SNN을 이용한 저전력 침입 탐지 시스템

摘要: 사물 인터넷(internet of things, IoT) 기기의 확산으로 인해 일상생활의 편의성은 높아지고 있다. 그러나 IoT 기기는 낮은 전력과 성능으로 인해 보안에 할당할 수 있는 자원이 부족하여 네트워크 공격에 취약하다. 네트워크 공격에 대응하기 위해서 기계학습이나 인공 신경망을 이용한 연구가 높은 성능을 보여주었으나, 높은 연산력 및 전력 요구로 인하여 저전력 IoT 기기에서 사용하기에 부적합하다. 본 논문에서는 에너지 효율성이 높은 스파이킹 신경망(spiking neural network, SNN)를 사용하여, 악성 패킷을 탐지하는 이진 분류와 각각의 클래스를 분류하는 다중 분류를 위한 침입 탐지 시스템을 설계하였다. 해당 시스템을 통해, 이진 분류에서는 99.57%의 정확도로 공격을 탐지하였고 심층 신경망(deep neural network, DNN)에 비하여 전력 소모량을 40% 감소시켰다. 다중 분류에서는 주성분 분석(principal component analysis, PCA)을 사용하여 67.13%의 정확도로 클래스를 분류하였다. PCA를 사용하지 않은 DNN에 비하여 전력 소모량을 15.08 …