Physical Layer Authentication With Channel Knowledge Maps in Indoor Environments

기술 요약: 실내 환경에서 채널 지식 맵을 이용한 물리 계층 인증

문제 정의
물리 계층 인증(Physical Layer Authentication, PLA)은 일반적으로 시간적 일관성 또는 모델링된 진화에 대한 가정을 바탕으로 시간 경과에 따른 채널 측정값을 비교하여 사용자를 인증한다. 그러나 이러한 가정은 실내 환경의 이동형 기기에는 문제가 될 수 있다. 이러한 환경에서는 다중 경로 전파와 신호 차폐물(예: 가구, 사람)로 인해 비가시선(NLoS) 성분이 지배적이 되어, 채널 통계가 시변적(time-varying)이며 분석적으로 모델링하기 어렵기 때문이다. 기존의 PLA 방식은 검증 시 사용할 사전 분석 모델을 확보하는 데 어려움을 겪으며, 특히 사용자가 이동 중이거나 복잡한 실내 공간에 있을 때 그러하다. 또한, 환경 인지 통신을 위해 채널 지식 맵(Channel Knowledge Maps, CKM)이 제안되어 왔으나, 검증자가 사용자의 정확한 궤적을 사전에 알지 못하는 이동형 기기에 대한 인증 적용 연구는 여전히 미진한 상태이다.

방법론
본 논문은 분석적인 채널 모델의 필요성을 제거하기 위해 사전 수집된 채널 지식 맵(CKM)을 활용하는, 실내 환경 내 이동형 기기를 위한 PLA 메커니즘을 제안한다.

• 시스템 모델: 시나리오는 균일 선형 배열(ULA)을 갖춘 여러 개의 액세스 포인트(AP)를 제어하는 검증자(Bob)와, 두 명의 단일 안테나 사용자, 즉 정당한 사용자(Alice)와 공격자(Trudy)를 포함한다. AP는 수신된 파일럿 신호로부터 지배적인 채널 탭의 경로 손실(Path Loss, PL)과 도래각(Angle of Arrival, AoA)을 추정한다.
• 채널 지식 맵 (CKM): Bob은 사용자 위치 $p$를 기대되는 채널 특징 $\phi(p) = \{r(p), \theta(p)\}$ (여기서 $r$은 PL, $\theta$는 AoA)로 매핑하는 무잡음(noiseless) CKM을 보유하고 있다 (예: 레이 트레이싱을 통해 도출됨).
• 이동 제약 조건: Alice의 정확한 궤적은 Bob과 Trudy에게 알려져 있지 않다. 그러나 두 사람 모두 Alice의 최대 속도 $\nu$를 알고 있다. 결과적으로, 임의의 시간 단계 $k$에서 Alice의 위치는 이전의 추정 위치를 중심으로 하는 정사각형 윈도우 $P_k$ 내로 제한된다.
• 인증 메커니즘:
  1. Bob은 수신된 신호로부터 현재 채널 특징 $\hat{\phi}^{(k)}$를 추정한다.
  2. Bob은 신호가 Alice($H_0$)로부터 온 것인지, 아니면 Trudy($H_1$)로부터 온 것인지 결정하기 위해 가설 검정을 수행한다.
  3. 두 가지 테스트 접근 방식이 평가된다:
     • 우도 검정 (Likelihood Test, LT): 유효한 이동 윈도우 $P_k$ 내에 사용자가 존재한다는 가정하에 관측값의 최대 우도(maximum likelihood)를 계산한다.
     • 일반화 가능도 비 검정 (Generalized Likelihood Ratio Test, GLRT): $P_k$ 내에서의 최대 우도를 $P_k$ 외부(최악의 공격 상황을 나타냄)에서의 최대 우도와 비교한다.
  4. 테스트 통계량이 임대로 $\xi$를 초과하면 신호가 인증되며, 최대 사후 확률(Maximum A Posteriori, MAP) 절차를 통해 Alice의 위치가 업데이트된다.
• 공격 전략: 저자들은 세 가지 공격 벡터를 분석한다:
  1. 무작위 위치 공격 (Random Position): Trudy가 방 안의 무작위 위치에서 신호를 전송한다.
  2. 정보 기반 공격 (Informed Attack): Trudy가 CKM과 Alice의 이전 위치를 알고 있으며, 스푸핑 성공을 극대화하기 위해 제한된 윈도우 $W_T$ 내의 최적 위치로 이동한다.
  3. 전체 맵 공격 (Full Map Attack): Trudy가 CKM에 대한 완전한 지식을 가지고 있으며, 스푸핑된 신호의 우도를 극대화하기 위해 ( $P_k$를 제외한) 방 안의 어느 위치로든 즉시 이동할 수 있다.

