KR102242949B1

KR102242949B1 - 딥러닝을 이용한 무선통신장치 인증 방법 및 장치

Info

Publication number: KR102242949B1
Application number: KR1020200013518A
Authority: KR
Inventors: 백선엽; 김은지; 손종목; 안재환; 이동욱; 박용석
Original assignee: 한국전자통신연구원
Priority date: 2020-02-05
Filing date: 2020-02-05
Publication date: 2021-04-22

Abstract

무선통신장치 인증 시스템 및 방법이 개시된다. 본 발명의 일실시예에 따른 무선통신장치 인증 시스템은 무선통신장치로부터 무선통신 신호를 수신하여 딥러닝을 통해 무선통신 신호에 포함된 물리적인 특징을 분석함으로써, 실제 정보를 주고받을 안전한 무선통신장치인지를 확인하여 인증함으로써, 안전한 통신이 가능하도록한다.

Description

딥러닝을 이용한 무선통신장치 인증 방법 및 장치 {Wireless Communication Device Authentication Method and Apparatus using Deep Learning}

본 발명은 무선통신모듈을 포함하는 무선통신장치를 인증하기 위한 방법에 관한 것으로, 특히, 무선통신모듈에서 발생되는 신호의 특성을 딥러닝을 통해 분석하여 무선통신장치를 인증하는 방법에 관한 것이다.

무선통신기술이 발달하면서 무선통신을 통해 중요한 정보를 주고받는 경우도 점차 늘어나고 있다. 따라서, 무선통신을 수행할 때 통신하는 상대방 기기가 실제 정보를 주고 받을 안전한 기기인지 확인하는 인증기술이 필요하게 되었다. 종래의 무선통신에서의 상대방 기기를 인증하는 방법으로는 장치 고유정보를 이용하는 방법, 패스워드를 이용하는 방법 그리고 전자서명을 이용하는 방법이 있다.

이러한 방법들 이외에, 한국공개특허 제10-2017-0178307호 "무선 Wi-Fi 망에서 딥러닝을 이용한 위장 공격 특장점 분석 장치 및 방법"은 무선 Wi-Fi 망에서 딥러닝을 이용하여 위장 공격의 특장점을 분석하는 기술을 공개하고 있는데, 수신되는 무선 신호를 분석하여 위장공격이 발생되었는지 확인하고 이를 방어할 수 있도록 하는 것이다. 이와 같이 딥러닝 등 다양한 방법을 적용하여 수신되는 데이터의 안전성을 검사하는 기술은 종래에 다수 존재한다.

그러나, 이와 같은 방법은 개별적인 신호에 대해 안정성을 확인할 수 있을 뿐, 상대방 기기가 실제 정보를 주고받을 안전한 기기인지 확인하기 어려워, 무선 통신상에서의 상대방 기기를 인증할 수 있도록 하는 안전한 방법이 요구된다.

한국공개특허 제10-2017-0178307호

본 발명의 목적은 무선통신을 수행하는 시스템에서, 정보를 주고받는 무선통신장치를 인증하여 안전한 무선통신이 가능하도록 하는 것이다.

본 발명의 목적은 장치 고유 정보를 위조하는 경우에도 안전하게 무선통신장치를 인증할 수 있도록 하는 것이다.

본 발명의 목적은 패스워드 관리의 어려움 및 유출의 문제를 해결하여 안전하게 무선통신장치를 인증할 수 있도록 하는 것이다.

본 발명의 목적은 별도의 전자서명 등의 복잡한 인증과정 없이도 안전하게 무선통신장치를 인증할 수 있도록 하는 것이다.

본 발명의 목적은 딥러닝 기술을 활용하여, 무선통신장치의 물리적 특성을 인식함으로써, 안전하게 무선통신장치를 인증할 수 있도록 하는 것이다.

본 발명의 목적은 다양한 딥러닝 방식을 조합하여 정확하게 무선통신장치의 물리적 특성을 파악하고, 이를 통해 무선통신장치를 인증할 수 있도록 하는 것이다.

상기한 목적을 달성하기 위한 본 발명에 따른 무선통신장치 인증 시스템은 무선통신장치로부터 무선통신 신호를 수신하는 신호 입력부, 수신한 무선통신 신호의 물리적 특성을 추출할 수 있도록 전처리하여 전처리 데이터를 생성하는 데이터 전처리부, 상기 전처리 데이터에 포함된 상기 수신된 무선통신 신호의 물리적인 특징을 확인하여, 상기 무선통신장치를 인증하는 장치 인증부 및 상기 장치 인증부의 인증 결과를 기초로, 인증된 무선통신장치의 무선통신 신호를 처리하는 통신 처리부를 포함하여 구성될 수 있다.

이 때, 상기 장치 인증부는 상기 전처리 데이터를 학습하여 학습 데이터를 생성하는 딥러닝 학습부 및 상기 학습 데이터를 기초로 상기 전처리 데이터를 딥러닝 모델에 적용하여 상기 무선통신장치의 인증 여부를 판단하는 딥러닝 처리부를 포함할 수 있다.

이 때, 상기 딥러닝 학습부는 둘 이상의 딥러닝 방식을 이용하여 상기 전처리 데이터를 학습하고, 상기 딥러닝 처리부는 상기 둘 이상의 딥러닝 방식 각각에 대하여 인증 여부를 판단하고, 상기 각각의 인증 여부 판단 결과를 종합하여 최종 인증 여부를 판단할 수 있다.

또한, 상기 딥러닝 처리부는 상기 둘 이상의 딥러닝 방식에 대하여 각각 가중치를 부여하고, 상기 부여된 가중치를 반영하여 최종 인증 여부를 판단할 수 있다.

또한, 상기 장치 인증부는 종래의 인증 모듈로부터 상기 무선통신장치에 대한 인증 여부에 관한 외부 인증 정보를 수신하는 외부 인증 결과 수신부를 더 포함하고, 상기 수신한 외부 인증 정보와 상기 딥러닝 처리부에서 확인한 인증 여부를 종합하여 최종 인증 여부를 판단할 수 있다.

