💻 computer science

Contextualizing Security and Privacy of Software-Defined Vehicles: A Literature Review and Industry Perspectives

이 논문은 체계적인 문헌 고찰과 산업계 설문을 바탕으로 소프트웨어 정의 차량 (SDV) 의 보안 및 프라이버시 문제를 분석하고, 혼합 임계도 아키텍처 대응, 계층적 보안 메커니즘 도입, 프라이버시 보호 기술 통합 등을 포함한 보안 프레임워크를 제시합니다.

원저자: Marco De Vincenzi, Mert D. Pesé, Chiara Bodei, Ilaria Matteucci, Richard R. Brooks, Monowar Hasan, Andrea Saracino, Mohammad Hamad, Sebastian Steinhorst

게시일 2026-03-27

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Marco De Vincenzi, Mert D. Pesé, Chiara Bodei, Ilaria Matteucci, Richard R. Brooks, Monowar Hasan, Andrea Saracino, Mohammad Hamad, Sebastian Steinhorst

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 **'소프트웨어 정의 차량 (SDV, Software-Defined Vehicle)'**이라는 새로운 자동차의 시대가 열리면서, 우리가 겪게 될 보안과 개인정보 보호의 새로운 도전과제를 분석한 연구입니다.

쉽게 말해, **"자동차가 이제 하드웨어 (기계) 중심에서 소프트웨어 (앱) 중심으로 변하고 있는데, 이 변화가 가져오는 위험과 해결책은 무엇인가?"**를 다룬 보고서입니다.

이 복잡한 내용을 일상적인 비유로 쉽게 설명해 드릴게요.

1. 자동차가 '달리는 스마트폰'이 되다 🚗📱

과거의 자동차는 엔진, 기어, 브레이크 같은 기계 부품이 모든 것을 결정했습니다. 하지만 요즘 나오는 최신 자동차 (SDV) 는 스마트폰과 비슷해졌습니다.

과거: 차를 사면 기능이 고정되어 있었습니다. (예: 내비게이션이 고장 나면 수리해야 함)
현재 (SDV): 소프트웨어 업데이트 (OTA) 만으로 기능이 추가되거나 성능이 좋아집니다. (예: 스마트폰처럼 앱 업데이트로 카메라 화질 개선)

하지만 스마트폰이 해킹당하면 사진이 유출되거나 돈이 도둑맞듯, 자동차가 해킹당하면 차가 멈추거나, 심지어 차 자체가 무기가 될 수도 있습니다.

2. 연구팀이 한 일: "전문가들과 함께 위험 지도를 그렸다" 🗺️

이 연구팀은 두 가지 방법을 섞어 분석했습니다.

논문 조사: 전 세계의 관련 연구 논문 100 여 편을 꼼꼼히 읽었습니다.
현장 전문가 인터뷰: 자동차 회사 (OEM), 부품 공급업체, 보안 전문가 등 11 명의 업계 전문가에게 "어디가 가장 위험한가요?"라고 물었습니다.

3. 발견된 6 가지 주요 '해킹 통로' (공격 표면) 🕳️

연구팀은 SDV 의 보안 구멍을 6 가지로 분류했습니다.

① 문이 잠기지 않은 API (인쇄소): 차와 서버가 대화하는 문 (API) 이 제대로 잠겨 있지 않아, 해커가 비밀번호 없이 차 안으로 들어갈 수 있습니다. (예: 2024 년 기아차 해킹 사건처럼 번호판만으로도 차를 조종한 사례)
② 악성 앱이 섞인 앱 스토어 (서드파티): 자동차에 설치된 외부 앱이나 라이브러리에 해킹 코드가 숨어 있을 수 있습니다.
③ 부품 공장에서의 사기 (공급망): 차를 만드는 과정에서 부품이나 소프트웨어가 위조되거나 해킹당해 들어올 수 있습니다.
④ 안전과 오락의 충돌 (혼합 중요도): 안전에 필수적인 '브레이크 제어'와 오락용 '음악 플레이어'가 같은 컴퓨터에서 돌아갈 때, 음악이 멈추면 브레이크도 멈출 수 있는 위험이 있습니다.
⑤ 원격 업데이트 (OTA) 의 함정: 차를 업데이트할 때, 해커가 가짜 업데이트 파일을 심어 차를 장악할 수 있습니다.
⑥ 사생활 감시 (개인정보): 차가 운전자의 위치, 습관, 심지어 얼굴 표정까지 수집합니다. 이 정보가 유출되면 사생활이 완전히 털립니다.

