본 논문은 사물 인터넷(IoT) 시스템의 증가하는 보안 취약성 문제에 대응하여 봇넷 공격 탐지를 위한 효율적이고 컴팩트한 접근 방식을 제시합니다. 트래픽 패턴 분석, 시간적 지원 학습, 그리고 집중적 특징 추출을 통합한 접근 방식을 사용하며, 어텐션 기반의 CNN-BiLSTM 하이브리드 아키텍처를 활용합니다. N-BaIoT 데이터셋을 사용하여 99%의 분류 정확도를 달성하였으며, 다양한 시나리오에서 높은 정밀도와 재현율을 유지합니다. Matthews Correlation Coefficient와 Cohen's kappa Correlation Coefficient 등의 주요 지표를 통해 성능을 검증하였으며, 실제 환경 및 미지의 데이터에서 봇넷 공격을 정확하고 효율적으로 탐지하는 능력을 보여줍니다. 따라서 제안된 모델은 새로운 보안 과제에 직면한 IoT 네트워크에 대한 강력한 방어 메커니즘이 될 수 있습니다.
