는 비행기록 파일에서 DUML 패킷을 추출하고 발견된 패킷 타입 유형을 분석하였다. Table 3는 각 드론이 생성하는 비행기록 파일 중 하나를 임의로 선택하여 분석하였으며 파일을 구성하는 DUML 패킷의 총 개수와 발견된 패킷 타입 유형의 총 개수를 파일 크기 별로 분류하였다.
비행기록 파일의 구문 분석을 수행하기 위하여 앞서 획득에 성공한 16종의 드론 모델이 기록하는 비행기록 파일에서 DUML 패킷을 추출하고 발견된 패킷 타입 유형을 분석하였다. Table 3는 각 드론이 생성하는 비행기록 파일 중 하나를 임의로 선택하여 분석하였으며 파일을 구성하는 DUML 패킷의 총 개수와 발견된 패킷 타입 유형의 총 개수를 파일 크기 별로 분류하였다. 비행기록 파일의 크기는 드론의 비행 시간에 따라 상이하기 때문에 최저 19MB의 크기부터 최고 268MB의 크기를 갖는 비행기록 파일을 분석에 사용하였다.
관련 연구에서 언급한 일부 드론 모델에서만 테스트가 되었기 때문에 범용적이지 못하다는 한계가 있다. 따라서 본 장에서 기존 도구에서 지원하는 드론 모델외의 비행기록 파일에서 DUML 패킷을 추출하고 동일한 복호화 방식을 적용하여 분석한 결과가 올바른 결과를 출력하는지 검증을 통해 드론 모델의 확장을 꾀하였다. 예를 들어 기존 분석 방식을 적용한 결과가 이상하거나 불일치하는 정보가 출력된다면 이는 기존의 복호화 방식이 적용되지 않음을 추정할 수 있다.
예를 들어 기존 분석 방식을 적용한 결과가 이상하거나 불일치하는 정보가 출력된다면 이는 기존의 복호화 방식이 적용되지 않음을 추정할 수 있다. 따라서 본 실험은 추가적인 8가지 모델에 대한 출력된 분석 결과 중 GPS 좌표 정보나 시간 정보가 일치하는지 확인을 통해 검증하였다.
앞서 실험에서 드론 모델별로 DUML 패킷의 추출과 분석을 통해 비행기록 파일에 기록된 패킷의 평균 개수와 해당 파일을 구성하고 있는 패킷 타입의 총 개수를 파악하였다. 본 장에서는 발견된 패킷 타입에 대하여 기존 분석 도구들과 본 연구에서 제시하는 확장 비행기록 분석 시스템(FLEPS) 간의 성능을 비교한다.
본 장에서는 발견된 패킷 타입에 대하여 기존 분석 도구들과 본 연구에서 제시하는 확장 비행기록 분석 시스템(FLEPS) 간의 성능을 비교한다. 따라서 도구 간에 비행기록 파일에서 발견된 패킷 타입의 분석 수행 정도를 비교하였다.
본 연구를 통해서 먼저, 드론 모델별로 비행기록 파일 저장소에 따른 3가지 분류를 제시하였다. 각 3가지 분류에 따라 비행기록 파일의 획득 방법과 차이점을 설명하였고 비행기록 파일 저장 정책이 변경되고 있음을 보였다.
이후, DJI의 독점 프로토콜인 DUML 프로토콜에 따라 비행기록 파일이 구성되어지고 있음을 보여 주고 동시에 비행기록 파일의 구조와 DUML 패킷의 구조 및 특징을 제시하였다. 또한 DUML 패킷의 Payload 길이에 따른 분석의 차이점을 언급하며 포렌식 분석 시, 이 점을 고려해야 함을 보여준다.