4. 해커는 누구인가? 🎭

전문가들은 해커를 다음과 같이 분류했습니다.

범죄자: 돈을 노리고 차를 해킹하거나 몸값을 요구합니다.
국가 (국가 간첩): 전쟁이나 테러 목적으로 차를 무기로 사용합니다.
활동가: 특정 목적을 위해 시위를 하거나 차를 멈추게 합니다.
경쟁사: 다른 회사의 기술을 훔치거나 시스템을 마비시킵니다.

5. 해결책: '방어벽'을 여러 겹 쌓아야 한다 🛡️

단일한 해결책은 없습니다. 다음과 같은 다층 방어 전략이 필요합니다.

안전한 개발 문화: 처음 차를 설계할 때부터 해킹을 막는 '보안 설계 (Security by Design)'를 해야 합니다.
문단속 (방화벽 & IDS): 차 안의 네트워크를 감시하는 보안 요원을 배치해 이상 행동을 막습니다.
업데이트 보안: 소프트웨어를 보낼 때, "이건 진짜입니다"라고 증명하는 디지털 서명을 필수로 해야 합니다.
데이터 가리기: 운전자의 위치나 습관 데이터를 수집할 때, 개인을 특정할 수 없도록 데이터를 흐리게 하거나 (익명화), 통계만 남기는 기술을 써야 합니다.
신뢰 점수: 소프트웨어가 얼마나 안전한지 점수를 매겨, 점수가 낮은 부품은 쓰지 못하게 합니다.

6. 결론: 우리는 무엇을 준비해야 할까? 🚀

이 논문은 **"자동차가 소프트웨어로 변하는 것은 피할 수 없는 미래"**라고 말합니다. 하지만 그 변화가 가져오는 위험을 방치하면 큰 사고가 날 수 있습니다.

핵심 메시지: 자동차 회사와 정부, 그리고 우리는 '보안'과 '개인정보 보호'를 차의 성능만큼이나 중요하게 생각해야 합니다.
미래: 인공지능 (AI) 이 해킹을 더 똑똑하게 할 수도 있지만, 반대로 AI 가 해킹을 찾아내는 데도 쓰일 것입니다. 우리는 이 새로운 시대에 맞춰 **'안전한 달리는 스마트폰'**을 만들어야 합니다.

한 줄 요약:

"자동차가 스마트폰처럼 변하면서 편리해졌지만, 해킹당할 위험도 커졌습니다. 이제는 차를 만들 때부터 해킹을 막고, 운전자의 사생활을 보호하는 '다중 보안 시스템'이 필수입니다."

논문 요약: 소프트웨어 정의 차량 (SDV) 의 보안 및 개인정보 보호 맥락화

1. 문제 정의 (Problem)

자동차 산업은 하드웨어 중심에서 **소프트웨어 정의 차량 (Software-Defined Vehicles, SDV)**으로 급격히 전환되고 있습니다. SDV 는 차량의 기능과 행동이 소프트웨어에 의해 제어되며, 지속적인 업데이트와 확장 가능한 아키텍처를 특징으로 합니다. 그러나 이러한 전환은 다음과 같은 심각한 보안 및 개인정보 보호 문제를 야기합니다.

