UAV 대상 AI 보안 공격 현황 및 대응 방안 연구
Research on the Current Status of AI Security Attacks Targeting UAVs and Countermeasures
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
UAV(Unmanned Aerial Vehicle)의 사용은 현재 전 세계적으로 급속하게 확대되고 있다. UAV 의 저렴한 가격과 간편한 운용 덕분에 더욱 보급되어 다양한 산업 분야에서 혁신적인 솔루션을제공하며 발전하고 있지만, 이러한 증가와 함께 UAV의 보안 문제가 점차 중요해지고 있다. 특히, UAV가 비즈니스 및 군사 용도에서 적용되는 경우에는 안전 및 보안 문제가 절대적으로 중요하다. 또한 인공지능 기술의 발전으로 기계 학습 및 컴퓨터 비전과 같은 인공지능 기술의 활용은UAV의 자율적인 비행 및 작업 기능을 향상하는 데 많은 기여를 하지만, 이는 동시에 인공지능시스템에서 나타나는 새로운 보안 취약점을 발현한다. 이러한 취약점은 악의적인 공격자가 UAV 시스템을 침입하고 조작하여 잘못된 결과를 나타내어 심각한 피해를 발생할 수 있다. 이에 따라본 논문은 UAV의 인공지능을 대상으로 하는 보안 공격의 현황을 조사하며, 이를 해결하기 위한대응 방안에 대해 모색한다. 따라서 본 논문의 결과를 활용하면, 안전하고 신뢰할 수 있는 UAV 운용을 위한 기반을 마련하는 데 기여할 수 있다.
Abstract
The utilization of Unmanned Aerial Vehicles (UAV) has rapidly been expanding globally. Due to their affordability and ease of operation, UAV are increasingly prevalent and provide innovative solutions across various industrial sectors. However, as their usage expands, security concerns regarding UAV have been critical, especially in business and military applications where safety and security are essential. Additionally, the development of artificial intelligence (AI) technologies (ex, machine learning and computer vision) significantly contributes to the autonomous flight and operational capabilities of UAV. Yet, these advancements also cause new security vulnerabilities within AI systems, and the vulnerabilities could be exploited by malicious attackers to infiltrate and manipulate UAS, leading to severe consequences. This paper investigates the current state of security attacks targeting AI in UAV and explores countermeasures to address these challenges. Therefore, utilizing the results of this paper can contribute to laying the foundation for safe and reliable UAV operation.
참고문헌 (29)
- 권현, "딥뉴럴네트워크 상에 신속한 오인식 샘플 생성 공격", 융합보안논문지, 20(2), pp.111~121 (2020)
- 김동연, "인공지능 기반 사이버 공격 및 방어 기술동향 분석", 한국통신학회 학술대회논문집, pp.1011~1012 (2023)
- 류권상, "인공지능 보안 공격 및 대응 방안 연구 동향", 정보보호학회지, 30(5), pp.93~99 (2020)
- Bouguettaya, A., "Deep learning techniques to classify agricultural crops through UAV imagery : A review", Neural Computing and Applications, 34(12), pp.9511~9536 (2022)
- Chacon, H., "Deep learning poison data attack detection", 2019IEEE 31st International Conference on Tools with Artificial Intelligence (ICTAI) (2019), IEEE
- Chen, J., "Deeppoison : Feature transfer based stealthy poisoning attack for dnns", IEEE Transactions on Circuits and Systems II : Express Briefs, 68(7), pp.2618~2622 (2021)
- Jha, R., "Label poisoning is all you need", Advances in Neural Information Processing Systems, 36 (2024)
- Kwon, H., "Selective poisoning attack on deep neural network to induce fine-grained recognition error", 2019 IEEE Second International Conference on Artificial Intelligence and Knowledge Engineering (AIKE), pp.36~139 (2019), IEEE
- Liu, I. H., "A Robust Countermeasures for Poisoning Attacks on Deep Neural Networks of Computer Interaction Systems", Applied Sciences, 12(15), pp.7753~ (2022)
- Liu, M., "Adversarial attack and defense on deep learning for air transportation communication jamming", IEEE Transactions on Intelligent Transportation Systems (2023)
- Ma'Sum, M. A., "Simulation of intelligent unmanned aerial vehicle (UAV) for military surveillance", 2013international conference on advanced computer science and information systems (ICACSIS), pp.161~166 (2013), IEEE
- Pang, T., "Accumulative poisoning attacks on real-time data", Advances in Neural Information Processing Systems, 34, pp.2899~2912 (2021)
- Qiu, S., "Review of artificial intelligence adversarial attack and defense technologies", Applied Sciences, 9(5), pp.909~ (2019)
- Sangwan, R. S., "Cybersecurity for AI systems : A survey", Journal of Cybersecurity and Privacy, 3(2), pp.166~190 (2023)
- Sung, I., "Zoning a service area of unmanned aerial vehicles for package delivery services", Journal of Intelligent & Robotic Systems, 97(3), pp.719~731 (2020)
- Tisdale, J., "Autonomous UAV path planning and estimation", IEEE Robotics & Automation Magazine, 16(2), pp.35~42 (2009)
- Udeanu, G., "Unmanned aerial vehicle in military operations", Sci. Res. Educ. Air Force, 18(1), pp.199~206 (2016)
- Wang, Z., "Defense against adversarial patch attacks for aerial image semantic segmentation by robust feature extraction", Remote Sensing, 15(6), pp.1690~ (2023)
- Wang, Z., "Defending against Poisoning Attacks in Aerial Image Semantic Segmentation with Robust Invariant Feature Enhancement", Remote Sensing, 15(12), pp.3157~ (2023)
- Xu, M., "GAN-Enabled Robust Backdoor Attack for UAV Recognition", 2022 7th International Conference on Communication, Image and Signal Processing (CCISP), pp.474~478 (2022), IEEE
- Yan, X., "Hijacking tracker: A powerful adversarial attack on visual tracking", ICASSP 2020-2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp.2897~2901 (2020), IEEE
- Zhang, Y., "Adversarial patch attack on multi-scale object detection for uav remote sensing images", Remote Sensing, 14(21), pp.5298~ (2022)
- Zhou, M., "Adversarial attack and defense in deep ranking", IEEE Transactions on Pattern Analysis and Machine Intelligence (2024)
- 보안뉴스, "마이크로소프트의 고위 임원, 러시아 해커그룹에 이메일 해킹 공격 당했다", ~ (2024)
- 연합뉴스, "마이크로소프트 “러 해킹조직, 심각한 시스템 침입”", ~ (2024)
- 연합뉴스, "인공지능 세뇌의 위험, MS 채팅봇 ‘테이’ 차별 발언으로 운영 중단 (종합 2보)", ~ (2016)