Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Zero-Day Botnet Attack Detection in IoV: A Modular Approach Using Isolation Forests and Particle Swarm Optimization

Created by
  • Haebom
Category
Empty

저자

Abdelaziz Amara korba, Nour Elislem Karabadji, Yacine Ghamri-Doudane

개요

본 논문은 차량 사물 인터넷(IoV) 환경에서 자율 주행 차량(CAV)의 보안 위협을 해결하기 위해, 엣지 기반의 침입 탐지 시스템(IDS)을 제안한다. 제안된 IDS는 다양한 봇넷 공격을 탐지하기 위해 다수의 Isolation Forest(IF) 모델을 Multi-access Edge Computing(MEC) 서버 상에서 학습시키고, Particle Swarm Optimization(PSO) 기반 스태킹 전략을 이용하여 메타 분류기를 구성한다. 실험 결과, 알려진 공격(N-day)에 대해 92.80%, 알려지지 않은 공격(zero-day)에 대해 77.32%의 평균 탐지율을 달성하여, IoV 환경에서 CAV에 대한 확장 가능하고 적응적인 방어 메커니즘을 제공함을 보여준다.

시사점, 한계점

•
시사점:
◦
IoV 환경에서 CAV 보안을 위한 효과적인 엣지 기반 IDS 구현 방안 제시
◦
알려진 공격과 알려지지 않은 공격 모두에 대한 높은 탐지율 달성
◦
PSO 기반 스태킹 전략을 통한 메타 분류기의 강건성 확보
◦
MEC 기반 분산 학습 및 모델 공유를 통한 확장성 확보
•
한계점:
◦
zero-day 공격에 대한 탐지율이 N-day 공격에 비해 상대적으로 낮음 (77.32% vs 92.80%)
◦
실제 IoV 환경에서의 실험 결과가 아닌, 차량 봇넷 데이터셋을 이용한 실험 결과 제시
◦
다양한 유형의 공격에 대한 포괄적인 평가가 부족할 수 있음
◦
PSO 기반 스태킹 전략의 매개변수 최적화에 대한 자세한 설명 부족
👍
Made with Slashpage