주요 기여

• 새로운 프로토콜: 본 논문은 복잡한 분석적 채널 모델링의 의존성을 피하기 위해 CKM을 활용하는, 실내 환경 내 이동형 기기 전용 PLA 프로토콜을 설계하였다.
• 보안 분석: 무작위 및 최적(정보 기반/전체 맵) 공격 시나리오 하에서 종합적인 보안 분석을 수행하였다.
• 비교 테스트: LT와 GLRT의 성능을 비교하여 각각의 공격 유형에 대한 취약성을 분석하였다.
• 검증: 레이 트레이싱을 통해 생성된 CKM을 사용하는 대표적인 실내 시나리오에서 수치적 결과를 통해 접근 방식을 검증하였다.

수치 결과
시뮬레이션은 4개의 AP와 각 AP당 4개의 안테나를 갖춘 $8 \times 5 \times 3$ m$^3$ 크기의 방에서 MATLAB 레이 트레이싱 도구를 사용하여 수행되었다.

• AP 및 노이즈의 영향: 인증 성능(미검출률 대 오경보율로 측정)은 AP의 수가 증가하고 추정 노이즈가 감소함에 따라 향상된다. AP의 수가 적으면 더 많은 차폐물이 발생하며 탐지 성능에서 "플래토(plateau)" 현상이 나타난다.
• 공격 성능:
  • 무작위 위치 공격은 공격자에게 가장 불리한 성능을 보인다.
  • 전체 맵 공격은 공격자에게 가장 유리한 성능을 제공하며, 상한선 역할을 한다.
  • 정보 기반 공격의 성능은 공격자의 이동 윈도우($W_T$)에 따라 달라진다. 공격자가 Alice만큼 이동할 때 ($W_T = W_A$), 오경보율($P_{FA}$)이 $10^{-2}$일 때 미검출 확률($P_{MD}$)은 약 $2 \cdot 10^{-2}$이다.
• LT vs. GLRT: LT에서 GLRT로 전환하면 (GLRT의 분모가 무작위 측정값에 대해 매우 작아질 수 있으므로) 무작위 위치 공격에 더 취약해지지만, 전체 맵 공격의 성공률은 낮춘다. 그러나 GLRT가 전체 맵 공격의 위협을 완전히 제거하지는 못한다.
• 전반적인 효과성: 무작위 위치 공격 시나리오에서 시스템은 $P_{MD} = P_{FA} = 3 \cdot 10^{-3}$을 달성한다. 전체 맵 공격 하에서 시스템은 $P_{MD} = P_{FA} = 6 \cdot 10^{-3}$을 보장한다.

의의 및 주장
저자들은 제안된 접근 방식이 분석적 모델에 대한 의존성을 제거함으로써 실내 환경 내 이동형 기기를 위한 PLA를 효과적으로 검증한다고 주장한다. CKM의 사용은 관측된 채널 특징과 사용자의 이전에 알려진 위치의 공간적 근방 사이의 일관성을 검증할 수 있게 한다. 본 논문은 본 프로토콜이 고려된 공격들에 대해 효과적임을 결론지으며, 수치적 결과는 레이 트레이싱으로 시뮬레이션된 실내 환경에서의 생존 가능성을 확인해 준다. 이 연구는 보안을 위해 사전 환경 지식을 활용하는 6G 네트워크를 위한 환경 인지 통신의 한 단계로 제시된다. 저자들은 본 연구가 단일 단계 인증에 집중하고 있으며, 후속 궤적 단계에 대한 성능 분석은 향후 과제로 남겨두었다고 언급하였다.