딥러닝 기반 네트워크 보안 및 익명 시스템 분석

본 연구실은 딥러닝 기술을 활용하여 네트워크 시스템의 보안 취약점을 분석하고 방어하는 연구를 중점적으로 수행하고 있습니다. 특히, Tor와 같은 익명 네트워크 환경에서 발생하는 트래픽 분석 및 핑거프린팅 공격에 대한 깊이 있는 이해와 방어 기술 개발에 집중합니다. DeepCoAST 연구를 통해 분할 트래픽 간의 상관관계를 탐지하고, DeepCoFFEA를 통해 메트릭 학습을 이용한 플로우 상관관계 공격을 개선하는 방법을 연구했습니다. 또한, BurstGuard 방어 기술 및 효율적인 웹사이트 핑거프린팅 방어 기법에 대한 비판적 평가를 수행하여 실제 위협에 대응 가능한 솔루션을 제시합니다. 이러한 연구는 개인 정보 보호와 네트워크 인프라의 안정성 확보에 기여하며, 고도화된 사이버 위협에 선제적으로 대응할 수 있는 차세대 보안 기술을 개발하는 것을 목표로 합니다.

자율주행 자동차 및 IoT 환경 보안 기술

본 연구실은 커넥티드 자율주행 자동차 및 사물 인터넷(IoT) 환경의 특성을 고려한 맞춤형 보안 기술 개발에 주력하고 있습니다. 특히, 자율주행 자동차를 위한 SPV(Security/Privacy/Visual) 방화벽 연구를 통해 차량 간 통신 및 외부 연결 지점에서 발생할 수 있는 보안, 프라이버시, 시각 정보 관련 위협을 효과적으로 방어하는 기술을 개발하고 있습니다. IoT 기기들이 상호 연결되는 복잡한 환경에서 발생할 수 있는 데이터 유출, 시스템 해킹 등 다양한 보안 위협에 대응하기 위해 인공지능 기반의 탐지 및 방어 메커니즘을 설계하고 구현합니다. 이러한 연구는 미래 모빌리티 및 스마트 인프라의 핵심 요소인 보안과 신뢰성을 확보하는 데 필수적이며, 안전하고 효율적인 차세대 자율주행 및 IoT 서비스 구현에 기여합니다. 실제 환경에서의 적용 가능성과 효율성을 높이는 것을 목표로 실증 연구를 병행하고 있습니다.

음성 명령어 및 웹사이트 핑거프린팅 방어 기술

본 연구는 음성 명령어 인터페이스를 포함한 다양한 웹 서비스 환경에서의 핑거프린팅 공격 및 방어에 초점을 맞춥니다. WhisperVoiceTrace 연구를 통해 음성 명령 핑거프린팅에 대한 포괄적인 분석을 수행하며, AI 스피커와 클라우드 서버 간의 트래픽 데이터를 분석하여 사용자의 음성 명령어를 추정하는 공격 기법과 이에 대한 대응 방안을 연구합니다. 또한, 웹사이트 핑거프린팅 공격으로부터 사용자 프라이버시를 보호하기 위한 딥러닝 기반의 향상된 모델과 효율적인 방어 기법을 탐구합니다. 이는 악의적인 행위자가 네트워크 트래픽 패턴을 분석하여 사용자가 방문하는 웹사이트나 입력하는 음성 명령을 유추하는 것을 방지하는 데 핵심적인 역할을 합니다. 본 연구는 개인의 디지털 활동과 프라이버시를 강력하게 보호하고, 온라인 환경에서의 안전한 상호작용을 보장하는 것을 목표로 합니다.