본 발명의 또 다른 실시예에 따른 무선통신장치 인증 시스템은 무선통신장치로부터 무선통신 신호를 수신하는 신호 입력부, 수신한 무선통신 신호의 물리적 특성을 추출할 수 있도록 전처리하여 전처리 데이터를 생성하는 데이터 전처리부, 상기 전처리 데이터를 딥러닝 인증 서버로 전송하고, 상기 무선통신장치에 대한 인증 결과를 수신하는 장치 인증부 및 상기 수신한 무선통신장치에 대한 인증 정보를 기초로, 인증된 무선통신장치의 무선통신 신호를 처리하는 통신 처리부를 포함하여 구성될 수 있다.

본 발명에 따르면, 무선통신을 수행하는 시스템에서, 정보를 주고받는 무선통신장치를 인증하여 안전한 무선통신이 가능하도록 한다.

본 발명에 따르면, 장치 고유 정보를 위조하는 경우에도 안전하게 무선통신장치를 인증할 수 있도록 한다.

본 발명에 따르면, 패스워드 관리의 어려움 및 유출의 문제를 해결하여 안전하게 무선통신장치를 인증할 수 있도록 한다.

본 발명에 따르면, 별도의 전자서명 등의 복잡한 인증과정 없이도 안전하게 무선통신장치를 인증할 수 있도록 한다.

본 발명에 따르면, 딥러닝 기술을 활용하여, 무선통신장치의 물리적 특성을 인식함으로써, 안전하게 무선통신장치를 인증할 수 있도록 한다.

본 발명에 따르면, 다양한 딥러닝 방식을 조합하여 정확하게 무선통신장치의 물리적 특성을 파악하고, 이를 통해 무선통신장치를 인증할 수 있도록 한다.

도 1은 본 발명의 일실시예에 따른 무선통신장치 인증 시스템의 외부 구성을 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 무선통신장치 인증 시스템의 내부 구성을 도시한 도면이다.
도 3은 본 발명의 다른 실시예에 따른 무선통신장치 인증 시스템의 내부 구성을 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 무선통신장치 인증 시스템에서 이용하는 무선신호의 물리적 특성의 차이를 도시하는 도면이다.
도 5는 본 발명의 다른 실시예에 따른 무선통신장치 인증 시스템에서 이용하는 무선신호의 물리적 특성의 차이를 도시하는 도면이다.
도 6은 본 발명의 일실시예에 따른 무선통신장치 인증 방법의 흐름을 도시하는 흐름도이다.

본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

본 발명에서 무선통신장치라고 함은 특정 장소에 고정되거나 또는 이동하면서 무선신호를 이용하여 데이터를 송수신하는 모든 장치를 포괄하는 것으로, 비접촉식 스마트카드, 스마트폰, 노트북, 무선 마우스/키보드, 무선 헤드셋, VR/AR기기 등의 스마트기기들과 무선통신을 활용하는 자동차, 드론 등이 대표적인 예가 된다. 또한 이러한 기기들에 정보를 제공하는 통신위성, 이동통신 기지국, 무선공유기 등의 무선통신시스템도 본 발명의 무선통신장치에 포함된다.

이 때, 무선통신장치는 무선통신을 위해 무선통신모뎀을 포함하고 있는데, 무선통신모뎀은 무선통신을 이용하여 데이터를 전송하기 위해 무선신호를 생성하는 부분을 의미한다. 일반적으로 디지털 신호처리를 담당하는 디지털 모듈과 아날로그 신호처리를 담당하는 RF 모듈로 구성된다 본 발명에서는 무선통신모뎀에서 RF 모듈의 물리적인 특성을 이용하는데, RF 모듈은 공정에 따라 개별적인 물리적인 특성을 가지게 되며, RF 모듈에서 생성되는 무선통신 신호는 이와 같은 RF 모듈의 개별적인 물리적인 특성에 영향을 받게 된다.

본 발명에서 무선통신장치의 인증이라고 하는 것은 일측의 무선통신장치가 타측의 무선통신장치와 무선으로 연결되었을 때, 타측의 무선통신장치가 접근 또는 통신이 허가된 신뢰할 수 있는 무선통신장치인지를 확인하는 것을 의미한다. 만일 인증이 되지 않은 무선통신장치인 경우에는 신뢰할 수 없는 장치로 판단하여 무선접속을 차단하거나 더 이상의 무선통신을 수행하지 않는다.

본 발명에서 딥러닝이라고 하는 것은 기계학습의 한 분야를 의미하는 것으로 축적된 데이터를 기반으로 다수의 연산층을 이용하여 학습을 시키고, 이로부터 솔루션을 획득하는 인공신경망 알고리즘을 의미한다. 딥러닝은 크게 지도학습과 비지도학습으로 구성되는데, 지도학습은 분류 기준에 의해 데이터 기반으로 학습을 수행하며, 학습된 파라미터를 이용해 분류를 수행하게 된다. 또한, 비지도학습은 분류 기준 없이 입력된 데이터에 의해 스스로 학습하고 분류하게 된다.

본 발명에서는 딥러닝 방법 중에서 지도학습 방법을 활용하는 것이 바람직하며, 각 무선통신장치가 포함하는 무선통신모뎀 RF 모듈의 물리적인 특성 데이터를 수집해 학습을 수행하고, 수행된 학습 데이터를 이용하여 무선통신장치를 판별하는 형태로 진행된다. 다만 본 발명은 구체적인 딥러닝 방법에 의하여 제한되지는 아니한다.

도 1은 본 발명의 일실시예에 따른 무선통신장치 인증 시스템의 외부 구성을 도시한 도면이다.

