💻 컴퓨터 과학

On-Chain Anchoring-Based Information Security on Iot for Secure Smart-City Using Pekeccak and Gsbdostlru

이 논문은 PEKeccak 기반의 온체인 앵커링을 고급 암호화 및 머신러닝 기술과 결합하여 게이트웨이 수준의 로그 위조를 방지하는 보안 스마트 시티 프레임워크를 제안하며, 98.91%의 무결성 검증 성공률을 달성한다.

원저자: Pullaiah Chowdary Vutla, Basker Ganesan, Triveni Yenugu

게시일 2026-11-12

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Pullaiah Chowdary Vutla, Basker Ganesan, Triveni Yenugu

원본 논문은 CC BY 4.0 (https://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

현대적인 스마트 시티의 거대한 디지털 신경계 속에서, 수많은 작은 장치들이 교통 흐름을 유지하고, 불빛을 밝히며, 공공장소를 안전하게 지키기 위해 끊임없이 작동하고 있습니다. 이러한 사물인터넷(IoT) 센서들은 지속적인 데이터 스트림을 수집하지만, 이 방대한 네트워크는 지속적인 취약점에 직면해 있습니다. 바로 데이터를 수집하고 전송하는 게이트웨이가 속임수에 빠질 수 있다는 점입니다. 만약 악의적인 행위자가 이 게이트웨이의 로그를 변조한다면, 도시 전체의 의사 결정 과정이 훼손되어 혼란이나 위험을 초래할 수 있습니다. 이를 해결하기 위해 연구자들은 두 가지 강력한 개념의 결합에 주목하고 있습니다. 첫째, 블록체인은 변경 불가능한 공공 장부, 즉 한 번 기록되면 모두가 알아차리지 않고서는 지우거나 수정할 수 없는 디지털 기록 역할을 합니다. 둘-째, 고급 암호학은 데이터 자체를 비밀스럽고 안전하게 유지하며, 미래의 양자 컴퓨터 위협으로부터도 보호하는 수학적 자물쇠를 제공합니다. 과제는 이러한 무거운 보안 도구들을 우리 도시를 움직이는 작고 에너지 효율적인 장치에서도 실행할 수 있을 만큼 가볍게 만드는 동시에, 새로운 공격이 해를 끼치기 전에 시스템이 이를 감지할 수 있도록 보장하는 것이었습니다.

한 연구팀은 이 섬세한 생태계를 보호하기 위해 데이터를 블록체인에 직접 고정하는 동시에 침입자를 점검하도록 설계된 새로운 프레임워크를 제안했습니다. 그들의 접근 방식은 데이터가 수집되는 근원지인 센서에서부터 시작됩니다. 이 시스템은 데이터를 있는 그대로 보내는 대신, 미래의 양자 컴퓨팅 공격에 저항할 수 있는 특수한 형태의 암호화 기술을 사용하여 즉시 보호 계층으로 감쌉니다. 이는 데이터가 중간에 가로채지더라도 읽을 수 없는 상태로 유지되도록 보장합니다. 또한 연구진은 이 데이터를 해독하는 데 필요한 비밀 키를 분할하는 방법을 도입했습니다. 키를 도난당할 수 있는 한 곳에 보관하는 대신, 시스템은 키를 여러 조각으로 나누어 서로 다른 위치에 저장합니다. 이렇게 하면 공격자가 정보를 해독하기 위해 흩어진 모든 조각을 찾아내야 하며, 조각들이 올바르게 관리된다면 이는 거의 불가능한 작업이 됩니다.

데이터가 보안 처리를 거치고 키가 안전하게 분배되면, 시스템은 정보가 처리되는 로컬 컴퓨터가 있는 네트워크의 엣지(edge) 단계로 이동합니다. 여기서 연구진은 침입 탐지 시스템이라는 정교한 보안 경비원을 배치했습니다. 알려진 위협만을 인식하는 기존 시스템과 달리, 이 새로운 경비원은 네트워크 트래픽의 비정상적인 패턴을 포착하도록 훈련된 학습 모델을 사용합니다. 이 시스템은 단순히 알려진 나쁜 행동 목록을 기다리는 것이 아니라, 새로운 유형의 공격이 나타날 때마다 그로부터 학습하도록 특별히 설계되었습니다. 이 학습 과정을 더 빠르고 정확하게 만들기 위해, 시스템은 예리한 시력과 민첩성으로 유명한 대형 물새인 뱀잡이새의 사냥 및 탈출 행동에서 영감을 얻은 최적화 전략을 사용하여 미세 조정되었습니다. 이를 통해 시스템은 과거의 사고방식에 갇히지 않고 새로운 위협에 빠르게 적응할 수 있었습니다.

