다중 입력 LSTM 기반 GNSS 스푸핑 신호 탐지

Multi-Input LSTM Based GNSS Spoofing Signal Detection

위성항법시스템(GNSS)은 위치, 항법 및 시간 정보를 제공하는 핵심 인프라로서 다양한 산업 분야에서 폭넓게 활용되고 있다. 그러나 GNSS 신호는 낮은 전력으로 전송되기 때문에 스푸핑(spoofing) 공격과 같은 외부 위협에 취약하다. 본 연구에서는 의사거리와 수신기 오차를 동시에 활용하는 다중 입력 LSTM 기반 회귀 모델을 제안하여 스푸핑 신호를 효과적으로 탐지하였다. 제안한 모델은 정상 신호의 시계열 패턴과 다중 입력 간의 관계를 학습함으로써 단일 입력 LSTM 모델 방법 대비 우수한 탐지 성능을 달성하였다. 실험 결과, 다중 입력 LSTM 모델은 75%에서 95%의 탐지 성공률을 보였으며, 평균 탐지 지연 시간은 8초 이내로 단일 입력 LSTM 모델 대비 약 2초 단축되었다. 또한 다양한 신호 강도 환경에서도 안정적인 탐지 성능을 유지하였다. 제안한 기법은 추가 센서 없이 기존 GNSS 수신기 데이터만으로 구현이 가능하며, 복합적인 신호 패턴 인식을 통해 스푸핑 공격에 대한 효과적인 방어 수단으로 활용될 수 있음을 확인하였다.

Global Navigation Satellite System (GNSS) serves as critical infrastructure that provides positioning, navigation, and timing information, and is widely utilized across various industrial sectors. However, GNSS signals are transmitted at low power, making them highly vulnerable to external threats such as spoofing attacks. In this study, we propose a multi-input LSTM-based regression model that simultaneously utilizes pseudorange and receiver error to effectively detect spoofing signals. The proposed model learns the temporal patterns of normal signals and the interrelationships between the two features, achieving superior detection performance compared to single-input approaches. Experimental results demonstrate that the multi-input model achieves detection success rates ranging from 75% to 95%, with an average detection delay time within 8 seconds, representing approximately a 2-second improvement over the single-input model. The proposed method maintains stable detection performance across various signal strength conditions. As it can be implemented using only data from existing GNSS receivers without additional sensors, the proposed technique is expected to serve as an effective defense mechanism against spoofing attacks through its complex signal pattern recognition capability.