도면에 도시한 바와 같이, 본 발명의 일실시예에 따른 무선통신장치 인증 시스템은 RF 수신기를 통하여 다양한 무선통신장치로부터 전송되는 무선통신 신호를 수신하고, 이를 통해 무선통신 신호를 전송한 무선통신장치를 인증한다. 도면에 도시한 것처럼 본 발명의 무선통신장치 인증 시스템에서 인증하는 무선통신장치는 출입통제 또는 과금을 위한 스마트카드, 무선데이터 송수신에 사용되는 스마트폰/휴대폰, 노트북, 위치 정보를 알려주는 통신위성, 스마트폰 등에 데이터를 전송하는 이동통신 기지국, Wi-Fi를 연결하는 무선공유기 등이 있으며, 이 밖에도 다양한 무선통신장치들을 포함한다.

RF 수신기를 통하여 수신되는 무선통신 신호는 무선통신 신호를 발송하는 무선통신장치의 물리적인 특징이 포함되게 되는데, 무선통신장치 인증 시스템은 이 특성에 따라 무선통신장치를 인증한다. 기존의 무선통신장치에서 송신되던 무선통신 신호의 물리적인 특징을 학습하였다가, 이 특징과 다른 물리적인 특징을 가지는 무선통신 신호가 송신되면, 진짜 해당 기기에서 전송된 것이 아니라고 판단할 수 있는 것이다.

본 발명의 무선통신장치 인증 시스템은 일측의 무선통신장치 내부에 포함되는 형태로 구성될 수도 있으며, 무선통신장치로부터 인증 요청 정보를 받아 인증을 처리하는 별도의 시스템으로 구성될 수 도 있다. 예를 들어, 스마트폰 내부에 설치되어 스마트폰에 데이터를 전송하는 무선통신 기지국이 진짜 기지국인지 인증하거나, GPS 위성에서 수신되는 신호를 분석하여 실제 GPS 위성에서 오는 신호인지 확인할 수 있다. 또, 별도의 서버에 시스템이 구축되어, 스마트폰 어플리케이션 등으로부터 위의 각 상황에 대한 정보를 수신하고, 이를 통해 상대측 무선통신장치를 인증할 수도 있다.

도 2는 본 발명의 일실시예에 따른 무선통신장치 인증 시스템의 내부 구성을 도시한 도면이다.

도면에 도시한 바와 같이, 본 발명의 일실시예에 따른 무선통신장치 인증 시스템(201)은 신호 입력부(210), 데이터 전처리부(220), 장치 인증부(230) 및 통신 처리부(240)를 포함하여 구성될 수 있으며, 상기 장치 인증부(230)는 딥러닝 학습부(231), 딥러닝 처리부(232) 및 외부 인증 결과 수신부(233)를 포함하여 구성될 수 있다. 각각의 구성요소들은 물리적인 장치나 소프트웨어, 또는 물리적인 장치와 소프트웨어의 결합 형태로 구성될 수 있으며, 구성요소 간에 물리적으로 반드시 분리되어야 하는 것을 의미하는 것은 아니다.

신호 입력부(210)는 무선통신장치로부터 무선통신 신호를 수신한다. 무선통신장치는 무선통신을 통하여 정보를 주고받기 위하여, 무선신호를 생성하여 서로 주고 받는다. 이와 같이 무선통신을 위한 무선신호를 생성하는 모듈을 보통 무선통신모뎀이라고 부르는데, 무선통신모뎀에서는 디지털 신호 처리를 담당하는 디지털 모듈과 아날로그 신호 처리를 담당하는 RF 모듈을 포함한다. RF 모듈에서는 디지털 신호를 전송하기 위한 전파를 생성하는데, 이 전파는 동일한 디지털 신호를 전송하는 경우에도 RF 모듈의 공정에 따라서 개별적인 물리적인 특성을 포함하게 된다.

따라서, 신호 입력부(210)에서 수신되는 무선통신 신호는 전송하는 동일한 내용을 담고 있더라도, 무선통신장치의 RF 모듈 별로 조금씩 다른 특성을 가지게 되며, 이에 따라, 전송되는 데이터의 내용을 실제 데이터인 것처럼 위조하는 경우에도, 실제 정보를 주고받을 무선통신장치인지 아닌지 여부를 판단하는 것이 가능하게 된다.

신호 입력부(210)는 이와 같은 무선신호, 즉 RF 모듈에서 생성되는 RF 신호를 수신하는데, 구체적인 무선신호의 형태나 전송방법 및 수신방법에 의하여 본 발명이 제한되지는 않는다.

데이터 전처리부(220)는 수신한 무선통신 신호의 물리적 특성을 추출할 수 있도록 전처리하여 전처리 데이터를 생성한다. 일반적인 무선통신장치에서는 상기 신호 입력부(210)에서 수신되는 무선통신 신호를 처리하여 디지털 신호를 추출해 내고, 디지털 신호를 처리하여 필요한 정보를 얻게 된다. 본 발명에서도 수신된 무선통신 신호에 담긴 정보를 이용할 때에는 추출된 디지털 신호로부터 필요한 정보를 추출해 내고, 실제 전송된 무선통신 신호의 물리적인 특징은 사용하지 않는다.

그러나, 데이터 전처리부(220)는 상술한 바와 같이, 무선신호 자체의 물리적인 특징을 파악할 수 있도록 하기 위해서, 무선신호에서 물리적 특성에 관한 정보들을 추출한다. 추출된 물리적 특성에 관한 정보는 상기 무선신호를 전송한 무선통신장치를 인증하는 데에 사용하게 된다.

데이터 전처리부(220)에서 추출하는 무선통신 신호의 물리적 특성은 시계열적인 무선신호의 강도에 관한 정보를 통해 추출할 수도 있고, I-채널 및 Q-채널로 표현된 심볼의 실제 전송 값에 관한 정보를 통해 추출할 수도 있다.

이 밖에도 데이터 전처리부(220)는 무선신호를 전송하는 무선통신장치의 RF 모듈의 물리적인 특성에 따라서, 달라질 수 있는 다양한 값을 추출하여, 이를 통해 무선통신장치를 인증하도록 할 수 있다.

