초록 ▼

3. 개발결과 요약
□ 최종목표
스마트 팩토리 내부 네트워크 전송 데이터를 기반으로 패턴을 도출하고 이를 바탕으로 비정상적인 트래픽을 감지 및 대응하는 시스템을 개발

□ 개발내용 및 결과
개발 내용
- 산업 보안 Gateway 개발
1) 안전한 원격 액세스 및 구역 세분화 기능 제공
2) 방화벽, 침입 방지, VPN, 원격 액세스 및 기타 서비스 제공
6) 위협으로부터 보호되는 유무선 서비스 제공을 통한 보안 강화
- Deep Learning 기반 APT 대응 플랫폼

3. 개발결과 요약
□ 최종목표
스마트 팩토리 내부 네트워크 전송 데이터를 기반으로 패턴을 도출하고 이를 바탕으로 비정상적인 트래픽을 감지 및 대응하는 시스템을 개발

□ 개발내용 및 결과
개발 내용
- 산업 보안 Gateway 개발
1) 안전한 원격 액세스 및 구역 세분화 기능 제공
2) 방화벽, 침입 방지, VPN, 원격 액세스 및 기타 서비스 제공
6) 위협으로부터 보호되는 유무선 서비스 제공을 통한 보안 강화
- Deep Learning 기반 APT 대응 플랫폼 개발
1) 스마트공장 보안 모니터링 데이터 수집 및 처리용 분산 플랫폼 구축
2) 산업 특성에 맞는 데이터 수치화 기법 개발
3) 시계열 특성을 반영한 Deep Learning 기반 신경망 모델 적용
4) HBKS(Hierarchical Behavior Knowledge Space)기반 이상패턴 처리 적용
5) 이상패턴의 적응학습 기술 개발
6) 이상패턴 발생원인 분석을 위한 시각화 모듈 개발
7) 임베디드 실행엔진 개발
8) 상시 업데이트 모듈 및 서버 프로그램 개발
- 스마트 공장 자동화 기기 및 산업로봇 적용 보안 Agent 개발
1) 다양한 산업 네트워크 공격에 대한 방어 기능
2) 자동화기기 오작동 외부 공격에 대한 방어 기능
- 스마트 공장 환경 탑재 운영 검증
1) Legacy 보안 플랫폼과 통합
2) 산업보안브릿지, 보안 Gateway 탑재 및 검증
3) 산업용 로봇에 적용을 위한 Agent 대응 로봇제어기 I/F 모듈개발
4) 산업용 로봇에 적용하여 운영 검증
5) 스마트 팩토리 pilot 또는 스마트 팩토리 현장에 적용하여 운영 검증

개발 결과
- 산업 보안 Gateway(H/W)
- Factory Data Network에서 유요한 정보를 추출하는 Statistics Collector(S/W)
- IDS의 패턴 정책과 IPS의 패턴 정책을 구분하는 Pattern Manager(S/W)
- Deep Learning 기반 ATP 대응 플랫폼(S/W)
- 산업 특성에 맞는 데이터 수치화(S/W)
- 시계열 특성을 반영한 Deep Learning 기반 신경망 모델 기술(S/W)
- HBKS(Hierarchical Behavior Knowledge Space)기반 이상패턴 기술(S/W)
- 이상패턴의 적응학습 기술(S/W)
- 산업보안브릿지(S/W)
- 상호 연동(interoperability)이 가능한 로봇제어기 I/F 모듈(S/W)
- 산업보안 Bridge 연동이 가능한 로봇(H/W)