대상 데이터

본 장에서는 비행기록 파일의 분석을 통해 본 연구에서 제안하는 FLEPS의 구성도와 동작 원리를 설명한다. 또한 드론별 비행기록 파일은 미국 국립 표준 기술 연구원의 드론 포렌식 프로젝트인 VTOLabs[20]에서 제공하는 드론 포렌식 이미지 데이터 셋과 드론 포렌식 논문을 참조하여 분석되었다.
Type 1, 2는 드론 내부 저장소에 플래시 메모리와 SD 카드가 모두 존재하지만 비행기록 파일 획득 경로의 차이점이 존재한다. Type1은 드론을 분해하여 SD 카드를 추출 후, 디스크 이미징을 수행하여 파일을 획득할 수 있다. 본 연구에선 디스크 이미징 도구로 FTK Imager[21]를 사용하였다.
3가지의 Type을 드론의 출시 연월로 미루어 보았을 때, Type 1은 2018년 이전 모델이였으며 Type 2는 2018년~2019년 사이의 모델, Type 3는 Spark를 제외한, 2019년 이후에 출시된 모델이였다. 따라서 DJI의 비행기록 파일 저장 정책이 Type1에서 2로 변경되고 최근에는 3으로 변경되고 있음을 추정할 수 있다.
5번째 필드는 2Bytes 길이의 Log entry type으로 해당 패킷이 의미하는 데이터 종류를 식별하는 필드이다. 예시로, Fig 3은 IMU(Inertial Measurement Unit) 센서 데이터에 관한 DUML 패킷을 표현한 것이며, IMU 센서 데이터의 패킷 타입은 0x0800를 가지며 이때의 Payload는 IMU 센서가 측정한 값이 기록되어 있다. 또한 패킷의 전체 길이는 0x84인 132Bytes를 가지며 이때의 Payload는 IMU 센서가 측정한 값이 기록되어 있다.
Table 3는 각 드론이 생성하는 비행기록 파일 중 하나를 임의로 선택하여 분석하였으며 파일을 구성하는 DUML 패킷의 총 개수와 발견된 패킷 타입 유형의 총 개수를 파일 크기 별로 분류하였다. 비행기록 파일의 크기는 드론의 비행 시간에 따라 상이하기 때문에 최저 19MB의 크기부터 최고 268MB의 크기를 갖는 비행기록 파일을 분석에 사용하였다.
5MB 크기의 비행기록 파일에서 발견된 총 패킷 타입 유형은 37가지 종류가 발견되었다. 이때의 비행기록 파일을 구성하는 총 DUML 패킷은 약 117만 개였다. 같은 DatV1인 Inspire1의 비행기록 파일은 153MB 크기에서 40가지 종류의 패킷 타입이 발견되었고 약 260만개의 패킷으로 구성되었다.
이때의 비행기록 파일을 구성하는 총 DUML 패킷은 약 117만 개였다. 같은 DatV1인 Inspire1의 비행기록 파일은 153MB 크기에서 40가지 종류의 패킷 타입이 발견되었고 약 260만개의 패킷으로 구성되었다. 이로써 DatV1은 평균적으로 약 39가지의 종류로 구성된 DUML 패킷이 1MB 당 약 17,000개의 패킷으로 이루어진 것을 알 수 있다.
우선 Phantom4 시리즈는 83~116 가지의 패킷 타입이 발견되었으며 그 중 Standard 모델은 다른 모델에 비해 매우 많은 DUML 패킷이 발견되었고 평균적으로 1MB 당 약 3만개의 패킷으로 이루어졌다. Mavic2 시리즈는 73~86가지 종류의 패킷 타입으로 이루어졌고 1MB 당 약 17,000개의 패킷으로 이루어졌다. 그 외의 드론 모델들은 최소 41가지의 패킷 타입부터 최대 116가지까지 발견되었으며 1MB 당 약 22,000개의 패킷으로 이루어 졌다.
Table 4는 추가적인 8가지 모델에 대한 분석, 검증을 시도한 결과이다. 분석에 사용된 드론은 Spark, Matrice210, MG-1S, Phantom4 Pro+(2.0), Mavic2 시리즈, Mini2이다. 결과적으로 Mini2 드론을 제외한 7가지 드론 모델의 비행 기록 분석 결과는 Fig 5, 6과 같이 정상적으로 GPS 좌표와 시간 정보가 출력되었다.

데이터처리

앞서 실험에서 드론 모델별로 DUML 패킷의 추출과 분석을 통해 비행기록 파일에 기록된 패킷의 평균 개수와 해당 파일을 구성하고 있는 패킷 타입의 총 개수를 파악하였다. 본 장에서는 발견된 패킷 타입에 대하여 기존 분석 도구들과 본 연구에서 제시하는 확장 비행기록 분석 시스템(FLEPS) 간의 성능을 비교한다. 따라서 도구 간에 비행기록 파일에서 발견된 패킷 타입의 분석 수행 정도를 비교하였다.

이론/모형

Type1은 드론을 분해하여 SD 카드를 추출 후, 디스크 이미징을 수행하여 파일을 획득할 수 있다. 본 연구에선 디스크 이미징 도구로 FTK Imager[21]를 사용하였다. Type3는 드론 내부 저장소에 SD 카드가 따로 존재하지 않고 플래시 메모리만 존재하는 경우이다.
바이너리 파일을 획득하기 위해선 하드웨어 전문 지식이 필요하며 [20]의 드론 플래시 메모리의 바이너리 파일을 이용하여 비행기록 파일 추출하였다. 획득한 바이너리 파일로부터의 파일 시스템 식별 및 추출 도구로는 binwalk[23]를 사용하였다. Type2는 Type3와 마찬가지로 플래시 메모리에 비행기록 파일이 존재하여 Type3 절차와 동일하게 비행기록 파일을 획득할 수 있다.