장치 인증부(230)는 상기 전처리 데이터에 포함된 상기 수신된 무선통신 신호의 물리적인 특징을 확인하여, 상기 무선통신장치를 인증한다. 무선통신 신호의 물리적인 특징을 통하여 무선통신장치를 인증하는 데에는 다양한 방법이 사용될 수 있다. 가장 기본적으로는 무선통신을 수행하는 무선통신장치별로 상기 물리적인 특징에 관한 정보를 누적하여 데이터베이스화하고, 기존의 데이터와 이질적인 물리적인 특징을 가지는 무선통신 신호가 확인되면, 상기 무선통신장치가 정상적이지 않다고 판단하여 인증하지 않는 것이다. 반대로, 기존에 데이터베이스화된 무선통신장치의 물리적 특징에 부합하는 무선통신 신호가 도착하는 경우에는 정상적인 무선통신 장치로 인증할 수 있다.

보다 바람직하게, 장치 인증부(230)는 딥러닝 기술을 적용하여, 무선통신 신호의 물리적인 특징을 분석할 수 있다. 딥러닝이란 기계학습의 한분야로 축적된 데이터를 기반으로 다수의 연산층을 이용하여 학습을 시키고, 이로부터 솔루션을 획득하는 인공신경망 알고리즘이다. 딥러닝은 크게 지도학습과 비지도학습으로 구성된다. 지도학습은 분류 기준에 의해 데이터 기반으로 학습을 수행하여, 학습된 파라미터를 이용해 분류를 수행하게 된다. 비지도학습은 분류 기준없이 입력된 데이터에 의해 스스로 학습하고 분류하게 되는 방식이다. 본 발명은 지도학습을 활용한다. 좀더 자세히 설명하면, 각 무선통신장치에 포함되는 무선통신모뎀 RF 모듈의 물리적인 특성 데이터를 수집해 학습을 수행하고, 수행된 학습 데이터를 이용하여 무선통신장치를 판별하는 인증을 수행한다.

장치 인증부(230)는 이와 같이 딥러닝을 통하여 무선통신장치를 인증하기 위하여, 도면에 도시된 바와 같이 딥러닝 학습부(231), 딥러닝 처리부(232)를 포함할 수 있다.

딥러닝 학습부(231)는 상기 데이터 전처리부(220)에서 생성되는 전처리 데이터를 학습하여 학습 데이터를 생성한다. 딥러닝 학습부(231)의 학습을 위하여, 인증이 필요한 무선통신장치들이 인증을 위해 약속된 레퍼런스 신호를 무선으로 전송하면, 상기 신호 입력부(210)는 무선통신장치별로 수신된 무선신호를 분류하고, 전처리된 데이터를 딥러닝 학습부(231)에서 학습하여 무선통신장치를 구분하는 딥러닝 네트워크 파라미터를 유도하게 된다.

딥러닝 학습부(231)에서 수행하는 학습은 다양한 무선신호의 특징을 이용할 수 있는데, 시간에 따른 무선신호의 수신세기 정보를 이용하여 학습을 수행할 수도 있고, I/Q 채널에서의 신호 세기와 유상으로부터 학습을 수행할 수 있다. 이와 같이 딥러닝 학습 대사이 되는 무선신호의 특징은 여기에 언급된 방식에 한정되지 않으며, 다양한 변형이 가능하다.

딥러닝 처리부(232)는 딥러닝 학습부(231)에서 학습한 학습 데이터를 기초로 상기 데이터 전처리부(220)에서 생성된 전처리 데이터를 딥러닝 모델에 적용하여 무선통신장치의 인증 여부를 판단한다. 무선통신장치를 인증하기 위하여, 무선통신장치는 먼저 약속된 무선통신 신호를 전송하고, 이 데이터를 수신하여 전처리한 뒤, 딥러닝 학습부(231)에서 학습된 파라미터가 저장된 네트워크로 입력되게 되면 딥러닝 처리가 진행된다.

딥러닝 처리부(232)에서는 둘 이상의 다양한 딥러닝 방식(CNN, RNN, DNN 등)을 동시에 적용할 수 있는데, 이와 같이 복수의 딥러닝 방식을 이용하는 경우에는 각각의 딥러닝 방식 별로 가중치를 부여하고, 부여된 가중치를 반영하여 최종 인증 여부를 판단하도록 할 수 있다. 이와 같이 다양한 딥러닝 방식을 사용하기 위해서 딥러닝 학습부(231) 또한 다양한 방식 각각에 대한 학습을 처리하도록 구성될 수 있다. 이 때, 가중치를 부여하는 것 또한 딥러닝 기술을 이용하여, 가장 정확한 인증을 할 수 있는 경우를 판단하여 진행할 수 있다.

장치 인증부(230)는 보다 안전한 인증이 가능하도록 하기 위하여,기존의 방식과 본 발명의 방식을 중복해서 사용할 수 있다. 이를 위하여, 장치 인증부(230)는 외부 인증 결과 수신부(233)를 더 포함할 수 있다.

외부 인증 결과 수신부(233)는 종래의 인증 모듈로부터 상기 무선통신장치에 대한 인증 여부에 관한 외부 인증 정보를 수신한다. 종래의 인증 모듈은 본 발명의 무선통신장치 인증 시스템(201)의 내부에 존재할 수도 있고, 외부 별도의 시스템으로 존재하는 것도 가능하다.

외부 인증 결과 수신부(233)에서 수신하는 외부 인증 정보는 장치 고유 정보(MAC 정보, IP 주소 등)를 이용하는 인증 방법일 수도 있고, 패스워드를 이용한 인증 방법일 수도 있고, 전자서명 기반의 인증 방식일 수도 있으며, 이와 같은 방식들이 조합된 형태일 수도 있다. 이와 같이 기존의 다양한 인증방법과 조합해서 사용할 경우, 보다 안전하게 무선통신장치를 인증하는 것이 가능하다.

장치 인증부(230)에서 이와 같이 딥러닝을 통한 인증방법과 외부 인증 정보를 이용한 인증 방법을 조합할 경우에는 두가지 방법 모두에서 인증이 되는 경우에만 인증을 처리하는 방법이나, 각각의 방법에 가중치를 부여하여 인증하는 방법 등이 모두 적용 가능하다. 가중치를 부여할 경우에는 앞서 다양한 방법의 딥러닝 방식을 이용하는 경우와 마찬가지로, 최적의 가중치를 부여하기 위하여 딥러닝 기술을 적용하는 것도 가능하다.

