차량 네트워크의 이상 징후 탐지를 위한 PacGAN 기반 VAEGAN 프레임워크
PacGAN-Based VAEGAN Framework for Anomaly Detection in Vehicular Networks
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
차세대 지능형 교통시스템(C-ITS)의 발전으로 VANET 환경에서 실시간 차량 간 정보 교환을 통해 교통 안전성과 효율성이 강화되고 있으나, 공개된 네트워크 특성상 악성 노드 참여 등의 보안 위협이 존재한다. 이를 해결하기 위해 본 연구는 LSTM 기반 VAE와 GAN 모델을 결합한 이상 탐지 프레임워크를 제안한다. PacGAN 및 D2GAN을 활용해 학습 안정성과 복잡한 데이터 분포 모델링 능력을 향상시키고, BSM에 포함된 시공간적 특징을 반영함으로써 다양한 도로·네트워크 상황에서도 이상 탐지를 효과적으로 수행한다. 실험 결과 제안 모델은 F1-score 93.59%, 정확도 90.31%로 기존 기법보다 우수한 성능을 보였으며, 복잡한 차량 환경에서 VANET 기반 C-ITS의 신뢰성과 안전성 향상에 기여할 수 있다.
Abstract
Cooperative-Intelligent Transportation Systems (C-ITS) can leverage real-time vehicle-to-vehicle communications in VANETs to provide transportation safety and efficiency. However, its open nature exposes it to security threats such as malicious nodes. To address this, we propose a PacGAN-based VAEGAN framework for anomalous behavior detection in vehicular networks. By incorporating PacGAN and D2GAN, the proposed model can enhance training stability and effectively capture complex data distributions. It also exploits the spatiotemporal characteristics of BSMs to achieve robust anomaly detection under diverse road and network conditions. According to the experimental results, the proposed framework achieved an F1 score of 93.59% and an accuracy of 90.31%. These results show that it outperforms existing methods. Therefore, our approach contributes to the reliability and safety of VANET-based C-ITS in complex vehicular environments.