공격 표면의 확대: 하드웨어와 소프트웨어의 분리, 클라우드 연결, OTA(Over-the-Air) 업데이트, 제 3 자 애플리케이션 통합 등으로 인해 기존 차량보다 훨씬 넓은 공격 표면이 생성됩니다.
복잡한 공급망 위험: 다양한 공급업체 (Tier 1~3) 와 오픈 소스 라이브러리가 통합되면서 공급망 공격 및 악성 코드 주입 위험이 증가합니다.
혼합 임계도 (Mixed-Criticality) 문제: 안전 필수 기능 (브레이크, 조향) 과 비안전 기능 (엔터테인먼트) 이 동일한 플랫폼에서 실행될 때, 저임계도 서비스가 고임계도 기능에 간섭하거나 공격당할 수 있는 위험이 존재합니다.
개인정보 침해 우려: 차량이 수집하는 방대한 양의 센서 데이터 (위치, 운전 습관 등) 가 무단으로 유출되거나 재식별 (Re-identification) 될 위험이 큽니다.
연구 및 표준의 부재: SDV 는 아직 정립된 정의가 부족하며, 기존 보안 표준 (ISO/SAE 21434, UNECE R155/156) 이 SDV 의 소프트웨어 중심 아키텍처에 완전히 적용되기에는 한계가 있습니다.

2. 연구 방법론 (Methodology)

이 연구는 체계적인 문헌 검토와 산업계 전문가 설문을 결합한 혼합 방법론을 사용했습니다.

체계적 문헌 검토 (Systematic Literature Review):
- 데이터베이스: IEEE Xplore, ACM Library, Science Direct, Springer Link, Google Scholar, ResearchGate 등 주요 학술 데이터베이스를 검색.
- 검색어: "software defined vehicle(s)" 및 관련 보안/개인정보 보호 키워드.
- 선정 기준: 2004 년 이후, 영어로 작성된, 피어 리뷰된, SDV 보안 및 개인정보 보호에 초점을 맞춘 논문.
- 프로세스: SALSA(검색, 평가, 종합, 분석) 방법론을 적용하여 관련 논문을 선별하고 4 개의 연구 질문 (RQs) 에 따라 분류했습니다.
산업계 전문가 면담 (Expert Elicitation):
- 대상: OEM, Tier 1/2/3 공급업체, 보안 전문가 등 22 명의 전문가 중 11 명 (50% 응답률) 이 참여.
- 도구: 65 개의 항목으로 구성된 설문지 (SDV 정의, 공격 표면, 완화 전략, OTA 보안, 개인정보 보호 등).
- 분석: 리커트 척도 (Likert scale) 를 사용하여 전문가들의 인식과 합의 정도 (중앙값, IQR, TTBA) 를 정량화하고, 개방형 응답을 통해 추가 통찰을 도출했습니다.

3. 주요 연구 질문 (Research Questions)

연구는 다음 4 가지 핵심 질문을 중심으로 진행되었습니다.

RQ1: SDV 의 공격 표면 (Attack Surfaces) 과 관련 위협은 무엇인가?
RQ2: 공격 표면 취약점을 완화할 수 있는 전략은 무엇인가?
RQ3: OTA(Over-the-Air) 업데이트가 직면한 주요 보안 문제 (차량 외부 환경 포함) 는 무엇인가?
RQ4: SDV 가 데이터 수집에 미치는 영향과 사용자/차량 개인정보 보호 관련 주요 우려는 무엇인가?

4. 주요 결과 및 기여 (Key Results & Contributions)

A. SDV 정의 및 개념 명확화

SDV 정의: 차량 하드웨어 구성 요소를 소프트웨어를 통해 추상화하고 관리하여 확장 가능한 아키텍처를 생성하며, 모든 소프트웨어 구성 요소가 OTA 업데이트를 지원하는 차량으로 정의.
차별화: 자율주행차 (AV), 연결된 차량 (CV) 과 구별됨. SDV 는 기능의 소프트웨어 기반 제어와 지속적인 진화를 핵심으로 하며, AV 나 CV 와 겹치는 부분이 있지만 비즈니스 모델 (구독 기반 기능 등) 과 아키텍처 유연성에서 차이가 있음.

B. 공격 표면 및 위협 분석 (RQ1)
논문은 SDV 고유의 6 가지 주요 공격 표면 (S1~S6) 을 식별했습니다.

S1 (불안정한 API): 인증 우회, 무단 접근, 민감한 데이터 유출.
S2 (제 3 자 앱 및 라이브러리): 악성 코드 주입, 취약한 프레임워크 업데이트.
S3 (공급망 보안): 위조 하드웨어, 빌드/배포 과정의 변조.
S4 (혼합 임계도): 저임계도 서비스와 고임계도 서비스 간의 간섭으로 인한 안전성 위협.
S5 (OTA 업데이트): 악성 펌웨어 주입, 롤백 공격, 인증 우회.
S6 (데이터 개인정보): 위치 추론, 운전자 재식별, 무단 2 차 데이터 사용.