장치 인증부(230)는 무선통신장치에 최초 접근 시에만 인증을 처리하도록 할 수 있으며, 주기적으로 수신되는 무선 신호를 이용하여 인증을 연속적으로 수행하는 것도 가능하다. 이 때, 파일럿 등의 무선 신호를 레퍼런스 신호로 사용한다면, 별도의 무선 자원의 사용 없이도 연속적인 무선통신장치의 인증을 수행할 수 있다.

통신 처리부(240)는 상기 장치 인증부(230)의 인증 결과를 기초로, 인증된 무선통신장치의 무선통신 신호를 처리한다. 장치 인증부(230)에서 무선통신장치가 인증된 경우, 안전한 정보교환이 가능한 무선통신장치인 것이 확인되었으므로, 실제 무선통신 신호를 내부에서 처리할 수 있다.

도 3은 본 발명의 다른 실시예에 따른 무선통신장치 인증 시스템의 내부 구성을 도시한 도면이다.

도면에 도시한 바와 같이, 본 발명에 따른 무선통신장치 인증 시스템(201)은 외부의 딥러닝 인증 서버(202)와 통신하여, 무선통신장치를 인증하고, 인증 결과를 기초로 무선통신 신호를 처리하도록 할 수 있다. 이 경우는 무선통신장치 인증 시스템(201)이 모바일 디바이스, 웨어러블 디바이스 등의 경량 무선통신기기 내부에 설치되어 있어, 딥러닝 방식의 인증을 직접 수행하기에 어려움이 있는 경우에 적용 가능하다.

본 실시예의 무선통신장치 인증 시스템(201)은 신호 입력부(210), 데이터 전처리부(220), 장치 인증부(230) 및 통신 처리부(240)를 포함하여 구성될 수 있으며, 각각의 구성요소에 대한 설명은 도 2에서 설명한 무선통신장치 인증 시스템(201)의 설명을 적용 가능하다.

장치 인증부(230)는 상기 전처리 데이터를 딥러닝 인증 서버(202)로 전송하고, 상기 무선통신장치에 대한 인증 결과를 수신한다. 상술한 바와 같이, 무선통신장치 인증 시스템(201)이 경량 디바이스의 내부에 설치되는 경우에는 고도의 연산을 요하는 딥러닝 인증을 직접 처리하는 것이 어려울 수 있다. 따라서, 이 경우 장치 인증부(230)는 딥러닝을 통한 무선통신장치의 인증을 외부의 딥러닝 인증 서버(202)에서 처리하도록 하고 그 처리 결과를 수신할 수 있다.

딥러닝 인증 서버(202)는 무선통신장치의 인증을 처리하기 위하여, 딥러닝 학습부(231), 딥러닝 처리부(232)를 포함할 수 있다.

딥러닝 처리부(232)에서는 둘 이상의 다양한 딥러닝 방식(CNN, RNN, DNN 등)을 동시에 적용할 수 있는데, 이와 같이 복수의 딥러닝 방식을 이용하는 경우에는 각각의 딥러닝 방식 별로 가중치를 부여하고, 부여된 가중치를 반영하여 최종 인증 여부를 판단하도록 할 수 있다. 이 때, 가중치를 부여하는 것 또한 딥러닝 기술을 이용하여, 가장 정확한 인증을 할 수 있는 경우를 판단하여 진행할 수 있다.

딥러닝 인증 서버(202) 는 보다 안전한 인증이 가능하도록 하기 위하여,기존의 방식과 본 발명의 방식을 중복해서 사용할 수 있다. 이를 위하여, 딥러닝 인증 서버(202) 는 외부 인증 결과 수신부(233)를 더 포함할 수 있다.

딥러닝 인증 서버(202)에서 이와 같이 딥러닝을 통한 인증방법과 외부 인증 정보를 이용한 인증 방법을 조합할 경우에는 두가지 방법 모두에서 인증이 되는 경우에만 인증을 처리하는 방법이나, 각각의 방법에 가중치를 부여하여 인증하는 방법 등이 모두 적용 가능하다. 가중치를 부여할 경우에는 앞서 다양한 방법의 딥러닝 방식을 이용하는 경우와 마찬가지로, 최적의 가중치를 부여하기 위하여 딥러닝 기술을 적용하는 것도 가능하다.

도 4는 본 발명의 일실시예에 따른 무선통신장치 인증 시스템에서 이용하는 무선신호의 물리적 특성의 차이를 도시하는 도면이다.

도면에는 동일한 신호를 두 가지 무선통신장치에서 각각 전송할 경우, 각 무선통신장치의 RF 모듈의 물리적인 특성에 의해 실제 전송되는 무선신호가 달라지는 것을 시간 대비 신호세기로 표시하고 있다.

도면에 도시한 바와 같이, 무선통신장치의 무선통신모뎀에 포함된 RF 모듈의 특성에 따라, 동일한 신호를 전송하더라도, 수신 측에서는 무선신호가 다르게 수신되고, 이와 같은 차이점을 확인할 경우, 무선통신장치를 안전하게 인증하는 것이 가능하게 된다.

도면에서 (A)로 표시된 무선통신장치의 신호와 (B)로 표시된 무선통신장치의 신호는 모두 담고 있는 정보가 동일하며, 실제 수신기에서 이를 수신하여 처리할 경우 동일한 정보를 획득할 수 있으나, 그 전송 과정에서 사용되는 신호강도의 차이가 분명하게 존재한다. 따라서, 이와 같은 차이를 딥러닝을 통하여 확인할 경우, 실제 신호가 어떤 무선통신장치에서 전송되었는지를 정확히 파악할 수 있다.

도 5는 본 발명의 다른 실시예에 따른 무선통신장치 인증 시스템에서 이용하는 무선신호의 물리적 특성의 차이를 도시하는 도면이다.

