1. 문제 제기 (Problem Statement)

• 중요 인프라의 취약성: 미국은 식량 및 농업을 16 개 주요 인프라 중 하나로 지정했으나, 농업 운영에 대한 강제적인 사이버 보안 요구사항은 존재하지 않습니다.
• 연구 공백: 스마트 그리드, 의료 IoT, 빌딩 자동화 등 인접 분야에는 공식적인 위협 모델이 존재하지만, 제어 환경 농업 (CEA: 온실, 수직 농장, 실내 재배 시설 등) 에 대한 포괄적인 위협 모델은 아직 발표된 바 없습니다.
• 시스템의 복잡성: 현대 CEA 는 레거시 산업 제어 프로토콜 (Modbus, BACnet 등), 엣지 AI 제어기, 클라우드 기반 펌트 관리, 그리고 머신러닝 (ML) 기반 최적화 알고리즘이 결합된 3 계층 아키텍처를 가지며, 이로 인해 공격 표면이 매우 광범위해졌습니다.
• 보안 무관심: 주요 CEA 제어 벤더 10 개사를 조사한 결과, 공개된 CVE(취약점) 는 단 1 건뿐이며, 버그 바운티 프로그램이나 IEC 62443 인증을 보유한 벤더는 전무한 것으로 나타났습니다.

2. 연구 방법론 (Methodology)

이 논문은 실제 30 개 이상의 상업 시설에서 7 년 이상 운영 중인 CEA 플랫폼을 기반으로 다음과 같은 체계적인 방법론을 적용했습니다.

• 아키텍처 분석: 필드 레이어 (센서/액추에이터), 엣지 AI 레이어 (실시간 제어), 클라우드 레이어 (플leet 관리, 디지털 트윈) 로 구성된 3 계층 아키텍처를 25 개의 데이터 흐름 다이어그램 (DFD) 요소와 15 가지 통신 프로토콜로 분해했습니다.
• 다중 프레임워크 적용:
  • STRIDE: 각 DFD 요소에 대한 6 가지 위협 카테고리 (Spoofing, Tampering 등) 를 체계적으로 적용하여 123 개의 고유 위협을 도출했습니다.
  • MITRE ATT&CK for ICS: 도출된 위협을 산업 제어 시스템 (ICS) 의 실제 공격 기법 (TTPs) 에 매핑했습니다.
  • IEC 62443: 존 (Zone) 과 관로 (Conduit) 모델을 사용하여 보안 수준 (Security Level) 을 정의하고 대응책을 수립했습니다.
  • DREAD: 피해 규모, 재현성, 악용 가능성 등을 기준으로 위협에 점수 (1~50) 를 부여하여 위험도를 정량화했습니다.
• 공격자 모델: 원격 외부 공격자, 내부자/기술자, 공급망 공격자, 국가 주도 행위자 (Nation-State) 등 4 가지 시나리오를 가정했습니다.

3. 주요 기여 및 발견 사항 (Key Contributions & Results)

A. 위협 카탈로그 (Threat Catalog)

• 123 개의 고유 위협 식별: 25 개의 DFD 요소와 15 가지 프로토콜을 분석하여 123 개의 위협을 도출했습니다.
• 프로토콜의 취약성: Modbus RTU/TCP, BACnet/IP, 0–10V, 4–20mA 등 10 가지 주요 프로토콜이 설계상 인증 및 암호화가 전혀 제공되지 않아 공격에 노출되어 있음을 확인했습니다.
• 고위험 위협 사례:
  • CO2 센서 위조 (T007): CO2 농도를 낮게 조작하여 실제 농도가 NIOSH 즉각 생명 위협 수준 (IDLH) 을 초과하게 만들어 작업자 안전을 위협.
  • HVAC 설정값 변조 (T030): 온도 설정을 변경하여 작물 (특히 대마초) 을 고온으로 말려 죽임.
  • 조명 어둠 기간 위반 (T041): 대마초 등 단일 식물에 필수적인 어둠 기간을 위반하여 수확물의 가치 (90~95%) 를 파괴.

B. AI/ML 기반 CEA 고유의 5 가지 새로운 공격 클래스

기존 ICS 위협 모델에 없던, AI 가 적용된 CEA 만의 새로운 공격 벡터를 최초로 규명했습니다.

