연구진이 차량 내부 네트워크(CAN) 보안을 위한 경량 이중 침입탐지시스템(IDS)을 제안했다. 지도학습 기반 양자화 LSTM 모델(QLSTM-IDS)은 서비스 거부·플러딩, 퍼징, 스푸핑 공격에서 99.9% 이상의 탐지 정확도를 달성했으며, 비지도학습 기반 8비트 양자화 합성곱 오토인코더(QCAE-IDS)는 처음 보는 이상 패턴도 99% 이상 정확도로 탐지했다. 두 모델 모두 AMD의 Brevitas·FINN·Vitis-AI 툴체인으로 양자화해 단일 FPGA(ZCU104)에 통합 구현했으며, QLSTM-IDS는 메시지당 0.25밀리초·0.8밀리줄, QCAE-IDS는 0.42밀리초·1.1밀리줄의 지연·에너지 소비로 실시간 처리가 가능함을 보였다.
- •차량용 CAN 네트워크 보안 위한 경량 이중 IDS 프레임워크 제안
- •지도학습 QLSTM-IDS, DoS·퍼징·스푸핑 공격에서 99.9% 이상 탐지 정확도
- •비지도학습 QCAE-IDS, 미지의 이상 패턴도 99% 이상 정확도로 탐지
- •AMD Brevitas·FINN·Vitis-AI로 양자화해 단일 FPGA(ZCU104)에 통합
- •QLSTM-IDS 0.25ms·0.8mJ, QCAE-IDS 0.42ms·1.1mJ로 실시간 처리 가능
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 Defence on Wheels: A Dual Intrusion Detection System Architecture for Comprehensive In-Vehicle Network Security
- 1.차량 내부 CAN 네트워크 보안을 위한 지도·비지도 학습 결합 듀얼 IDS 프레임워크 제안
- 2.양자화 LSTM 기반 QLSTM-IDS, DoS/플러딩·퍼징·스푸핑 공격에 99.9% 이상 탐지정확도
- 3.8비트 양자화 합성곱 오토인코더 QCAE-IDS, 미지의 이상패턴도 99% 이상 정확도로 탐지
- 4.ZCU104 FPGA 단일칩에서 QLSTM-IDS 0.25ms·0.8mJ, QCAE-IDS 0.42ms·1.1mJ의 초저지연·저전력 실현
왜 중요한가?
차량용 ECU는 초당 약 2000개 CAN 프레임을 처리해야 하는 엄격한 실시간·저전력 제약이 있는데, 이번 연구는 FPGA 하드웨어 가속으로 높은 탐지정확도와 밀리초 단위 지연을 동시에 달성해 실차 적용 가능성을 구체적으로 보여준다.
커넥티드 및 자율주행차 개발을 선도하는 국내 자동차 산업에 있어, 차량 내 네트워크 보안은 운전자 안전과 직결되는 핵심 과제입니다. 이중 침입 탐지 시스템 아키텍처 연구는 차량의 외부 연결성 증가로 인한 사이버 공격 위험에 효과적으로 대응할 수 있는 방안을 제시합니다. 이는 국내 완성차 업체들이 미래 모빌리티 기술의 안전성을 확보하고 글로벌 경쟁력을 강화하는 데 중요한 참고 자료가 될 것입니다.
본문 미리보기
arXiv:2610.07489v1 Announce Type: new Abstract: Increasing connectivity to the outside world and the lack of inbuilt security mechanisms have made legacy intra-vehicular networks vulnerable to cyberattacks. Initial research focused on maximising detection accuracy for known and unknown attacks, often using large, full-precision machine learning models. However, embedding IDSs into vehicular electronic systems also requires low detection latency, energy efficiency and minimal electronic control
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안