□ 기술개발 배경
기술개발의 필요성
- 스마트공장은 ICT 융합 환경의 다양한 기술요소들의 집합체이며, IT와 제조업의 융합은 IT 환경에서 발생하는 위협이 그대로 상속되어 기존 공장 환경에서 발생하지 않았던 새로운 보안위협이 발생할 수 있음
- 최근 스마트공장은 스마트 제조 혁신의 효과를 극대화하기 위하여 기존에 독점적 운영체제와 폐쇄형 구조의 스마트공장을 개방형 표준 프로토콜로 변경하고 내/외부 연결성을 강화하고 있으며, 이러한 스마트공장 환경 변화에 따라 보안위협이 지속적으로 증가하고 있음
- 그러나, 스마트 팩토리는 제품의 기획, 설계, 제조, 공정, 판매 등 전 과정을 IT로 통합해 최소비용과 시간으로 제품을 생산하는 첨단 공장으로 기존 공장 설비와는 달리 생산과 관련된 사이버 해킹 위협에 노출되어 있음
- 따라서, 생산과 관련된 해킹의 경우 직접적인 생산 차질로 연계되어 회사의 손실과 직결됨으로 이를 해결하기 위한 Deep Learning 기반 통합 대응형 실시간 보안 솔루션 기술 개발이 필요함
- 특히, 다양한 사이버 보안 위협을 감지하고 즉각적 대응은 물론 보안 취약점이나 대중적으로 사용되는 3rd Party 라이브러리 또는 OS취약점 등으로 인해서 메인 시스템이 점령되거나 보안 장비에 알 수 없는 취약점 코드 등에 대한 정밀한 타겟팅으로 공격하는 이상 징후에 대한 자동 탐지로 공격과 방어가 가능한 Deep Learning 기반 보안 플랫폼에 대한 개발이 필요함

□ 핵심개발 기술의 의의
(가상화 기반) 산업 보안 Gateway에 Docker Container 기술을 적용하여 다양한 보안 Application 및 3rd Party Application 탑재 가능
- 기존 네트워크 보안을 위해 단일 H/W로 제공하는 방화벽, 침입 방지, VPN 등을 산업 보안 Gateway에 가상화 기반의 보안 S/W 모듈화
- 다양한 3rd party Application을 산업보안 Gateway에 연동하기 위한 docker 기반의 Container 개발
(도입 비용 절감) 스마트공장 도입에 필요한 IIoT Gateway 기능과 산업보안 Gateway 통합화를 통한 도입 비용 절감 효과 유발
- IIoT 센서　정보를 전달하기 위해 필요한 IIoT Gateway 기능과 산업 보안을 위해 필요한 보안 Gateway 기능을 통합하여 장비 구매 및 유지보수 비용 절감
(Hybrid 방식의 APT 대응) 기존 Legacy APT 보안 모듈과 효과적으로 결합하여 스마트 공장에 특화한 보안 모듈 개발

□ 적용 분야
- 제품의 기획, 설계, 제조, 공정, 판매 등 전 과정을 IT로 통합 구축한 제조업체
- 보안 위협으로 생산성에 차질이 발생할 수 있는 제조업체

(출처 : 최종보고서 초록 5p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 최종보고서 초록 ... 3
• 기술개발사업 주요 연구성과 ... 11
• 목차 ... 15
• 제 1 장 서론 ... 16
• 제 1 절 과제의 개요 ... 16
• 제 2 장 과제 수행의 내용 및 결과 ... 19
• 제 1 절 최종 목표 및 평가 방법 ... 19
• 제 3 절 연차별 개발 내용 및 개발 범위 ... 23
• 제 4 절 수행 결과의 보안등급 ... 64
• 제 5 절 유형적 발생품(연구시설, 연구장비 등) 구입 및 관리 현황 ... 65
• 제 3 장 결과 ... 66
• 제 1 절 연구개발 최종 결과 ... 66
• 1. 연구개발 추진 일정 ... 66
• 2. 연구개발 추진 실적 ... 68
• 3. 기술개발 결과의 유형 및 무형 성과 ... 74
• 제 2 절 연구개발 추진 체계 ... 80
• 1. 각 기관/기업별 역할 및 추진 내역 ... 80
• 제 3 절 고용 창출 효과 ... 82
• 제 4 절 자체보안관리진단표 ... 83
• 제 5 절 안전관리 이행 현황 ... 86
• 1. 연구실 안전조치 ... 86
• 제 4 장 사업화 계획 ... 88
• 제 1 절 시장 현황 및 전망 ... 88
• 제 2 절 사업화 계획 ... 92
• 1. 사업화 목표 ... 92
• 2. 사업화 전략 ... 94
• 제 3 절 향후 추가 기술 개발 계획(개발 기술 응용 등) ... 96
• 끝페이지 ... 97