머신러닝 기반 재밍 공격 분류와 효과적인 방어 기법

Abstract

4차 산업의 발전과 함께 지능형 사물인터넷이 홈 네트워킹과 스마트 인프라에 널리 활용되고 있으며 무선 커넥티비티 기술은 전 산업과 일상생활에 필수적인 요소가 되었다. 무선통신 기술은 초고속, 초저지연 요구사항을 만족시키기 위해 진화를 거듭하며 발전하고 있다. 그러나, 주파수와 시간을 분할하여 다중 사용자가 채널을 공유하기 때문에 네트워크가 혼잡해지면 간섭 문제로 인해 서비스 품질 (QoS, Quality of Service)를 보장할 수 없다. 또한 악의적인 공격자는 재밍 공격 (jamming attack)으로 통신 가용성을 침해하거나 데이터의 무결성을 파괴하여 인간의 생명과 안전까지도 위협할 수 있다. 종래 재밍 공격의 탐지 및 대응 기술은 재머의 종류를 세부적으로 탐지하지 못하고 종류와 관계없이 대응하는 경우가 대부분이었으며, 이러한 방식은 지능적인 공격을 탐지하고 방어하는데 한계가 있다. 본 논문에서는 머신러닝 기반의 재밍 공격 유형 분류와 재밍 유형에 따른 차등적 대응이 가능한 재머 분류 및 효과적인 방어 (JCED, Jammer Classification and Effective Defense) 알고리즘을 제안한다. JCED는 재머 유형에 따라 단순 재전송부터 능동적인 배터리 소모 공격까지 다양한 대응 방식을 적응적으로 선택하여 조치할 수 있다. 실험 결과에 따르면 JCED는 재머에 대한 단일 대응만 가능한 대응 탐지 및 일관성 알고리즘 (CDCA, Countermeasure Detection and Consistency Algorithm)보다 24.9% 높은 유효 처리량 (effective throughput)과 23.4% 낮은 에너지 소모율을 보였다. 또한, 무결성 침해 공격이 존재하는 환경에서도 JCED는 CDCA 대비 유효 처리량을 평균 3.05배 향상할 수 있었다. 즉, JCED는 다양한 유형의 재밍 공격에 대한 효과적인 방어 메커니즘으로 작용하여 디지털 정보의 안전성과 높은 처리량을 보장했다.|The fourth industrial revolution has resulted in the intelligent Internet of Things being widely used for home networking applications and smart infrastructure. Consequently, wireless connectivity has become essential in both industrial and daily life applications. Wireless communication is a continuously evolving technology that satisfies the requirements of high speed and ultra-low latency. However, as multiple users utilize a single channel by sharing frequency and time, the quality of service cannot be ensured owing to the interference occurring from a congested network. Additionally, malicious attackers can compromise communication availability or destroy data integrity through jamming attacks, threatening human life and safety. Conventional jamming attack detection and response technology respond to attacks without detecting the type of jammer; therefore, this method exhibits certain limitations in detecting and defending against an intelligent attack. In this study, we propose a novel jammer classification and effective defense (JCED) algorithm that can classify jamming attack types using machine learning and provide differential responses based on the jamming types. Depending on the jammer type, the JCED algorithm can adaptively select various response methods, ranging from simple retransmission to active battery-draining attacks. The experimental results verify that JCED exhibits 24.9% higher effective throughput and 23.4% lower energy consumption than the countermeasure detection and consistency algorithm (CDCA). Moreover, JCED can improve the effective throughput by an average of approximately three times in comparison with CDCA in an environment with integrity violation attacks. Thus, the JCED can serve as an effective defense mechanism against different types of jamming attacks, ensuring the safety and high throughput of digital information.