데이터가 보안 검사를 통과하면 블록체인으로 향하는 최종 여정을 준비합니다. 기록되기 전, 시스템은 데이터의 고유한 디지털 지문을 생성합니다. 바쁜 도시의 속도에 맞추기 위해 연구진은 데이터의 순서와 흐름을 분석하여 가벼운 버전의 지문을 만드는 기술을 사용했습니다. 이 지문은 블록체인에 영구적으로 고정되어, 특정 시점에 데이터가 존재했음을 증명하고 데이터가 변조되지 않았음을 입증하는 불변의 기록을 생성합니다. 연구 결과, 이 방법은 약 99%의 사례에서 데이터의 무결성을 성공적으로 검증했으며, 이는 기존 방식보다 크게 향상된 수치입니다. 또한, 시스템은 단순한 비밀번호 추측부터 복잡한 분산 서비스 거부(DDoS) 공격에 이르기까지 광범위한 공격을 정확히 식별하며 99% 이상의 정확도로 침입을 탐지했습니다.

이러한 결과는 계층적 접근 방식이 스마트 시티의 미래를 위한 강력한 방어책이 될 수 있음을 시사합니다. 양자 저항 암호화, 분할 키 저장, 그리고 적응형 학습 시스템을 결합함으로써 연구진은 보안성과 효율성을 모두 갖춘 프레임워크를 구축했습니다. 시스템은 실제 사용이 가능할 정도의 속도로 장치를 인증하고 데이터를 보안 처리했으며, 데이터 처리 시간은 단 몇 초로 측정되었습니다. 저자들은 자신들의 모델이 스마트 시티의 복잡한 환경을 다루도록 설계되었지만, 향후 연구는 디지털 인프라를 동시에 겨냥하는 더욱 조직적인 공격을 탐지하는 데 집중할 것이라고 언급했습니다. 현재로서는, 이 연구는 우리의 일상을 움직이는 데이터가 변조로부터 보호되고 엿보는 눈으로부터 숨겨질 수 있는 도시를 향한 명확한 경로를 제시하고 있습니다.

기술 요약: PEKeccak 및 GSBDOSTLRU를 이용한 스마트 시티 보안을 위한 IoT 기반 온체인 앵커링 기반 정보 보안

1. 문제 정의 및 연구 공백

본 논문은 스마트 시티(SC)의 사물인터넷(IoT) 인프라 내에서 발생하는 결정적인 정보 보안 과제를 다룹니다. IoT 장치는 교통 관리 및 공공 보건과 같은 애플리케이션의 근간이 되지만, 대규모 배포는 의사결정을 위협하는 취약성을 초래합니다. 저자들은 기존 연구의 구체적인 한계를 다음과 같이 식별했습니다:

게이트웨이 수준의 로그 위조: 주요 연구 공백으로 식별된 것은 게이트웨이 수준에서 센서 로그의 변경, 삭제 또는 조작을 방지하는 솔루션의 부재이며, 이는 스마트 시티 IoT 환경의 보안 손실로 이어집니다.
양자 취약성: 기존 시스템은 종종 양자 공격자에 의해 해독될 수 있는 장기 키에 의존합니다.
인증 결함: 기존의 스마트 시티 모델은 종종 다층 인증이 부족하여 가짜 센서 값이 주입되는 것을 허용합니다.
침입 탐지 제한: 기존 방법은 동적인 환경에서 새로운 위협에 대해 일반화하는 데 실패하여 부정확한 침해 탐지를 초래하며, 기존 IoT 노드는 무거운 암호학적 학습 부하를 처리하는 데 어려움을 겪습니다.

2. 제안된 방법론

저자들은 온체인 앵커링을 위한 **Permutation Entropy-Keccak (PEKeccak)**과 침입 탐지를 위한 **Gated Secretary Bird Dawson Optimization Suish Transfer Learning Recurrent Unit (GSBDOSTLRU)**을 통합한 포괄적인 프레임워크를 제안합니다. 이 시스템은 4개의 계층에 걸쳐 작동합니다:

2.1 시스템 초기화 및 서명 생성

프레임워크는 센서( $K$ ), 에지 노드( $P$ ), 게이트웨이( $D$ ), 블록체인( $M$ )을 초기화합니다.

