Session Hijacking Attacks on Bluetooth-Based Wearable Devices and Machine Learning-Based Detection System

본 논문은 Bluetooth Low Energy (BLE) 기반 웨어러블 기기 환경에서 발생할 수 있는 세션 하이재킹 공격의 위협을 실험적으로 규명하고, 이를 효과적으로 탐지하기 위해 패킷 지터(jitter)의 시계열 데이터를 활용하는 기계학습 기반 탐지 시스템을 제안한다. 본 연구에서는 상용 웨어러블 기기를 대상으로 BLE 연결 관리 취약점을 악용하여 합법적인 사용자의 연결을 강제로 해제하고 세션을 선점하는 공격 상황을 실험적으로 구현한다. 공격 시나리오 상황에서의 실험 결과를 바탕으로 패킷 지터 및 표준편차의 패턴을 분석하여, 이를 탐지하기 위한 기계학습 분류 모델(고정형 및 적응형)을 설계하고 학습시킨다. 성능 평가 결과, 제안한 모델은 통계적 임계값 기반의 방식보다 우수한 탐지 정확도를 보이고, 공격 식별이 어려운 환경에서도 안정적인 성능을 유지할 수 있다. 또한, 학습된 모델을 기반으로 공격 탐지 시 관리자에게 단순 메일 전송 프로토콜(Simple Mail Transfer Protocol: SMTP)을 이용하여 경고 알림을 전송하는 실시간 보안 탐지 시스템을 구현하였다.