IoT 환경에서 공격 탐지를 위한 새로운 하이브리드 딥러닝 모델: 트랜스포머 접근법을 이용한 합성곱 신경망

Muskan Garg; Sima Singh

doi:10.3791/68750

이 콘텐츠를 보려면 JoVE 구독이 필요합니다. 로그인하거나 오늘 무료 평가판을 시작하세요.

연구 논문

IoT 환경에서 공격 탐지를 위한 새로운 하이브리드 딥러닝 모델: 트랜스포머 접근법을 이용한 합성곱 신경망

682 조회수

⸱

DOI:

10.3791/68750

⸱

2025년 11월 18일

Muskan Garg¹ , Sima Singh²

¹Computer Science (FPA), Dada Lakhmi Chand State University of Performing and Visual Arts (DLCSUPVA), ²Faculty of Planning and Architecture, Dada Lakhmi Chand State University of Performing and Visual Arts (DLCSUPVA)

이 논문에서

요약

이 연구는 IoT 환경에서 공격을 탐지하기 위해 합성곱신경망(CNN)과 트랜스포머를 결합한 하이브리드 딥러닝 모델을 제시합니다. CIC-IoT-2023 데이터셋을 활용한 이 모델은 99.97%의 정확도와 0.0123의 손실이라는 높은 성능 지표를 달성하며 실시간 공격 탐지에서 그 효과를 입증했습니다.

초록

사물인터넷(IoT) 기기의 급속한 발전은 연결성과 접근성을 향상시켰습니다. 그럼에도 불구하고, 이러한 환경의 상호 연결성이 높아지면서 새로운 위협 수준이 높아지면서 강력한 이상 탐지가 필요합니다. 본 연구에서는 딥러닝을 기반으로 한 새로운 보안 방법을 제시하여 사물인터넷 네트워크와 관련된 특정 위협을 완화합니다. 제안된 접근법은 딥 뉴럴 네트워크를 활용하여 네트워크 활동 패턴을 효율적으로 모니터링하고 실시간 통신에서 잠재적 취약점을 탐지합니다. 본 연구에서는 IoT 네트워크에서 공격 탐지 및 분류를 위한 하이브리드 CNN-트랜스포머 모델을 제안합니다. 이 접근법을 만들고 테스트하기 위해, 우리는 7개의 서로 다른 범주에 걸쳐 33가지 서로 다른 IoT 위협 유형을 포함하는 CIC-IoT-2023 데이터셋을 분석했습니다. 실험 결과는 제안된 모델이 99.96%의 정밀도, 99.96%의 리콜율, 99.96%의 F1 점수, 99.97%의 정확도와 0.0123의 손실로 매우 잘 작동함을 보여줍니다. 더불어, 제안된 모델은 계산 시간과 자원 소모를 기반으로 분석되어, 높은 정확도를 유지하면서도 계산 복잡도를 최소화하면서 공격을 탐지하고 분류하는 데 효과적임을 입증합니다.

서론

사물인터넷 기술은 최근 몇 년간 크게 발전했으며, 우리는 매우 상호 연결된 디지털 세계에 진입했습니다. 현재 의료, 농업, 운송, 항공우주, 생산 등 다양한 산업에서 사물인터넷(IoT) 기기가 사용되고 있습니다^. 저명한 전문가들은 사물인터넷(IoT)과 관련 애플리케이션이 2025년까지 세계 경제에 큰 영향을 미칠 것으로 예측하며, 연간 영향은 3.9조 달러에서 11.1조 달러에 이르고^{있습니다.} 반면, 이 완벽한 연결로 인해 새로운 보안 관련 문제도 발생합니다. IoT 기기가 발전함에 따라 사이버 공격에 점점 더 취약해졌고, 이로 인해 무단 접근과 공격을 방지하는 것이 필요해졌습니다. 다양한 기기가 존재하는 환경에서는 어떤 기기^{가 다른 기기}보다 공격에 더 취약합니다. 이 장치들은 사물인터넷(IoT) 시스템의 보안에 영향을 미칠 뿐만 아니라, 시스템에 포함된 전송 채널에도 영향을 미치며, 전송 네트워크가 일부 또는 전체적으로 고장 날 수도 있습니다. 머신러닝(ML)과 딥러닝(DL)은 인공지능(AI)의 두 분야로, 의료 시스템⁴, 컴퓨터 비전