본 논문은 임베디드 시스템에 대한 보안 위협인 하드웨어 트로이 목마(HT)를 효율적으로 탐지하기 위한 자체 지도 학습과 신경망 구조 검색(NAS)을 활용한 적응형 프레임워크인 SAND를 제안한다. SAND는 수동으로 설계된 특징에 대한 의존성을 제거하기 위해 자체 지도 학습을 사용하고, 보이지 않는 벤치마크에 적응하기 위해 NAS를 통합하여 효율적인 HT 탐지를 수행한다.
시사점, 한계점
•
시사점:
◦
자체 지도 학습을 활용하여 수동 특징 추출의 필요성을 제거하고 자동화된 특징 추출을 가능하게 함.
◦
NAS를 통해 다운스트림 분류기를 동적으로 최적화하여 보이지 않는 벤치마크에 대한 적응성을 향상시킴.
◦
최첨단 방법론보다 최대 18.3% 향상된 탐지 정확도를 달성하고, 회피성 트로이 목마에 대한 높은 탄력성과 강력한 일반화 성능을 입증함.