도면에는 동일한 심볼을 두 개의 서로 다른 무선통신장치에서 전송하는 경우, 각 무선통신장치의 무선통신모뎀에 포함된 RF 모듈의 물리적인 특성에 의해 실제 전송되는 무선 심볼이 달라지는 것을 I-채널과 Q-채널 값을 이용하여 도시하고 있다.

도면에 도시한 바와 같이, 무선통신모뎀에 포함된 RF 모듈의 물리적인 특성에 다라, 동일한 심볼을 전송하더라도, 수신 측에서는 무선 심볼이 다르게 수신될 수 있다. 이를 확인할 경우 무선통신장치를 안전하게 인증하는 것이 가능하다.

도면에서 (A)로 표시된 무선통신장치의 심볼과 (B)로 표시된 무선통신장치의 심볼은 모두 동일한 심볼을 나타내는데, 실제 수신기에서 이를 수신하여 처리할 경우, 동일한 심볼을 획득할 수 있다. 하지만, 실제 전송되는 데이터에서는 I-채널 값과 Q-채널 값이 무선통신장치에 따라 다른 값을 나타내게 되며, 이는 무선통신장치의 물리적인 특성에 기인한다. 따라서, 이와 같은 차이를 딥러닝을 통하여 확인할 경우, 실제 신호가 어떤 무선통신장치에서 전송되었는지를 정확히 파악할 수 있다.

도 6은 본 발명의 일실시예에 따른 무선통신장치 인증 방법의 흐름을 도시하는 흐름도이다.

본 발명의 무선통신장치 인증 방법은 중앙처리장치 및 메모리를 구비하는 무선통신장치 인증 시스템의 동작 방법을 나타낸 것으로, 구체적인 중앙처리장치 및 메모리의 종류와 특성에 따라 본 발명이 달라지지 않는다.

또한, 무선통신장치 인증 방법을 설명하기 위하여, 상술한 무선통신장치 인증 시스템(201)의 기술적인 설명을 적용할 수 있으며, 여기에 구체적으로 설명되어 있지 않아도, 무선통신장치 인증 시스템(201)의 설명으로 구현 가능하다.

신호 입력단계(S601)에서는 무선통신장치로부터 무선통신 신호를 수신한다. 무선통신장치는 무선통신을 통하여 정보를 주고받기 위하여, 무선신호를 생성하여 서로 주고 받는다. 이와 같이 무선통신을 위한 무선신호를 생성하는 모듈을 보통 무선통신모뎀이라고 부르는데, 무선통신모뎀에서는 디지털 신호 처리를 담당하는 디지털 모듈과 아날로그 신호 처리를 담당하는 RF 모듈을 포함한다. RF 모듈에서는 디지털 신호를 전송하기 위한 전파를 생성하는데, 이 전파는 동일한 디지털 신호를 전송하는 경우에도 RF 모듈의 공정에 따라서 개별적인 물리적인 특성을 포함하게 된다.

따라서, 신호 입력 단계(S601)에서 수신되는 무선통신 신호는 전송하는 동일한 내용을 담고 있더라도, 무선통신장치의 RF 모듈 별로 조금씩 다른 특성을 가지게 되며, 이에 따라, 전송되는 데이터의 내용을 실제 데이터인 것처럼 위조하는 경우에도, 실제 정보를 주고받을 무선통신장치인지 아닌지 여부를 판단하는 것이 가능하게 된다.

데이터 전처리 단계(S602)는 수신한 무선통신 신호의 물리적 특성을 추출할 수 있도록 전처리하여 전처리 데이터를 생성한다. 일반적인 무선통신장치에서는 상기 신호 입력부(210)에서 수신되는 무선통신 신호를 처리하여 디지털 신호를 추출해 내고, 디지털 신호를 처리하여 필요한 정보를 얻게 된다. 본 발명에서도 수신된 무선통신 신호에 담긴 정보를 이용할 때에는 추출된 디지털 신호로부터 필요한 정보를 추출해 내고, 실제 전송된 무선통신 신호의 물리적인 특징은 사용하지 않는다.

그러나, 데이터 전처리 단계(S602)에서는 상술한 바와 같이, 무선신호 자체의 물리적인 특징을 파악할 수 있도록 하기 위해서, 무선신호에서 물리적 특성에 관한 정보들을 추출한다. 추출된 물리적 특성에 관한 정보는 상기 무선신호를 전송한 무선통신장치를 인증하는 데에 사용하게 된다.

장치 인증 단계는 딥러닝을 기반으로 장치를 인증하기 위하여, 딥러닝 학습 단계(S603), 딥러닝 처리 단계(S604)를 포함할 수 있으며, 딥러닝 학습 단계(S603) 및 딥러닝 처리 단계(S604)를 직접 처리하거나, 동일한 단계를 외부의 딥러닝 인증 서버(202)에 전송하여 처리하도록 하고, 그 결과를 수신하는 형태로 인증하는 것도 가능하다.

딥러닝 학습 단계(S603)는 상기 데이터 전처리 단계(S602)에서 생성되는 전처리 데이터를 학습하여 학습 데이터를 생성한다. 딥러닝 학습 단계(S603)의 학습을 위하여, 인증이 필요한 무선통신장치들이 인증을 위해 약속된 레퍼런스 신호를 무선으로 전송하면, 상기 신호 입력 단계(S601)에서는 무선통신장치별로 수신된 무선신호를 분류하고, 전처리된 데이터를 딥러닝 학습 단계(S604)에서 학습하여 무선통신장치를 구분하는 딥러닝 네트워크 파라미터를 유도하게 된다.

딥러닝 처리 단계(S604)는 딥러닝 학습 단계(S603)에서 학습한 학습 데이터를 기초로 상기 데이터 전처리 단계(S602)에서 생성된 전처리 데이터를 딥러닝 모델에 적용하여 무선통신장치의 인증 여부를 판단한다. 무선통신장치를 인증하기 위하여, 무선통신장치는 먼저 약속된 무선통신 신호를 전송하고, 이 데이터를 수신하여 전처리한 뒤, 딥러닝 학습 단계(S603)에서 학습된 파라미터가 저장된 네트워크로 입력되게 되면 딥러닝 처리가 진행된다.