성능/효과

하지만 각각의 DUML 패킷의 Payload 영역은 기본적으로 암호화가 되어 있기 때문에 패킷 타입을 식별한 뒤, Payload의 분석을 수행하기 전 복호화 과정이 선행되어야만 한다. 복호화 방식을 분석해본 결과, 기존 [5]의 연구에서 제시한 DatV1의 복호화 방식이 DatV3에서도 변경되지 않았다. DatV3의 DUML 패킷의 복호화 계산은 기존과 마찬가지로 패킷 헤더의 4바이트 길이를 갖는 6번째 필드인 Sequence Counter 값이 키 계산에 사용된다.
같은 DatV1인 Inspire1의 비행기록 파일은 153MB 크기에서 40가지 종류의 패킷 타입이 발견되었고 약 260만개의 패킷으로 구성되었다. 이로써 DatV1은 평균적으로 약 39가지의 종류로 구성된 DUML 패킷이 1MB 당 약 17,000개의 패킷으로 이루어진 것을 알 수 있다. 이외의 비행기록 파일은 모두 DatV3이며 모델별로 결과가 다양하기 때문에 시리즈별로 분석할 필요가 있다.
이외의 비행기록 파일은 모두 DatV3이며 모델별로 결과가 다양하기 때문에 시리즈별로 분석할 필요가 있다. 우선 Phantom4 시리즈는 83~116 가지의 패킷 타입이 발견되었으며 그 중 Standard 모델은 다른 모델에 비해 매우 많은 DUML 패킷이 발견되었고 평균적으로 1MB 당 약 3만개의 패킷으로 이루어졌다. Mavic2 시리즈는 73~86가지 종류의 패킷 타입으로 이루어졌고 1MB 당 약 17,000개의 패킷으로 이루어졌다.
하지만 Mini2 드론만은 Fig 7과 같이 이상한 좌표 정보와 시간 정보가 기록되어 있는 것을 확인할 수 있다. 그럼에도 Mini2 비행기록 파일에서도 기존 DUML 패킷이 발견되는 것을 미루어보아, Payload의 암호화 방식이 기존 드론과 다르다고 추정하고 있으며, Mini2 이후에 출시되는 드론 모델들 또한 이와 마찬가지로 기존과 다른 복호화 방식이 적용되어야 비행기록 파일 분석이 가능하다고 판단된다.
본 연구를 통해서 먼저, 드론 모델별로 비행기록 파일 저장소에 따른 3가지 분류를 제시하였다. 각 3가지 분류에 따라 비행기록 파일의 획득 방법과 차이점을 설명하였고 비행기록 파일 저장 정책이 변경되고 있음을 보였다.
실험을 통해 먼저, 16가지의 드론 모델의 비행기록 파일에서 DUML 패킷을 추출하고 패킷 타입의 개수와 그 특징을 제시하였으며, 자세하고 충분한 포렌식 분석을 위해서라면 더 많은 패킷 타입에 대한 구문 분석이 중요하다. 또한 제시한 포렌식 시스템을 통해 기존 도구들과의 성능 비교를 하여 기존 도구들과 다르게 더 자세한 포렌식 분석이 수행됨을 보였다.
0), Mavic2 시리즈, Mini2이다. 결과적으로 Mini2 드론을 제외한 7가지 드론 모델의 비행 기록 분석 결과는 Fig 5, 6과 같이 정상적으로 GPS 좌표와 시간 정보가 출력되었다. 하지만 Mini2 드론만은 Fig 7과 같이 이상한 좌표 정보와 시간 정보가 기록되어 있는 것을 확인할 수 있다.
예를 들어, Phantom4 Adv 드론에서 발견된 패킷 타입 유형의 총 개수는 83개이며 그 중 DatCon과 Drop Extension은 32개의 패킷 타입에 대하여 분석을 수행한다. 하지만 본 연구에서 제시하는 도구는 45개의 유형에 대하여 분석을 지원하기 때문에 기존 도구보다 13개 유형에 대한 분석 확장이 가능하다. 이처럼 전체적으로 최대 14개 패킷 타입에 대해 구문 분석을 지원하기 때문에 포렌식 분석에 있어 더 자세한 구문 분석이 가능하다.

후속연구

실험을 통해 먼저, 16가지의 드론 모델의 비행기록 파일에서 DUML 패킷을 추출하고 패킷 타입의 개수와 그 특징을 제시하였으며, 자세하고 충분한 포렌식 분석을 위해서라면 더 많은 패킷 타입에 대한 구문 분석이 중요하다. 또한 제시한 포렌식 시스템을 통해 기존 도구들과의 성능 비교를 하여 기존 도구들과 다르게 더 자세한 포렌식 분석이 수행됨을 보였다.