전문가 의견: 전문가들은 API 보안 (S1) 과 OTA 보안 (S5) 을 가장 치명적인 위협으로 꼽았으며, 범죄자 (Criminals) 와 국가 행위자 (Nation-states) 를 주요 공격자로 인식했습니다.

C. 완화 전략 및 보안 프레임워크 (RQ2)
문헌과 전문가 피드백을 바탕으로 10 가지 완화 전략 (M1~M10) 을 제안하고, 이를 **NIST 사이버보안 프레임워크 (CSF 2.0)**와 매핑했습니다.

주요 전략: 침입 탐지 및 방지 시스템 (IDPS), 안전한 소프트웨어 개발 수명주기 (SVSE), 자동차 이더넷 보안, OTA 방어 (디지털 서명, 롤백 방지), 데이터 익명화, 프라이버시 보존 기술 (차분 프라이버시), 보안 인식 작업 오케스트레이션 등.
프레임워크: 공격 표면 $\rightarrow$ 위협 $\rightarrow$ 완화 전략의 연결 고리를 시각화하여, 예방 (Protect), 탐지 (Detect), 대응 (Respond) 등의 NIST CSF 2.0 기능을 SDV 컨텍스트에 적용했습니다. 특히 '대응 (Respond)'과 '복구 (Recover)' 영역의 연구 부족을 지적했습니다.

D. OTA 업데이트 보안 (RQ3)

현황: 대부분의 OTA 솔루션은 클라우드 기반이며, 보안 (무결성, 인증) 에 집중되어 있으나, 프라이버시와 신뢰성 (Trust) 측면은 상대적으로 간과됨.
전문가 의견: 중앙 집중식 클라우드 방식보다는 PKI 기반의 분산/에지 아키텍처가 더 효과적일 수 있다는 의견이 지배적. 데이터 무결성과 인증이 가장 중요한 요소로 꼽힘.

E. 데이터 개인정보 보호 (RQ4)

위협: 운전자 지문 (Fingerprinting), 위치 추론 (Location Inference) 등 정교한 추론 공격이 가능.
규제: GDPR, CCPA 등 규제 준수 필요. OEM 은 데이터 관리자 (Controller) 로서 데이터 최소화, 익명화, 정제 (Sanitization) 책임을 짐.
해결책: 차분 프라이버시 (Differential Privacy), 샌드박스 환경에서의 코드 실행 (PRICAR 프레임워크), 사용자 동의 및 옵트아웃 (Opt-out) 권리 강화 필요.

5. 연구의 의의 및 시사점 (Significance)

통합적 관점: 기존 연구들이 보안, OTA, 개인정보를 분리하여 다룬 반면, 본 논문은 SDV 의 전체 수명주기를 아우르는 통합적인 보안 프레임워크를 제시했습니다.
실무 기반 통찰: 학술적 문헌 검토뿐만 아니라 산업계 전문가들의 실제 경험을 반영하여, 이론과 실무 간의 격차를 해소했습니다.
로드맵 제시: SDV 의 안전한 발전을 위한 구체적인 로드맵을 제공하며, 특히 다중 계층 보안 (Multi-layered Security), 공급망 보안 강화, 프라이버시 보존 기술의 통합, 표준화 및 규제 준수의 중요성을 강조했습니다.
미래 방향: AI 기반 위협 탐지, 엣지 컴퓨팅을 활용한 OTA, 그리고 LLM/VLM 같은 최신 AI 기술의 보안 거버넌스 필요성을 제기했습니다.

이 논문은 SDV 시대의 보안과 개인정보 보호 문제를 체계적으로 분석하고, 산업계와 학계가 함께 해결해야 할 과제와 방향성을 제시했다는 점에서 중요한 기여를 합니다.