이 박사학위 논문은 자원이 제한된 헬스케어 사물인터넷(H-IoT) 웨어러블 기기를 겨냥한 사이버 위협에 대응하기 위해 현실적인 데이터셋과 경량 딥러닝 모델을 함께 제안한다. 연구진은 MQTT 및 UDP 기반 DDoS 공격을 다루는 이진분류 데이터셋 두 개(UL-ECE-MQTT-DDoS-H-IoT2025, UL-ECE-UDP-DDoS-H-IoT2025)와, 선택적 전달(SF)·중간자(MITM)·DDoS 공격을 포괄하는 다중분류 데이터셋(UL-ECE-MultiAttack-H-IoT2025)을 Cooja와 ns-3 환경에서 생성했다. 이를 바탕으로 시간적 합성곱 신경망(TCN)과 잔차형 TCN(Res-TCN) 모델을 설계해 모니터링 빈도 기반 탐지와 동적 임계값 기반 완화 전략으로 DDoS를 탐지·차단하도록 했다. 이 모델은 경량화·양자화를 거쳐 TensorFlow Lite로 변환되어 라즈베리파이4에서 실시간·저지연·저전력으로 동작하는 엣지 배포까지 검증됐다. 이는 현실적 데이터셋 구축부터 경량 모델 설계, 엣지 배포까지 아우르는 H-IoT 보안 방어 체계를 제시한다.
- •H-IoT 웨어러블 기기 대상 DDoS·SF·MITM 공격용 현실적 데이터셋 3종을 Cooja·ns-3로 신규 생성
- •경량 딥러닝 모델 TCN·Res-TCN 설계로 MQTT·UDP 기반 DDoS 탐지
- •모니터링 빈도 기반 탐지 + 동적 임계값 기반 완화 전략 결합
- •TensorFlow Lite로 변환해 라즈베리파이4에서 실시간·저전력 엣지 배포 검증
- •데이터셋 구축부터 모델 설계·엣지 배포까지 아우르는 H-IoT 보안 방어 체계 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.
Deep Learning for Cyber Threat Detection and Mitigation in Healthcare-IoT
- 1.자원 제약적인 헬스케어 IoT(H-IoT) 보안을 위한 경량 딥러닝 모델 TCN·Res-TCN 제안
- 2.Cooja·ns-3로 DDoS 이진분류 2종과 SF·MITM·DDoS 다중분류 등 현실적 데이터셋 생성
- 3.모니터링 주파수 기반 탐지와 동적 임계값 기반 완화 전략을 모델에 통합
- 4.양자화 후 TFLite로 변환해 Raspberry Pi 4에서 저지연·저전력 실시간 DDoS 탐지 구현
왜 중요한가?
웨어러블 의료기기의 보안 실패는 곧 환자 안전 위협으로 이어지는데, 기존 딥러닝 방어는 파라미터가 커 자원 제약 기기에 부적합했다. 경량 모델을 엣지(Raspberry Pi)에 실제 배포하고 품질 검증된 데이터셋까지 공개해, H-IoT 실시간 보안의 실용적 구현 경로를 제시했다.
언급 프로젝트
본문 미리보기
arXiv:2608.00118v1 Announce Type: new Abstract: Cybersecurity is a fundamental requirement for protecting wearable devices used in healthcare Internet of Things (H-IoT) systems. Security failures in these resource-constrained systems directly compromise patient safety. Physiological data and network traffic are frequent targets of cyberattacks in H-IoT environments. To address these risks, deep learning-based cybersecurity mechanisms for H-IoT often involve complex architectures with large para
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:35AI 초안
