본 논문은 심층 학습 모델을 이용하여 IoT 악성 공격을 탐지하고, 악성 네트워크 트래픽 탐지에 대한 심층 학습 및 그래프 기반 모델의 종합적인 평가를 제시합니다. GraphSAGE, BERT, TCN, Multi-Head Attention, BI-LSTM Multi-Head Attention, BI-LSTM, LSTM 모델을 사용하여 실험을 진행했습니다. IoT 시스템 트래픽 패턴의 순차적이고 다양한 특성을 활용하여 시간적 패턴을 모델링하고 특징의 중요성을 탐지하는 데 뛰어난 성능을 보였습니다. 실험 결과, BERT 모델이 99.94%의 정확도와 99.99%의 정밀도, 재현율, F1 점수, AUC-ROC 점수를 달성하여 가장 우수한 성능을 보였습니다. Multi-Head Attention 모델은 해석 가능한 결과와 함께 우수한 탐지 성능을 제공했지만, BI-LSTM 변형 모델과 마찬가지로 상당한 처리 시간이 필요했습니다. GraphSAGE 모델은 가장 짧은 훈련 시간을 필요로 했지만 다른 모델에 비해 정확도, 정밀도, F1 점수가 가장 낮았습니다.
