KR102437055B1 - 자동 변조 인식을 이용한 도청 탐지 장치 및 그 방법 - Google Patents
자동 변조 인식을 이용한 도청 탐지 장치 및 그 방법 Download PDFInfo
- Publication number
- KR102437055B1 KR102437055B1 KR1020220058136A KR20220058136A KR102437055B1 KR 102437055 B1 KR102437055 B1 KR 102437055B1 KR 1020220058136 A KR1020220058136 A KR 1020220058136A KR 20220058136 A KR20220058136 A KR 20220058136A KR 102437055 B1 KR102437055 B1 KR 102437055B1
- Authority
- KR
- South Korea
- Prior art keywords
- detection
- data
- signal
- frequency
- unit
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
본 발명은 도청 가능 장소에 설치되어 감시구역 내 무선 신호를 탐지하고, 딥러닝 기반 자동 변조 인식을 이용하여 도청 의심 신호를 식별할 수 있는 자동 변조 인식을 이용한 도청 탐지 장치 및 그 방법에 관한 것이다.
본 발명에 따른 자동 변조 인식을 이용한 도청 탐지 장치는, 도청 가능 장소에 설치되고, 탐지 기준 정보를 사용하여 무선 신호를 탐지 및 수집하여 제1 탐지 주파수 데이터를 생성하고, 수집된 전파에 대한 신호 유사성을 분석하여 제2 탐지 주파수 데이터를 생성하는 탐지부(100)와; 신호 탐지 기준 정보를 설정하고 도청 의심 신호 분석에 필요한 탐지된 전파에 대한 주파수 변조유형 분석을 위한 딥러닝용 학습 데이터 셋 및 인가 주파수 데이터와 탐지부(100)로부터 전달받은 탐지 주파수 데이터를 저장하고 관리하며, 도청 의심 신호로 판단될 경우 신호 탐지 이벤트를 생성하는 제어부(200)와; 제어부로부터 수신한 탐지 주파수 데이터, 학습 데이터 셋으로 딥러닝을 통하여 주파수 변조유형을 분석하고, 인가 주파수 데이터와 비교하여 탐지된 무선 신호가 도청 의심 신호인지를 판단하는 분석부(300)와; 탐지부(100)의 탐지 기준 정보를 설정하고 도청 의심 신호 분석에 필요한 학습 데이터 셋 및 인가 주파수 데이터를 설정하며, 도청 의심 신호로 판단될 경우 신호 탐지 이벤트를 제공하는 관리부(400)를 포함하는 것을 특징으로 한다.
본 발명에 따른 자동 변조 인식을 이용한 도청 탐지 장치는, 도청 가능 장소에 설치되고, 탐지 기준 정보를 사용하여 무선 신호를 탐지 및 수집하여 제1 탐지 주파수 데이터를 생성하고, 수집된 전파에 대한 신호 유사성을 분석하여 제2 탐지 주파수 데이터를 생성하는 탐지부(100)와; 신호 탐지 기준 정보를 설정하고 도청 의심 신호 분석에 필요한 탐지된 전파에 대한 주파수 변조유형 분석을 위한 딥러닝용 학습 데이터 셋 및 인가 주파수 데이터와 탐지부(100)로부터 전달받은 탐지 주파수 데이터를 저장하고 관리하며, 도청 의심 신호로 판단될 경우 신호 탐지 이벤트를 생성하는 제어부(200)와; 제어부로부터 수신한 탐지 주파수 데이터, 학습 데이터 셋으로 딥러닝을 통하여 주파수 변조유형을 분석하고, 인가 주파수 데이터와 비교하여 탐지된 무선 신호가 도청 의심 신호인지를 판단하는 분석부(300)와; 탐지부(100)의 탐지 기준 정보를 설정하고 도청 의심 신호 분석에 필요한 학습 데이터 셋 및 인가 주파수 데이터를 설정하며, 도청 의심 신호로 판단될 경우 신호 탐지 이벤트를 제공하는 관리부(400)를 포함하는 것을 특징으로 한다.
