Earticle

초록

영어

Various researches on vehicle autonomous driving technologies are actively carried out recently. However, for safety, the role of real-time messages exchanged between self-driving vehicles and autonomous driving system environments that support them by V2V and V2I is very important throughout the autonomous driving system. Since these messages are directly linked to the safety of vehicles operating in the C-ITS environment, they must undergo appropriate authentication procedures to ensure their integrity and validity. However, as autonomous driving systems are inherently open, malicious attacks or message tampering can cause serious security threats. Consequently, even authenticated messages (e.g., BSMs) may involve malicious misbehavior, making misbehavior detection an important challenge. This study proposes an LSTM-based time-series misbehavior detection method(LSMDA) to address the limitations of the SCMS security framework in C-ITS. Normal sequences were generated from V2X BSM data, and synthetic anomaly scenarios (O1–O3, NP1–NP8) were injected to construct training and validation datasets. The proposed BiLSTM-based LSMDA model employed pos_weight adjustment and EarlyStopping to handle data imbalance, achieving an improvement of +0.65p in F1-score and a reduction of 27.0p in the false positive rate compared to the rule-based baseline. These results demonstrate that, despite being based on synthetic data, the proposed approach can effectively enable time-series AI models to detect misbehavior in real V2X communication environments.

한국어

최근 차량의 자율주행 기술에 관한 연구가 활발하게 이루어지고 있다. 그러나 안전을 위해 자율주행하는 차량과 이를 지원하는 자율주행 시스템 환경 사이에 V2V, V2I로 실시간으로 주고받는 메시지의 역할이 자율주행 시스템 전반에 걸쳐 매우 중요하다. 이때 교환하는 메시지들은 자율주행 시스템 환경에서 주행하고 있는 차량들의 안전과 직결되므로 정확하고 안전한 메시지임을 증명하는 적당한 인증절차를 거치게 된다. 하지만 자율주행 시스템은 오픈되어 있고 악의적인 공격이나 변조 등을 통해 심각한 보안 위협을 초래할 수 있어 인증된 메시지(BSM)라 하더라도 악의적인 오동작(misbehavior) 사례가 발생할 수 있으므로, 이를 탐지하는 것이 중요한 과제로 대두되고 있다. 본 연구는 C-ITS 환경에서 이러한 SCMS 보안 체계의 한계를 보완하기 위해 LSTM 기반 시계열 misbehavior 탐지기법(LSMDA)을 제안한다. V2X BSM 데이터를 기반으로 정상 시퀀스를 생성하고, 합성 이상 시나리오(O1~O3, NP1~NP8)를 삽입하여 학습·검증용 데이터 세트를 구축하였다. 제안된 BiLSTM 기반 LSMDA 모델은 불균형 데이터 처리를 위한 pos_weight와 EarlyStopping을 적용하였으며, Rule-baseline 대비 F1-score가 +0.65p 향상되고 오탐률이 27.0p 감소하는 성능 개선을 보였다. 이를 통해 합성 데이터 기반임에도 실제 V2X 통신 환경에서 시계열 학습 기반 AI 모델의 탐지 가능성과 효과를 확인하였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 연구배경
Ⅲ. 딥러닝을 이용한 LSTM 기반 오동작 탐지 알고리즘(LSMDA)의 설계
Ⅳ. 모의실험 및 결과 분석
Ⅴ. 결론
References

키워드

저자

• 황의필 [ Eui Phil Hwang | 정회원, 세명대학교 대학원 정보통신학과 박사과정 ] 제1저자 및 교신저자
• 오선진 [ Sun Jin Oh | 종신회원, 前세명대학교 스마트 IT 학부 정교수 ] 참여저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]

• 간기

  격월간

• pISSN

  2384-0358

• eISSN

  2384-0366

• 수록기간

  2015~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 600 DDC 700