PRDSA: 인증을 위한 서명을 생성하기 위해 **다항식 롤링 디지털 서명 알고리즘 (Polynomial Rolling Digital Signature Algorithm, PRDSA)**이 채택되었습니다. 표준 DSA와 달리, PRDSA는 해시 함수 입력( $\delta$ )을 생성하기 위해 큰 소수 모듈러를 사용하는 다항식 롤링(PR) 함수를 사용하여 해시 해킹을 방방지합니다.
서명 저장: 생성된 서명( $\mathfrak{A}$ )은 후속 인증을 위해 블록체인에 저장됩니다.

2.2 인지 계층 (데이터 감지 및 보안)

FFPQC: 원시 데이터( $H$ )는 **Feistel Function 기반 포스트 양자 암호(Feistel Function-based Post-Quantum Cryptography, FFPQC)**를 사용하여 감지 및 보안 처리가 됩니다.
키 생성: 무작위 비밀 키와 관련된 위험을 완화하기 위해, 반복적인 치환 및 순열을 통해 양자 상태를 변화시킴으로써 비밀 키( $\epsilon$ , 논문에서는 "양자 키"로 지칭됨)를 생성하는 데 Feistel Function(FF)이 사용됩니다.
암호화: 도청을 방지하기 위해 생성된 키와 광자 편광 인자를 사용하여 데이터를 암호화합니다.

2.3 에지 계층 (인증, IDS 및 저장)

장치 인증: 에지 노드는 블록체인에 저장된 PRDSA 서명을 사용하여 센서 장치를 인증합니다.
침입 탐지 시스템 (IDS):
- 데이터 전처리: 네트워크 데이터는 임퓨테이션(이웃의 평균값), 정규화(min-max), 그리고 SMOTE(Synthetic Minority Over-sampling Technique)를 사용하여 균형화됩니다.
- GSBDOSTLRU 모델: 핵심 IDS는 다음 기능이 강화된 **Gated Recurrent Unit (GRU)**를 사용합니다:
  - Secretary Bird Optimization (SBO): 사냥(탐색) 및 탈출(착취) 전략을 사용하여 하이퍼파라미터를 튜닝합니다.
  - Dawson Function (DF): 로컬 미니마를 피하고 준주기적 거동을 가능하게 하기 위해 SBO에 통합되었습니다.
  - Suish Activation: 강력한 그래디언트 흐름을 보장하기 위해 표준 활성화 함수를 대체합니다.
  - 전이 학습 (Transfer Learning, TL): 새로운 공격 패턴을 학습하고 일반화 능력을 향상시키기 위해 적용됩니다.
- 출력: 시스템은 트래픽을 정상 또는 공격(예: DDoS, XSS, 랜섬웨어)으로 분류합니다. 공격이 감지되면 전송이 차단됩니다.
분할 키 저장:
- STISS: 비밀 키는 **Shamir의 삼각 적분 비밀 공유(Shamir's Trigonometric Integral Secret Sharing, STISS)**를 사용하여 분할됩니다. 이는 의사 난수 변환 마스크를 통해 공유 키의 신선도(freshness)를 통합하기 위해 삼각 적분( $\lambda$ )을 통합함으로써 SSS를 강화합니다.
- 오프체인 저장: 분할된 키와 암호화된 데이터는 **IPFS(InterPlanetary File System)**에 저장되며, 콘텐츠 식별자(CID)를 생성합니다.

2.4 게이트웨이 계층 (온체인 앵커링)

에지 인증: 게이트웨이는 PRDSA를 통해 에지 노드를 인증합니다.
PEKeccak 앵커링:
- Permutation Entropy (PE): Keccak 해시 함수의 내부 상태를 추정하여 메모리 요구 사항을 줄이는 데 사용됩니다.
- 경량 마스킹: PE 상태를 기반으로 입력 CID를 변환하는 마스크( $Z$ )가 생성됩니다.
- 해싱: Keccak 스펀지 함수가 해시( $V$ )를 생성하며, 이는 블록체인의 머클 루트에 앵커링됩니다.
- 성능 참고: 제안된 PEKeccak 방식은 앵커링 지연 시간이 1253 ms로, 실험 결과에서 보고된 표준 Keccak의 3821 ms보다 현저히 낮아 저자들이 주장하는 효율성 이득을 확인시켜 줍니다.

