인공 신경망 이론을 적용한 IoT시스템의 이상현상 탐지 알고리즘

Abstract

사람과 사람이 유선 통신기기를 통하여 원거리에서도 서로 간에 의사를 주고받던 통신기술이 발전함에 따라 휴대폰으로도 인터넷이 가능하게 되었다. 이에 따라 사람들의 생활이 스마트해졌고, 많은 정보를 실시간으로 받고 보관할 수 있게 되었다. 현재 많은 사람들이 생활의 모든 일들을 스마트 기기를 이용하여 처리한다. 이것을 IoT(Internet of Things: 사물 인터넷)라고 정의한다. IoT는 센서와 스마트기기에 통신장치를 연결하여 직접 사람이 조작하지 않아도 필요한 서비스를 제공받도록 한다. IoT 시스템에는 사용자의 서비스 요청정보가 저장된다. 또한 서비스 정보뿐만 아니라, 개인정보(주민번호, 이름, 주소, 은행계좌번호 등)도 포함되므로, IoT 보안의 필요성이 더욱 강조되고 있다. 만약 IoT 시스템의 정보가 악성코드나 침입자를 통해 외부로 유출된다면, 개인정보의 유출뿐만 아니라 원하는 서비스를 제대로 제공하지 못하여 혼란을 일으키게 된다. 그러므로 안정한 시스템을 유지하기 위해서는 IoT 보안이 절실히 필요하다. IoT 보안은 개인정보나 요구되는 서비스를 악성코드나 침입자(해커)의 침입여부를 감시한다. 구체적으로는 IoT 시스템 간의 연동정보를 수집 처리하여 축적된 통계정보를 구축한다. 이 통계정보를 사용하여 침입자 및 악성코드의 행동을 탐지할 뿐만 아니라 인공신경망의 학습이론과 접목하여 IoT 보안시스템을 구축하려 한다. 이에 따라 본 연구에서는 통계정보를 기반으로 인공신경망의 퍼셉트론을 사용하여 IoT 시스템의 침입 또는 시스템의 불규칙적인 상태를 탐지하는 알고리즘을 구성하고자 한다.