Description
본 발명은 도청 가능 장소에 설치되어 감시구역 내 무선 신호를 탐지하고, 딥러닝 기반 자동 변조 인식을 이용하여 도청 의심 신호를 식별할 수 있는 자동 변조 인식을 이용한 도청 탐지 장치 및 그 방법에 관한 것이다.
최근 정보통신 기술의 발달로 고성능 및 소형화된 무선 장치들이 사용되고 있으며, 이에 따른 복잡하고 다양한 무선 신호가 발생 되고 있다.
대내외적으로 무선 도청의 위협이 급격히 증대됨에 따라 허가되지 않는 무선 장치들에 의한 정보 유출을 막기 위하여 전파 탐지 장치를 이용하여 수신된 신호를 검출하는 방법이 존재하기는 하나, 수동으로 별도의 신호 분석 장치를 통하여 분석함으로써 사용상에 상당한 불편함이 존재한다.
본 발명의 배경기술은 대한민국 특허청 등록특허 10-1641112호에 2016.07.14일자로 게시되어 있다.
본 발명이 해결하고자 하는 과제는 도청 가능 장소에 설치되어 무선 신호를 탐지하고, 딥러닝 기반 자동 변조 인식을 이용하여 도청 의심 신호를 식별할 수 있는 자동 변조 인식을 이용한 도청 탐지 장치 및 그 방법을 제공함에 있다.
본 발명에 따른 자동 변조 인식을 이용한 도청 탐지 장치는, 도청 가능 장소에 설치되고, 탐지 기준 정보를 사용하여 무선 신호를 탐지 및 수집하여 제1 탐지 주파수 데이터를 생성하고, 수집된 전파에 대한 신호 유사성을 분석하여 제2 탐지 주파수 데이터를 생성하는 탐지부(100)와; 신호 탐지 기준 정보를 설정하고 도청 의심 신호 분석에 필요한 탐지된 전파에 대한 주파수 변조유형 분석을 위한 딥러닝용 학습 데이터 셋 및 인가 주파수 데이터와 탐지부(100)로부터 전달받은 탐지 주파수 데이터를 저장하고 관리하며, 도청 의심 신호로 판단될 경우 신호 탐지 이벤트를 생성하는 제어부(200)와; 제어부로부터 수신한 탐지 주파수 데이터, 학습 데이터 셋으로 딥러닝을 통하여 주파수 변조유형을 분석하고, 인가 주파수 데이터와 비교하여 탐지된 무선 신호가 도청 의심 신호인지를 판단하는 분석부(300)와; 탐지부(100)의 탐지 기준 정보를 설정하고 도청 의심 신호 분석에 필요한 학습 데이터 셋 및 인가 주파수 데이터를 설정하며, 도청 의심 신호로 판단될 경우 신호 탐지 이벤트를 제공하는 관리부(400)를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 자동 변조 인식을 이용한 도청 탐지 방법은 도청 탐지 방법에 있어서, 전파를 탐지하는 단계(S001)와, 신호 탐지 기준 정보에 따라서 탐지된 전파에 대한 주파수 정보를 수집하여 제1 탐지 주파수 데이터를 생성하는 단계(S002)와, 신호 유사성 분석(Cross-correlation)을 통하여 동일 주파수가 존재하는지를 판단하여 제거하고, 제2 탐지 주파수 데이터를 생성하는 단계(S003)와, 제2 탐지 주파수 데이터로부터 주파수 변조유형 분석을 위한 입력 데이터를 추출하는 단계(S004)와, 학습 데이터 셋을 사용하여 주파수 변조유형을 학습하고, 그 결과로 제3 탐지 주파수 데이터를 생성하는 단계(S005)와, 제3 탐지 주파수 데이터와 인가 주파수 데이터를 비교하여 도청 의심 신호를 판단하는 단계(S006)와, 도청 의심 신호로 판단될 경우 신호 탐지 이벤트를 발생하는 단계(S007)로 이루어져서, 사용자가 도청 탐지 장치가 설치된 장소에서 도청으로 의심되는 무선 신호를 사용하는 무선 장치의 존재 여부를 확인할 수 있는 것을 특징으로 한다.