2.5 블록체인 및 애플리케이션 계층

블록체인: 게이트웨이가 인증되며, 해시( $V$ )는 블록체인의 머클 루트에 불변하게 저장되어 위변조 방지 및 추적성을 보장합니다.
애플리케이션 계층: 사용자는 데이터 접근을 요청합니다. 시스템은 머클 증명을 검증하고, STISS를 사용하여 분할된 키를 재구성함으로써 비밀 키를 복구하고 IPFS에서 데이터를 복호화합니다.

3. 주요 기여

본 논문은 다음과 같은 구체적인 기여를 주장합니다:

PEKeccak 기반 앵커링: 게이트웨이 수준의 로그 위조를 방지하기 위해 설계된 경량 온체인 앵커링 메커니즘으로, 표준 Keccak 대비 감소된 지연 시간을 입증했습니다.
FFPQC 및 STISS: 데이터 보안을 위한 Feistel Function 기반 포스트 양자 암호와 양자 강건성 및 기밀성을 높이기 위한 삼각 적분 기반 분할 키 저장 기술을 구현했습니다.
PRDSA 다층 인증: 센서, 에지, 게이트웨이 및 블록체인 계층 전반의 인증을 위해 다항식 롤링 디지털 서명 알고리즘을 활용했습니다.
GSBDOSTLRU 침입 탐지: GRU를 Secretary Bird Optimization, Dawson Function, Suish activation 및 Transfer Learning과 결합한 새로운 분류기를 개발하여 침입을 탐지하고 새로운 패턴에 적응합니다.

4. 결과 및 성능 평가

제안된 프레임워크는 NF-TON-IOT-V2 데이터셋(SMOTE를 통해 균형화됨)을 사용하여 평가되었으며 Python으로 구현되었습니다.

온체인 앵커링 (PEKeccak):
- 무결성 검증 성공률 (IVSR): 98.91% (표준 Keccak의 96.21% 대비).
- 충돌 저항성 수준 (CRL): 99.01%.
- 앵커링 지연 시간: 1253 ms (Keccak의 3821 ms 및 SHA의 9841 ms보다 현저히 낮음).
침입 탐지 (GSBDOSTLRU):
- 정확도 (Accuracy): 99.31% (기존 GRU/LSTM/RNN의 약 91.05% 대비).
- 정밀도 (Precision): 99.19%.
- 재현율 (Recall): 99.23%.
- F-Measure: 99.15%.
인증 (PRDSA):
- 서명 생성 시간 (SCT): 2784 ms (DSA의 4928 ms 대비).
- 서명 검증 시간 (SVT): 2191 ms (DSA의 4178 ms 대비).
데이터 보안 (FFPQC):
- 보안 수준: 공격 수준이 1.27%에 불과한 98.47%의 보안성.
- 암호화/복호화 시간: 2294 ms / 2110 ms (PQC, ECC, AES, DES보다 빠름).
키 저장 (STISS):
- 엔트로피: 251 bits (SSS의 214 bits 대비).
- 양자 강건성: 98.21%.

5. 의의 및 범위

저자들은 본 연구가 스마트 시티 IoT 환경을 위한 견고한 정보 보안 프레임워크를 구축한다고 주장합니다. 본 연구의 의의는 다음과 같습니다:

로그 위조 공백 해결: PEKeccak을 사용하여 게이트웨이 수준에서 데이터를 앵커링함으로써, 시스템은 특히 게이트웨이 로그 조작 취약점을 타겟팅합니다.
양자 탄력성: FFPQC와 STISS의 통합은 미래의 양자 공격자에 대한 방어책을 제공합니다.
적응형 보안: IDS에 포함된 전이 학습은 전통적인 모델이 놓치는 새로운 동적 위협에 대해 시스템이 일반화할 수 있도록 합니다.
효율성: 경량 알고리즘(상태 추정을 위한 PE, 서명을 위한 PRDSA)의 사용은 표준 Keccak(3821 ms) 대비 감소된 앵커링 지연 시간(1253 ms)에서 입증된 바와 같이, 높은 보안 표준을 유지하면서도 자원이 제한된 IoT 노드에서 프레임워크가 실행 가능하도록 보장합니다.

본 논문은 제안된 프레임워크가 보안 초기화, 양자 내성 암호화, 적응형 침입 탐지 및 불변의 온체인 앵커링을 포함하는 다층적 접근 방식을 통해 스마트 시티 IoT 환경을 성공적으로 보호한다고 결론짓습니다. 향후 연구로는 디지털 인프라에 대한 동기화된 공격 탐지에 집중할 것을 제안합니다.