딥러닝 처리 단계(S604)에서는 둘 이상의 다양한 딥러닝 방식(CNN, RNN, DNN 등)을 동시에 적용할 수 있는데, 이와 같이 복수의 딥러닝 방식을 이용하는 경우에는 각각의 딥러닝 방식 별로 가중치를 부여하고, 부여된 가중치를 반영하여 최종 인증 여부를 판단하도록 할 수 있다. 이 때, 가중치를 부여하는 것 또한 딥러닝 기술을 이용하여, 가장 정확한 인증을 할 수 있는 경우를 판단하여 진행할 수 있다.

장치 인증 단계는 보다 안전한 인증이 가능하도록 하기 위하여,기존의 방식과 본 발명의 방식을 중복해서 사용할 수 있다. 이를 위하여, 외부 인증 결과 수신 단계(S605)를 더 포함할 수 있다.

외부 인증 결과 수신 단계(S605)는 종래의 인증 모듈로부터 상기 무선통신장치에 대한 인증 여부에 관한 외부 인증 정보를 수신한다. 종래의 인증 모듈은 본 발명의 무선통신장치 인증 시스템(201)의 내부에 존재할 수도 있고, 외부 별도의 시스템으로 존재하는 것도 가능하다.

외부 인증 결과 수신 단계(S605)에서 수신하는 외부 인증 정보는 장치 고유 정보(MAC 정보, IP 주소 등)를 이용하는 인증 방법일 수도 있고, 패스워드를 이용한 인증 방법일 수도 있고, 전자서명 기반의 인증 방식일 수도 있으며, 이와 같은 방식들이 조합된 형태일 수도 있다. 이와 같이 기존의 다양한 인증방법과 조합해서 사용할 경우, 보다 안전하게 무선통신장치를 인증하는 것이 가능하다.

통신 처리 단계(S606)는 상기 장치 인증 단계의 인증 결과를 기초로, 인증된 무선통신장치의 무선통신 신호를 처리한다. 장치 인증 단계에서 무선통신장치가 인증된 경우, 안전한 정보교환이 가능한 무선통신장치인 것이 확인되었으므로, 실제 무선통신 신호를 내부에서 처리할 수 있다.

본 발명의 무선통신장치 인증 방법은 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록매체에 저장되어 사용될 수 있다.

컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CDROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.

프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상에서와 같이 본 발명에 따른 무선통신장치 인증 시스템 및 무선통신장치 인증 방법은 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.