참고문헌 (26)

FAA, "UAS Sightings Report" https://www.faa.gov/uas/resources/public_records/uas_sightings_report accessed Jan. 2023.？
Phantom Help, "Phantom help" https://www.phantomhelp.com/getting-started/, accessed Nov. 2023.？
Airdata UAV. "Airdata" https://app.airdata.com/, accessed Sep. 2023.？
DatCon Tool. "Datcon/CsvView" https://datfile.net/DatCon/intro.html, accessed Sep. 2023.？
Clark, D. R., Meffert, C., Baggili, I., and Breitinger, F. "DROP (DRone Opensource Parser) your drone: Forensic analysis of the DJI Phantom III" Digital Investigation, 22, S3-S14. 2017.？

상세보기
NPR, "drone Russia-Ukraine war" https://www.npr.org/2023/03/21/1164977056/a-chinese-drone-for-hobbyists-plays-a-crucial-role-in-the-russia-ukrainewar accessed Mar. 2023.？
DJI, "DJI" https://www.dji.com/kr, accessed Nov. 2023.？
Y. Lee, J. Kim, J. Yu and Yun, J.,"Classification of DJI Drones Based on Flight Log Decryption Method",Journal of The Korea Institute of Information Security & Cryptology,32(1), Feb 2022
Al-Dhaqm, Arafat, et al. "Research challenges and opportunities in drone forensics models." Electronics, vol. 10, no. 13, June 2021？
Roder, A, et al. "Unmanned aerial vehicle forensic investigation process: Dji phantom 3 drone as a case study." arXiv preprint arXiv:1804.08649 Apr 2018？
Iqbal, F. et al. "Drone forensics: A case study on DJI phantom 4" In Proceedings of the 2019 IEEE/ACS16th International Conference on Computer Systems and Applications (AICCSA), pp. 1-6 Nov 2019
Kao, Da-Yu, et al. "Drone forensic investigation: DJI spark drone as a case study." Procedia Computer Science Vol.159,pp.1890-1899,Sep 2019

상세보기
Salamh, F. et al. "UAV forensic analysis and software tools assessment: DJI Phantom 4 and Matrice 210 as case studies." Electronics, Vol 10, no. 6, March 2021？
Stankovic, M. et al. "UAV forensics: DJI mini 2 case study" Drones, Vol 5, no.2, June 2021？

상세보기
Yousef, M. et al. "Drone forensics:A case study on a DJI Mavic Air." 2019 IEEE/ACS 16th International Conference on Computer Systems and Applications (AICCSA). IEEE, pp.1-3, Nov 2021？
Lan, James Kin Wah, and Frankie Kin Wah Lee. "Drone Forensics: A Case Study on DJI Mavic Air 2." 2022 24th International Conference on Advanced Communication Technology (ICACT). IEEE, pp. 291-296. Feb 2022.？
Autopsy. "Autopsy forensic Tool" https://www.basistech.com/autopsy/, accessed Sep. 2023.？
Kumar. R, et al. "Drone GPS data analysis for flight path reconstruction: A study on DJI, Parrot & Yuneec make drones." Forensic Science International: Digital Investigation 38: 301182. Sep 2021？
Latzo. T, et al. "Maraudrone's Map: An Interactive Web Application for Forensic Analysis and Visualization of DJI Drone Log Data." Nordic Conference on Secure IT Systems. Cham: Springer International Publishing, pp. 329-345 Jan 2023？
VTO Labs, "VTO Labs Drone" https://www.vtolabs.com/drone-forensics accessed Nov. 2023.？
FTK Imager. "FTK Imager forensic" https://www.exterro.com/ftk-imager accessed Jun. 2023.？
J. Jeong, et al.,"A Digital Forensic Process for Ext4 File System in the Flash Memory of IoT Devices", Journal of KIISE, 48(8), Aug 2021？
github, "binwalk for extract file" https://github.com/ReFirmLabs/binwalk accessed Sep. 2023.？
github, "dji-firmware-tools" https://github.com/o-gs/dji-firmware-tools/tree/master/comm_dissector accessd Nov 2023？
Schiller, Nico, et al. "Drone Security and the Mysterious Case of DJI's DroneID." Network and Distributed System Security Symposium(NDSS). 2023.？
S. Lee, et al. "A Study on Acquiring Data from DJI Drone using DUML Protocols", Journal of Digital Forensics , 17(2), 89-103. Jun 2023

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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