Information and Communications Magazine (정보와 통신)

The Korean Institute of Commucations and Information Sciences (한국통신학회)
권호 표지

인공지능과 사물인터넷 융합 보안 기술 연구방안

  • Published : 2017.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

사물인터넷 기술이 발전하면서, 데이터 및 소프트웨어 보안에 대한 이슈가 발생하고 있다. 사물인터넷은 다수의 이기종 디바이스와 플랫폼을 포함하는 환경으로 다양한 공격기술을 시도할 수 있으며, 이러한 공격기술은 급속도로 변화하고 있다. 반면에 보안기술은 이러한 공격기술의 발전속도를 따라가지 못하고 있으며, 특히 개인정보유출의 문제는 아주 큰 이슈가 되었다. 급격하게 발전하는 공격에 대응하기 위해서는 지능형 알고리즘을 이용한 보안기술을 마련할 필요가 있다. 본고에서는 딥러닝 기반의 보안기술 및 사물인터넷 기술 동향을 살펴보고, 이를 토대로 사물인터넷 환경에서 딥러닝 기반의 보안 기술을 적용하기 위한 연구 방안을 제시한다.

Keywords

References

  1. Daniel Bilar "Opcodes as predictor for malware" Int. J. Electronic Security and Digital Forensic, 1(2), 2007.
  2. Dahl, George E., et al. "Large-scale malware classification using random projections and neural networks." 2013 IEEE International Conference on Acoustics, Speech and Signal Processing. IEEE, 2013.
  3. R.F. Nogueira, R. de Alencar Lotufo and R.C. Machado, "Fingerprint Liveness Detection Using Convolutional Neural Networks," IEEE Transactions on Information Forensics and Security, vol. 11, no. 6, pp. 1206-1213, 2016. https://doi.org/10.1109/TIFS.2016.2520880
  4. 김원진, 이경수, 박은수, 김정민, 김학일 (2016). Convolutional Neural Networks 특징을 이용한 지문 이미지의 위조여부 판별 및 시각화. 정보보호학회논문지, 26(5), 1259-1267. https://doi.org/10.13089/JKIISC.2016.26.5.1259
  5. 남승수, 서창호, 최대선 (2016). 모바일환경에서 위조서명에 강건한 딥러닝 기반의 핑거서명검증 연구. 정보보호학 회논문지, 26(5), 1161-1170.
  6. 홍성은, 임우빈, 박준우, 양현승 (2016). 얼굴과 의복 정보를 활용한 딥러닝 기반 신원인식. 대한전자공학회 학술대회, 2204-2207.
  7. David Umphress and Glen Williams. Identity verification through keyboard characteristics. International Journal of Man-Machine Studies, 23(3):263. 273, 1985.
  8. Zheng, Nan, et al., You are how you touch: User verification on smartphones via tapping behaviors, Network Protocols (ICNP), 2014 IEEE 22nd International Conference on. IEEE, 2014.
  9. Yinlong Qian, et al, "Deep Learning for Steganalysis via Convolutional Neural Networks", Proceedings of SPIE Media Watermarking, Security, and Forensics, vol. 9409, 2015.
  10. Lionel Pibre et al. "Deep learning is a good steganalysis tool when embedding key is reused for different images, even if there is a cover sourcemismatch", Proceedings of Media Watermarking, Security, and Forensics, 2016.
  11. 김현재, 이재구, 김규완, 백상현, 윤성로 (2016). 딥러닝을 이용한 범용적 스테그아날리시스. 한국 정보과학회 학술발표논문집, 1004-1006.
  12. OneM2M Alliance, "Onem2m: Standards for m2m and the internet of things.", 2014.
  13. OIC, "IoTivity 1.1.1", 2016
  14. Linyi Tian, "Lightweight m2m (oma lwm2m)." OMA device management working group (OMA DM WG), Open Mobile Alliance, 2012.