210: 신호 입력부
220: 데이터 전처리부
230: 장치 인증부
240: 통신 처리부

Claims

무선통신장치로부터 무선통신 신호를 수신하는 신호 입력부;
수신한 무선통신 신호의 물리적 특성을 추출할 수 있도록 전처리하여 전처리 데이터를 생성하는 데이터 전처리부;
상기 전처리 데이터에 포함된 상기 수신된 무선통신 신호의 물리적인 특징을 확인하여, 상기 무선통신장치를 인증하는 장치 인증부; 및
상기 장치 인증부의 인증 결과를 기초로, 인증된 무선통신장치의 무선통신 신호를 처리하는 통신 처리부
를 포함하되,
무선통신 신호의 물리적 특성은,
무선통신장치의 아날로그 신호 처리를 담당하는 RF 모듈의 공정에 따라 상이한 무선통신장치 인증 시스템.
제1항에 있어서,
상기 장치 인증부는
상기 전처리 데이터를 학습하여 학습 데이터를 생성하는 딥러닝 학습부; 및
상기 학습 데이터를 기초로 상기 전처리 데이터를 딥러닝 모델에 적용하여 상기 무선통신장치의 인증 여부를 판단하는 딥러닝 처리부
를 포함하는 것을 특징으로 하는 무선통신장치 인증 시스템.
제2항에 있어서,
상기 딥러닝 학습부는
둘 이상의 딥러닝 방식을 이용하여 상기 전처리 데이터를 학습하고,
상기 딥러닝 처리부는
상기 둘 이상의 딥러닝 방식 각각에 대하여 인증 여부를 판단하고, 상기 각각의 인증 여부 판단 결과를 종합하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 시스템.
제3항에 있어서,
상기 딥러닝 처리부는
상기 둘 이상의 딥러닝 방식에 대하여 각각 가중치를 부여하고, 상기 부여된 가중치를 반영하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 시스템.
제2항에 있어서,
상기 장치 인증부는
종래의 인증 모듈로부터 상기 무선통신장치에 대한 인증 여부에 관한 외부 인증 정보를 수신하는 외부 인증 결과 수신부
를 더 포함하고,
상기 수신한 외부 인증 정보와 상기 딥러닝 처리부에서 확인한 인증 여부를 종합하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 시스템.
무선통신장치로부터 무선통신 신호를 수신하는 신호 입력부;
수신한 무선통신 신호의 물리적 특성을 추출할 수 있도록 전처리하여 전처리 데이터를 생성하는 데이터 전처리부;
상기 전처리 데이터를 딥러닝 인증 서버로 전송하고, 상기 무선통신장치에 대한 인증 결과를 수신하는 장치 인증부; 및
상기 수신한 무선통신장치에 대한 인증 정보를 기초로, 인증된 무선통신장치의 무선통신 신호를 처리하는 통신 처리부
를 포함하되,
무선통신 신호의 물리적 특성은,
무선통신장치의 아날로그 신호 처리를 담당하는 RF 모듈의 공정에 따라 상이한 무선통신장치 인증 시스템.
제6항에 있어서,
상기 딥러닝 인증 서버는
상기 전처리 데이터를 학습하여 학습 데이터를 생성하는 딥러닝 학습부; 및
상기 학습 데이터를 기초로 상기 전처리 데이터를 딥러닝 모델에 적용하여 상기 무선통신장치의 인증 여부를 판단하는 딥러닝 처리부
를 포함하는 것을 특징으로 하는 무선통신장치 인증 시스템.
제7항에 있어서,
상기 딥러닝 학습부는
둘 이상의 딥러닝 방식을 이용하여 상기 전처리 데이터를 학습하고,
상기 딥러닝 처리부는
상기 둘 이상의 딥러닝 방식 각각에 대하여 인증 여부를 판단하고, 상기 각각의 인증 여부 판단 결과를 종합하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 시스템.
제8항에 있어서,
상기 딥러닝 처리부는
상기 둘 이상의 딥러닝 방식에 대하여 각각 가중치를 부여하고, 상기 부여된 가중치를 반영하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 시스템.
제7항에 있어서,
상기 딥러닝 인증 서버는
종래의 인증 모듈로부터 상기 무선통신장치에 대한 인증 여부에 관한 외부 인증 정보를 수신하는 외부 인증 결과 수신부
를 더 포함하고,
상기 수신한 외부 인증 정보와 상기 딥러닝 처리부에서 확인한 인증 여부를 종합하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 시스템.
중앙처리장치 및 메모리를 구비하는 무선통신장치 인증 시스템의 동작 방법에 있어서,
무선통신장치로부터 무선통신 신호를 수신하는 신호 입력 단계;
수신한 무선통신 신호의 물리적 특성을 추출할 수 있도록 전처리하여 전처리 데이터를 생성하는 데이터 전처리 단계;
상기 전처리 데이터에 포함된 상기 수신된 무선통신 신호의 물리적인 특징을 확인하여, 상기 무선통신장치를 인증하는 장치 인증 단계; 및
상기 장치 인증 단계의 인증 결과를 기초로, 인증된 무선통신장치의 무선통신 신호를 처리하는 통신 처리단계
를 포함하되,
무선통신 신호의 물리적 특성은,
무선통신장치의 아날로그 신호 처리를 담당하는 RF 모듈의 공정에 따라 상이한 무선통신장치 인증 방법.
제11항에 있어서,
상기 장치 인증 단계는
상기 전처리 데이터를 학습하여 학습 데이터를 생성하는 딥러닝 학습 단계; 및
상기 학습 데이터를 기초로 상기 전처리 데이터를 딥러닝 모델에 적용하여 상기 무선통신장치의 인증 여부를 판단하는 딥러닝 처리 단계
를 포함하는 것을 특징으로 하는 무선통신장치 인증 방법.
제12항에 있어서,
상기 딥러닝 학습 단계는
둘 이상의 딥러닝 방식을 이용하여 상기 전처리 데이터를 학습하고,
상기 딥러닝 처리 단계는
상기 둘 이상의 딥러닝 방식 각각에 대하여 인증 여부를 판단하고, 상기 각각의 인증 여부 판단 결과를 종합하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 방법.
제13항에 있어서,
상기 딥러닝 처리 단계는
상기 둘 이상의 딥러닝 방식에 대하여 각각 가중치를 부여하고, 상기 부여된 가중치를 반영하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 방법.
제12항에 있어서,
상기 장치 인증 단계는
종래의 인증 모듈로부터 상기 무선통신장치에 대한 인증 여부에 관한 외부 인증 정보를 수신하는 외부 인증 결과 수신 단계
를 더 포함하고,
상기 수신한 외부 인증 정보와 상기 딥러닝 처리 단계에서 확인한 인증 여부를 종합하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 방법.
중앙처리장치 및 메모리를 구비하는 무선통신장치 인증 시스템의 동작 방법에 있어서,
무선통신장치로부터 무선통신 신호를 수신하는 신호 입력 단계;
수신한 무선통신 신호의 물리적 특성을 추출할 수 있도록 전처리하여 전처리 데이터를 생성하는 데이터 전처리 단계;
상기 전처리 데이터를 딥러닝 인증 서버로 전송하고, 상기 무선통신장치에 대한 인증 결과를 수신하는 장치 인증 단계; 및
상기 수신한 무선통신장치에 대한 인증 정보를 기초로, 인증된 무선통신장치의 무선통신 신호를 처리하는 통신 처리 단계
를 포함하되,
무선통신 신호의 물리적 특성은,
무선통신장치의 아날로그 신호 처리를 담당하는 RF 모듈의 공정에 따라 상이한 무선통신장치 인증 방법.
제16항에 있어서,
상기 딥러닝 인증 서버는
상기 전처리 데이터를 학습하여 학습 데이터를 생성하는 딥러닝 학습 단계; 및
상기 학습 데이터를 기초로 상기 전처리 데이터를 딥러닝 모델에 적용하여 상기 무선통신장치의 인증 여부를 판단하는 딥러닝 처리 단계
를 수행하는 것을 특징으로 하는 무선통신장치 인증 방법.
제17항에 있어서,
상기 딥러닝 학습 단계는
둘 이상의 딥러닝 방식을 이용하여 상기 전처리 데이터를 학습하고,
상기 딥러닝 처리 단계는
상기 둘 이상의 딥러닝 방식 각각에 대하여 인증 여부를 판단하고, 상기 각각의 인증 여부 판단 결과를 종합하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 방법.
제18항에 있어서,
상기 딥러닝 처리 단계는
상기 둘 이상의 딥러닝 방식에 대하여 각각 가중치를 부여하고, 상기 부여된 가중치를 반영하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 방법.
제17항에 있어서,
상기 딥러닝 인증 서버는
종래의 인증 모듈로부터 상기 무선통신장치에 대한 인증 여부에 관한 외부 인증 정보를 수신하는 외부 인증 결과 수신 단계
를 더 수행하고,
상기 수신한 외부 인증 정보와 상기 딥러닝 처리 단계에서 확인한 인증 여부를 종합하여 최종 인증 여부를 판단하는 것
을 특징으로 하는 무선통신장치 인증 방법.
제11항 내지 제20항 중 어느 한 항의 방법을 실행하는 프로그램을 기록한 기록매체.