Główne pojęcia
제로 트러스트 아키텍처(ZTA)를 활용하여 무인 항공기(UAV)의 보안을 강화하고, 심층 학습(DL) 및 설명 가능한 인공지능(XAI) 기술을 통해 UAV 식별 정확도를 높이며, 투명성과 설명 가능성을 제공하는 통합 프레임워크를 제안한다.
Streszczenie
본 연구는 무인 항공기(UAV) 보안을 강화하기 위해 제로 트러스트 아키텍처(ZTA), 심층 학습(DL), 설명 가능한 인공지능(XAI) 기술을 통합적으로 활용하는 방안을 제안한다.
- 제로 트러스트 아키텍처(ZTA) 프레임워크 설명:
- 기존 인증 방식의 한계를 극복하기 위해 지속적인 인증 메커니즘을 도입
- UAV 유형 식별을 통해 관련 보안 정책 및 권한 적용
- 데이터 전처리 및 모델 아키텍처:
- DroneRF 데이터셋 활용, 시간 영역 데이터를 주파수 영역으로 변환
- 주파수 스펙트럼 특성을 기반으로 심층 신경망(DNN) 모델 구축
- PCA를 통해 데이터 차원 축소 및 계산 효율 향상
- 설명 가능한 AI 기술 활용:
- SHAP와 LIME을 통해 모델 예측의 투명성과 해석 가능성 제고
- 보안 애플리케이션에서 AI 의사결정에 대한 신뢰 향상
- 실험 결과 분석:
- PCA 적용 시 계산 시간 단축 및 성능 향상
- 혼동 행렬 분석을 통해 모델의 UAV 식별 정확도 확인(84.59%)
- SHAP와 LIME을 통해 특징 중요도 및 개별 예측 설명 제공
본 연구는 제로 트러스트 아키텍처, 심층 학습, 설명 가능한 AI 기술을 통합하여 UAV 보안을 향상시키는 혁신적인 접근 방식을 제시한다. 이를 통해 UAV 식별의 정확성, 투명성, 설명 가능성을 높여 보안 프로토콜 구현을 지원한다.
Statystyki
RF 신호 기반 UAV 식별 모델의 정확도는 84.59%이다.
PCA 적용 시 계산 시간이 77.2ms에서 51.6ms로 단축되었다.
Cytaty
"제로 트러스트 아키텍처(ZTA) 패러다임은 네트워크 내 모든 엔티티와 통신에 대한 엄격하고 지속적인 인증 프로세스를 요구한다."
"설명 가능한 인공지능(XAI) 기술은 UAV 탐지 모델의 정확성을 높일 뿐만 아니라 의사결정의 투명성과 해석 가능성을 제공하여 이해관계자들의 신뢰를 높인다."