인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
차량의 PKES(Passive Keyless Entry and Start) 환경은 신호 중계를 통한 릴레이 공격에 취약하며, 기존 방어 기법은 단일 지표에 의존하거나 추가 하드웨어를 요구한다. 본 논문에서는 이러한 이진적 판단 구조의 한계를 극복하기 위해 물리 계층 신호 특성, 공간적 일관성, 사용자 행위 컨텍스트를 통합 분석하는 위험 적응형 릴레이 공격 방어 프레임워크를 제안한다. 프레임워크는 룰 기반 1차 필터링으로 실시간성을 확보하고, 트리 기반 앙상블 모델을 통해 인증 시도의 위험 수준을 연속적인 점수로 산출하며, 그 값에 따라 접근 정책을 단계적으로 조정한다. CC1101 기반 테스트베드에서 수집한 2,000세션으로 검증한 결과, 평가 대상 릴레이 세션 300건은 모두 룰 기반 1차 필터에서 고위험으로 분류되어 미탐이 없었으며, 물리 계층 관측만으로 구분되지 않는 정상 접근은 중위험 구간으로 분리되었다. 1차 필터를 회피하는 릴레이에 대한 모델 계층의 기여는 반사실 분석으로만 뒷받침된다. 제안 프레임워크는 기존 PKES 하드웨어 구조를 변경하지 않고 소프트웨어 계층에서 적용할 수 있다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