본 발명의 자동 변조 인식을 이용한 도청 탐지 장치는 도청 가능 장소에 설치되어, 도청으로 의심되는 전파가 발생할 경우, 실시간으로 이를 탐지하고 탐지된 전파에 대하여 신속하고 정확한 정보를 제공함으로써 정보 보안이 필요한 장소에 효과적인 감시를 수행할 수 있다.
도 1은 본 발명에 따른 자동 변조 인식을 이용한 도청 탐지 장치의 개략도.
도 2는 본 발명에 따른 탐지부(100)의 블록도.
도 3은 본 발명에 따른 제어부(200)의 블록도.
도 4는 본 발명에 따른 분석부(300)의 블록도.
도 5는 본 발명에 따른 관리부(400)의 블록도.
도 6은 본 발명에 따른 자동 변조 인식을 이용한 도청 탐지방법의 플로차트.
도 7은 본 발명의 제1 학습 데이터 셋 샘플 데이터
도 8은 본 발명의 제2 학습 데이터 셋 샘플 데이터
도 9는 본 발명의 제3 학습 데이터 셋 샘플 데이터
도 2는 본 발명에 따른 탐지부(100)의 블록도.
도 3은 본 발명에 따른 제어부(200)의 블록도.
도 4는 본 발명에 따른 분석부(300)의 블록도.
도 5는 본 발명에 따른 관리부(400)의 블록도.
도 6은 본 발명에 따른 자동 변조 인식을 이용한 도청 탐지방법의 플로차트.
도 7은 본 발명의 제1 학습 데이터 셋 샘플 데이터
도 8은 본 발명의 제2 학습 데이터 셋 샘플 데이터
도 9는 본 발명의 제3 학습 데이터 셋 샘플 데이터
이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 설명한다.
도 1에 도시된 바와 같이, 본 발명에 따른 자동 변조 인식을 이용한 도청 탐지 장치는 탐지부(100), 제어부(200), 분석부(300), 관리부(400)를 포함한다.
탐지부(100)는 도청 가능 장소에 설치되어 도청 감시구역 내의 전파를 수신하고, 탐지 기준 정보를 사용하여 탐지된 전파가 탐지 기준 정보의 신호 세기 이상이고, 탐지 기준 정보의 기초 주파수 데이터에서 해당 주파수 신호 세기 이상일 경우에 탐지된 전파에 대한 주파수 정보를 수집하여 제1 탐지 주파수 데이터를 생성하며, 탐지 주파수 데이터에서 신호 유사성 분석(Cross-correlation)을 통하여 동일 주파수가 존재하는지를 판단하여 제거하며, 제2 탐지 주파수 데이터를 생성하여 제어부(200)로 전송한다.
제어부(200)는 탐지부(100)로 전파 탐지 및 수집에 필요한 탐지 기준 정보를 제공하고, 탐지부(100)로부터 수신한 제2 탐지 주파수 데이터 및 분석부(300)로부터 수신한 제3 탐지 주파수 데이터, 도청 신호 분석에 필요한 학습 데이터 셋 및 인가 주파수 데이터를 저장하고 관리하며, 분석부(300)로부터 탐지된 전파에 대한 주파수 변조유형 분석 결과인 제3 탐지 주파수 데이터 및 도청 신호 분석 결과를 수신하고, 도청 의심 신호일 경우 신호 탐지 이벤트를 생성하여 저장한 후 관리부(400)로 전달한다.
분석부(300)는 제어부(200)로부터 제2 탐지 주파수 데이터, 도청 신호 분석에 필요한 학습 데이터 셋, 인가 주파수 데이터를 수신하고, 학습 데이터 셋 및 제2 탐지 주파수 데이터에서 딥러닝에 필요한 입력 데이터를 추출하여 주파수 변조유형을 학습하고, 그 결과로 제3 탐지 주파수 데이터를 생성하며, 제3 탐지 주파수 데이터와 인가 주파수 데이터와 비교하여 인가 주파수 데이터 내에 동일 주파수 변조유형을 가진 주파수가 존재하지 않을 경우 도청 의심 신호로 판단하여 제3 탐지 주파수 데이터 및 도청 신호 분석 결과를 제어부(200)로 전송한다.
