External Sinkhole Attack Detection in Large-Scale WSNs Using Metaheuristic Feature Selection | AIChainDay

한국어 요약by Claude · 2026. 8. 23.

이 연구는 대규모 무선 센서 네트워크(WSN)의 기능을 위협하는 싱크홀 공격을 탐지하기 위해 벌떼 군집 최적화(BSO) 알고리즘 기반 메타휴리스틱 특징 선택 기법을 제안한다. 3000×3000㎡ 필드에 2000개 노드를 배치한 외부 싱크홀 공격 시뮬레이션에서 16개 특징 집합을 8개로 절반 줄이면서도 99.7%의 탐지 정확도를 달성했다. 특징 수를 줄이면서도 높은 정확도를 유지함으로써 자원이 제한된 WSN 환경에서 실시간 침입 탐지에 실용적으로 적용 가능함을 보여준다.

•벌떼 군집 최적화(BSO) 기반 메타휴리스틱 특징 선택 기법 제안
•2000개 노드 규모 외부 싱크홍 공격 시뮬레이션으로 검증
•16개 특징을 8개로 절반 감축하면서도 탐지 정확도 99.7% 유지
•자원 제약적인 WSN 환경에 적합한 경량화 탐지 기법 제시

0단 자동

AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.

규칙 판: 규칙 판 도입 이전 기사입니다.
남기는 것: 규칙 판 · 모델 · 시각
판 기록: 아직 없습니다.

AI2026년 8월 18일AI 점수: 40%

External Sinkhole Attack Detection in Large-Scale WSNs Using Metaheuristic Feature Selection

출처:arXiv cs.CR (암호학·보안)

AI 인사이트

개발자

1.무선센서네트워크(WSN) 싱크홀 공격 탐지에 벌떼최적화(BSO) 기반 특징선택 기법 적용
2.노드 2000개, 3000×3000m² 필드 시뮬레이션에서 탐지 정확도 99.7% 달성
3.16개 특징을 8개로 절반 축소하면서도 정확도 유지

왜 중요한가?

특징 수를 절반으로 줄이면서도 탐지 정확도를 유지해, 연산 자원이 제한된 대규모 센서 네트워크에서도 실시간 침입탐지를 적용할 수 있는 실용적 경량화 사례다.

본문 미리보기

arXiv:2608.15274v2 Announce Type: new Abstract: Sinkhole attacks in large-scale wireless sensor networks (WSNs) pose a serious threat to network functionality. This paper presents a metaheuristic feature selection for sinkhole attack detection using the bee swarm optimization (BSO) algorithm. In an external sinkhole attack simulation with 2000 nodes deployed over a 3000 $\times$ 3000 m$^2$ field, the proposed method achieves a detection accuracy of 0.997 while reducing the 16-feature set to eig

전체 내용이 궁금하다면?

원문을 직접 읽어보세요

원문 보기