1. NN-PID 제어기의 은밀한 불안정화: PID 게인 (Kp, Ki, Kd) 을 자동 조정하는 신경망에 편향된 데이터를 주입하여, 외부에서는 정상처럼 보이지만 특정 교란 발생 시 작물을 파괴하는 진동을 유발.
2. 이상 탐지기의 기준선 드리프트 중독 (Baseline Drift Poisoning): 정상적인 드리프트를 가장하여 이상 탐지기의 학습 기준을 서서히 변조하여, 이후의 공격을 탐지되지 않게 만듦.
3. 크로스-시설 전이 학습 (Transfer Learning) 전파: 한 시설의 백도어가 포함된 모델이 다른 시설로 전파되어 전체 펌트 (Fleet) 를 감염시키는 공급망 공격.
4. 적대적 농학적 일정 (Adversarial Agronomic Schedules): 가장 혁신적인 발견. 수치적으로는 정상이고 규제 기준에도 부합하지만, 작물의 생물학적 특성 (품종 × 생장 단계) 과 상호작용하여 생리학적 손상 (팁 번, 꽃 말림 등) 을 유발하는 일정. 이는 생물체 자체를 공격 대상으로 삼는 최초의 적대적 ML 공격입니다.
5. RL 에너지 최적자의 보상 중독: 에너지 효율은 개선되지만 작물 품질은 서서히 저하시키는 방향으로 강화 학습 (RL) 의 보상 함수를 조작.

C. 물리적 영향 및 피해 분석

• 생물학적 파괴 타임라인: 사이버 공격은 IT 시스템과 달리 되돌릴 수 없는 생물학적 손상을 초래합니다.
  • 수경재배 (Aeroponics): 관개 중단 시 수 분 내 작물 고사.
  • 습도 조작: 48~72 시간 내 병원체 (곰팡이 등) 발생.
  • CO2 조작: 밀폐 공간에서 수 시간 내 작업자 사망 위험.
• 재정적 영향: 10,000 평방피트 규모의 대마초 재배 시설의 경우, 조명 공격 한 건으로 약 165 만 달러 (약 22 억 원) 의 가치가 순식간에 파괴될 수 있음.

D. 벤더 보안 현황 조사

• 조사된 10 개 주요 벤더 중 CVE 는 1 건 (Priva社), 버그 바운티 프로그램은 0 개, IEC 62443 인증은 0 개로 확인되었습니다. 이는 인접 산업 (빌딩 자동화 등) 에 비해 사이버 보안 성숙도가 약 10 년 뒤처져 있음을 시사합니다.

4. 의의 및 제안 (Significance & Recommendations)

• 최초의 포괄적 위협 모델: CEA 시스템 전체 스택 (필드, 엣지, 클라우드, AI) 을 아우르는 첫 번째 체계적인 위협 모델링을 제공하여, 해당 분야의 보안 연구와 정책 수립의 기초를 마련했습니다.
• 방어 전략 제안 (Defense-in-Depth):
  • IEC 62443 Security Level 2를 최소 기준으로 채택할 것을 권고.
  • 네트워크 세그멘테이션 (VLAN, DMZ), 프로토콜 보안 (TLS, MQTT), 이중 감지 전략 (네트워크 + 프로세스 이상 탐지), AI/ML 보안 (Byzantine-robust aggregation 등) 을 포함한 대응 프레임워크 제시.
  • 사고 대응 (Incident Response): IT 시스템과 달리 CEA 는 시스템을 완전히 차단 (Isolate) 하면 작물이 죽으므로, 외부 접속만 차단하고 내부 제어 루프는 수동/로컬 모드로 유지하며 물리적 모니터링을 수행해야 함을 강조.
• 규제적 함의: 식량 안보와 작업자 안전 (CO2 등) 을 고려할 때, CEA 시설에 대한 강제적인 사이버 보안 기준 (IEC 62443 SL 2 이상) 도입이 시급함을 주장합니다.

결론

이 논문은 IoT 기반 CA 시스템이 단순한 농업 자동화를 넘어, 생물학적 과정과 직접적으로 연결된 **사이버 - 물리 시스템 (CPS)**으로서 심각한 보안 위협에 노출되어 있음을 증명했습니다. 특히 AI/ML 기술의 도입이 새로운 형태의 공격 (생물체 대상 적대적 공격 등) 을 가능하게 했으며, 현재 산업계의 보안 무관심은 식량 안보와 작업자 생명에 직결된 시스템적 위험임을 경고하고 있습니다.