신호분석을 활용한 IoV 환경에서의 딥러닝기반 DoS 공격 탐지 및 대응 기법

Deep Learning-Based Detection and Mitigation of DoS Attacks in IoVUsing Signal-Level Analysis

인공지능이 지능형 교통 시스템에 점점 더 통합됨에 따라, Internet of Vehicles(IoV) 네트워크를 Denial-of-Service(DoS)와 같은 사이버 위협으로부터 보호하는 것이 중요한 과제가 되고 있다. 본 연구는 Convolutional Neural Networks(CNN)와 Recurrent Neural Networks(RNN)를 활용하여 IoV 환경에서 DoS 공격을 탐지하고 대응하는 딥러닝 기반 프레임워크를 제안한다. GNU Radio를 사용하여 정상 및 공격 트래픽을 시뮬레이션함으로써 신호 수준에서 현실적인 학습 및 평가가 가능한 데이터셋을 구축하였으며, 워터폴 플롯, 컨스텔레이션 다이어그램, 시간/주파수 영역 시각화 등 다양한 신호 분석기법을 통해 트래픽 특성을 정밀하게 파악하였다. 실험 결과, 제안한 모델은 차량 통신 내 DoS 공격을 효과적으로 탐지하고 분류하는 데 우수한 성능을 보였으며, 이는 실시간 이상 탐지가 가능한 견고한 AI 기반 IoV 보안 시스템 개발에 기여할 수 있음을 보여준다.

As artificial intelligence becomes increasingly integrated into intelligent transportation systems, ensuring the security of Internet of Vehicles (IoV) networks against cyber threats such as Denial-of-Service (DoS) attacks has become a critical challenge. This study proposes a deep learning-based framework for detecting and mitigating DoS attacks in IoV environments using Convolutional Neural Networks (CNNs) and Recurrent Neural Networks (RNNs). To support realistic training and evaluation, a custom dataset was generated using GNU Radio by simulating both benign and attack traffic at the signal level. Additionally, various signal analysis techniques-including waterfall plots, constellation diagrams, and time/frequency domain visualizations-were employed to provide deeper insights into traffic characteristics. Experimental results demonstrate the effectiveness of the proposed models in detecting and classifying DoS attacks in vehicular communication. The findings contribute to developing robust, AI-powered IoV security systems capable of real-time anomaly detection.