무선 센서 네트워크에서 침입 탐지 머신 러닝 기법의 성능 비교 분석

Abstract

무선 센서 네트워크를 이루는 센서들은 개방적이고 분산된 특성을 가지고 있으며, 센서 노드의 제한된 리소스및 실시간 데이터 수집 등의 요인들로 인해 공격에 매우 취약하다. 공격자는 이러한 취약점을 이용해 가짜 메시지주입 및 네트워크 리소스 낭비 등의 공격을 시도하며, 이러한 공격 중 DoS 공격에 대해 패턴을 분석하여 분류하기 위해 트리 기반 머신 러닝을 사용하였다. 머신러닝의 성능 비교분석을 훈련 방식의 차이점, Feature Importance 그리고 각 공격 유형의 특징을 고려하였다. 실험 결과에 대한 비교 분석을 위하여 머신 러닝 성능 평가 지표 중F1-Score를 사용하였다. 분석 결과를 통하여 단일 트리 구조를 가지는 Decision Tree가 가장 낮은 성능을 보이며, 가중치를 이용해 모델을 훈련하는 Boosting 기반 모델이 높은 성능을 보임을 증명하였다.