관리부(400)는 신호 탐지 및 수집에 필요한 탐지 기준 정보를 설정하고, 도청 신호 분석에 필요한 학습 데이터 셋과 인가 주파수 데이터를 설정하며, 제어부(200)로부터 신호 탐지 이벤트를 수신하여 표시한다.
이하, 본 발명의 도청 탐지 장치의 세부 구성들을 설명한다.
도 2에 도시된 바와 같이, 탐지부(100)는 탐지 기준 정보 저장부(110), 전파 수신부(120), 제1 탐지 주파수 데이터 생성부(130), 신호 유사성 분석부(140), 제2 탐지 주파수 데이터 전송부(150)를 포함한다.
탐지 기준 정보 저장부(110)는 제어부(200)로부터 제공받은 탐지 기준 정보를 저장하고 관리한다. 이때, 탐지 기준 정보에는 탐지 신호 세기, 기초 주파수 데이터, 수집할 주파수에 대한 IF 분해능(Resoultion) 및 대역폭(Bandwidth), 신호 수집 횟수를 포함한다.
전파 수신부(120)는 안테나를 이용하여 도청 감시구역 내의 전파를 탐지한다.
제1 탐지 주파수 데이터 생성부(130)는 탐지된 전파가 신호 세기가 미리 설정된 탐지 기준 정보의 신호 세기 이상이고 탐지 기준 정보의 기초 주파수 데이터에서 해당 주파수 신호 세기보다 이상일 경우 탐지된 주파수 값을 기준으로 탐지 기준 정보의 수집 IF 대역폭 크기 및 탐지 기준 정보의 수집 IF 분해능 단위로 탐지 기준 정보의 수집 횟수만큼 전파를 수집하고, 탐지된 전파에 대한 주파수 정보 및 FFT(Fast Fourier Transform) 데이터로 구성된 제1 탐지 주파수 데이터를 생성한다. 이때, 탐지 주파수 데이터(F)는 신호 수집시간, 중심 주파수, 신호 세기, 대역폭, IF 분해능, 주파수 변조유형으로 구성된 탐지 주파수 정보 및 FFT(Fast Fourier Transform) 데이터로 된 2차원 배열로 구성된다
신호 유사성 분석부(140)는 교차 상관 분석을 통하여 신호 유사성을 분석하여 제1 탐지 주파수 데이터 내 동일 주파수가 존재하는지 판단하고 제거하여 제2 탐지 주파수를 생성한다. 이때, 교차 상관 분석(Cross-correlation)은 아래의 수학식으로 수행한다.
제2 탐지 주파수 데이터 전송부(150)는 생성된 제2 탐지 주파수 데이터를 제어부(200)로 전달한다. 이때, 제2 탐지 주파수 데이터 전송부(150)는 제1 탐지 주파수 데이터 및 제2 탐지 주파수 데이터를 삭제한다.
도 3에 도시된 바와 같이, 제어부(200)는 탐지 기준 정보 관리부(210), 도청 신호 분석 데이터 관리부(220), 도청 신호 분석 요청부(230), 도청 신호 분석결과 반영부(240), 신호 탐지 이벤트 생성부(250), 탐지 주파수 데이터 변경부(260)를 포함한다.
탐지 기준 정보 관리부(210)는 관리부(400)로부터 수신한 전파 탐지 및 수집에 필요한 탐지 기준 정보를 탐지부(100)로 송신한다.
도청 신호 분석 데이터 관리부(220)는 탐지부(100)로부터 수신된 제2 탐지 주파수 데이터 및 도청 신호 분석에 필요한 학습 데이터 셋, 인가 주파수 데이터를 저장하고 관리한다.
더욱 자세하게는, 도청 신호 분석에 사용되는 학습 데이터 셋은 FFT 데이터를 사용하여 학습된 데이터인 제1 학습 데이터, In-phase 성분 및 Quadrature 성분으로 구성된 I/Q 데이터를 사용하여 학습된 데이터인 제2 학습 데이터, Amplitude 성분 및 Phase 성분으로 구성된 A/P 데이터를 사용하여 학습된 제3 학습 데이터로 구성되며, 인가 주파수 데이터(L)는 시작 주파수, 종료 주파수, 주파수 변조유형으로 구성된 2차원 배열로 구성된다.
