Anomaly Detection in Vehicles using Predictive Models based on CAN Data

CAN 통신은 보안 메커니즘이 없어 데이터 위조, 변조와 같은 사이버 공격에 취약하다. 특히 최근 테슬라 모델X의 블루투스 해킹 사례처럼, 보안이 미흡한 경우 해킹을 통해 차량을 조작하거나 훔치는 일이 발생할 수 있다. 이러한 공격으로부터 시스템을 보호하고 데이터 무결성을 보장하기 위해 CAN 통신에서 이상 행위를 실시간으로 탐지할 수 있는 예측 기반 모델이 필요하다. 본 연구에서는 현대자동차의 파비스에서 직접 CAN 데이터를 추출하고 추출된 데이터를 활용하여 예측기반 이상 탐지 모델을 학습하고 주행 데이터의 실제 값과 예측 값을 비교하여 성능평가를 진행한다. 단변량 예측 모델과 다변량 예측 모델의 성능 비교 분석하여 각 예측 모델의 정확도를 제시한다.