IoT 기기 인증을 위한 강조된 스펙트럼 데이터 기반 신호 핑거프린팅 방법 = Signal Fingerprinting Method Based on Emphasized Spectrum Data for IoT Device Authentication

국문 초록 (Abstract)

IoT 기기 인증을 위한 강조된 스펙트럼 데이터 기반 신호 핑거프린팅 방법 본 연구는 Bluetooth Low Energy 기술에서 발생할 수 있는 보안 위협에 대 처하기 위해 딥러닝 기반의 BLE Fingerprint 방법을 제안한다. BLE 기술은 저전 력에서도 고성능 데이터 전송을 가능하게 하여 다양한 IoT(Internet of Things) 기 기의 핵심 기술로 자리 잡고 있으나 무선 신호의 위조 또는 변조에 의한 보안 위 협이 존재하며 이는 공격자가 합법적인 기기의 신호를 모방하거나 변조하여 시스 템에 침투하는 것을 가능하게 한다. 이러한 위협은 사용자의 민감한 정보 유출이 나 물리적 보안 손상을 초래할 수 있다. 본 연구에서는 이러한 위협에 대응하기 위해 IoT 기기 등 BLE 신호 송신 기기 에서 송출된 BLE 신호의 주파수 성분에서 스펙트럼 데이터를 추출한 후, 이를 이용해 신호의 이상 탐지를 수행하여 기기를 인증 및 식별하는 인공지능 모델을 제안한다. BLE 신호가 송출될 때 하드웨어적 미세한 차이로 인해 발생하는 고유 의 신호 특성을 분석하여 강조하는 필터 뱅크를 설계하고 해당 필터 뱅크로 추출 된 데이터를 기반으로 BLE 신호의 이상 탐지를 수행한다.

다국어 초록 (Multilingual Abstract)

This study proposes a deep learning-based BLE (Bluetooth Low Energy) Fingerprint method to address security threats in Bluetooth Low Energy technology. Security threats exist due to the spoofing or tampering of wireless signals, allowing attackers to mimic or alter legitimate device signals to infiltrate systems. To counter these threats, this study proposes an AI model that extracts Cepstral Coefficients from the frequency components of BLE signals to determine whether the signals are legitimate or forged/tampered. By designing a filter bank that emphasizes the unique signal characteristics caused by minute hardware differences when BLE signals are transmitted, this method identifies BLE signals based on the data extracted through this filter bank.

목차 (Table of Contents)

• I. 서론 1
• II. 배경 연구 3
• 1. Bluetooth Low Energy 3
• 1.1. BLE 특징 및 응용 3
• 1.2. BLE 보안 기술과 문제점 및 보안 위협 4
• III. 관련 연구 7
• IV. 제안하는 기기 인증 방법 10
• 1. 특징 추출(Feature Extraction) 11
• 1.1. Pre-Emphasis 13
• 1.2. Framing 14
• 1.3. Windowing 15
• 1.4. FFT(Fast Fourier Transform) 17
• 1.5. 강조된 필터 뱅크 생성 및 적용 18
• 2. 임계값 설정 및 기기 인증 23
• 2.1. Autoencoder-DNN 기반 모델 23
• 2.2. Reconstruction Error 계산 27
• 2.3. 임계값 설정 28
• 2.4. 최종 판별 30
• 2.5. 실제 사용 상황 시뮬레이션 30
• V. 실험 및 성능 평가 32
• 1. 데이터 및 알고리즘 32
• 1.1. 데이터 수집 32
• 1.2. 데이터 종류 33
• 1.3. 필터 뱅크 종류 34
• 1.4. 알고리즘 종류 36
• 2. 실험 결과 및 평가 37
• 2.1. 실험 결과 37
• 2.2. 평가 44
• VI. 결론 및 향후 연구 45
• 참고 문헌 46
• 별첨 49
• ABSTRACT 52
• 감사의 글 53