본 논문은 고속도로 기반 차량 Ad Hoc 네트워크(VANET)에서 분산 서비스 거부(DDoS) 공격을 탐지하기 위한 강력하고 확장 가능한 프레임워크를 제시합니다. NS-3, SUMO, 그리고 독일 A81 고속도로의 실제 이동성 추적 데이터(OpenStreetMap 추출)를 사용하여 DDoS, VoIP, VideoTCP 세 가지 트래픽 유형을 포함하는 합성 데이터셋을 생성했습니다. 데이터 전처리 과정으로 정규화, SNR 특징 공학, 결측치 보정, SMOTE를 이용한 클래스 균형화를 수행하였고, SHAP을 이용하여 특징 중요도를 평가했습니다. XGBoost, CatBoost, AdaBoost, GradientBoosting, 인공 신경망 등 11가지 분류기를 비교 평가한 결과, XGBoost와 CatBoost가 96%의 F1-score를 달성하며 최고의 성능을 보였습니다. 이는 제안된 프레임워크의 강력함과 VANET의 중요한 비상 통신 보안을 위한 실시간 배포 가능성을 강조합니다.