도청 신호 분석 요청부(230)는 분석부(300)로 제2 탐지 주파수 데이터, 학습 데이터 셋, 인가 주파수 데이터를 전송하면서 도청 신호 분석을 요청한다.
도청 신호 분석결과 반영부(240)는 분석부(300)로부터 제3 탐지 주파수 데이터 및 도청 신호 분석 결과가 수신되면, 제3 탐지 주파수 데이터에서 학습 결과를 추출하여 학습 데이터 셋에 반영한다.
신호 탐지 이벤트 생성부(250)는 분석부(300)로부터 수신한 도청 신호 분석 결과가 도청 의심 신호로 판단된 경우에 신호 탐지 이벤트를 생성하여 저장한 후 관리부(400)로 전송한다. 이때, 신호 탐지 이벤트(E)는 신호 발생시간, 중심 주파수, 신호 세기, 대역폭(Bandwidth), 분해능(Resolution), 주파수 변조유형으로 구성된 탐지 주파수 정보 및, FFT 데이터를 포함하는 1차원 배열로 구성된다.
탐지 주파수 데이터 변경부(260)는 분석부(300)로부터 수신된 3차 탐지 주파수 데이터를 탐지 주파수 데이터로 변경하여 저장한다. 이때, 탐지 주파수 데이터 변경부(260)는 2차 탐지 주파수 데이터를 삭제한다.
도 4에 도시된 바와 같이, 분석부(300)는 도청 신호 분석 데이터 수신부(310), 시험 기초 데이터 추출부(320), 주파수 변조유형 학습부(330), 도청 신호 분석부(340), 도청 신호 분석 결과 통지부(350)를 포함한다.
도청 신호 분석 데이터 수신부(310)는 제어부(200)로부터 도청 신호 분석을 위하여 딥러닝의 신경망에 필요한 학습 데이터 셋 및 인가 주파수 여부 판단을 위한 인가 주파수 데이터를 수신한다. 이때, 딥러닝에 사용되는 신경망은 복수 개의 층을 포함하는 다층 구조의 형태이며, 복수 개의 데이터로 구성된 하나의 입력 레이어와 복수 개의 데이터로 구성된 복수 개의 히든 레이어 및 하나의 출력 레이어로 구성되고, 입력 레이어에 사용되는 학습 데이터 셋은 제1 학습 데이터, 제2 학습 데이터, 제3 학습 데이터 중 하나이며, 테스트 데이터 셋은 제어부(200)로부터 수신한 제2 탐지 주파수 데이터에서 추출한 FFT 데이터, In-phase 성분 및 Quadrature 성분으로 구성된 I/Q 데이터, Amplitude 성분 및 Phase 성분으로 구성된 A/P 데이터 중 하나를 사용하며, 출력 레이어는 변조유형의 개수만큼 구성된다.
시험 기초 데이터 추출부(320)는 제어부(200)로부터 제2 탐지 주파수 데이터가 수신되면 제2 탐지 주파수 데이터의 FFT 데이터에서 In-phase 성분 및 Quadrature 성분으로 구성된 I/Q 데이터, Amplitude 성분 및 Phase 성분으로 구성된 A/P 데이터를 추출한다.
주파수 변조유형 학습부(330)는 제어부(200)로부터 도청 신호 분석 요청을 받으면 학습 데이터 셋 및 제2 탐지 주파수 데이터에서 추출한 FFT 데이터, I/Q 데이터, A/P 데이터를 사용하여 주파수 변조유형을 학습한다. 즉, 주파수 변조유형 학습부(330)는 도 7의 제1 학습 데이터 셋으로 학습을 진행하고, 학습 결과가 설정된 성공률 보다 작을 경우 도 8의 제2 학습 데이터 셋 및 도 9의 제3 학습 데이터 셋을 이용하여 학습을 진행하며, 제3 탐지 주파수 데이터를 생성하여 그 결과를 저장한다.
도청 신호 분석부(340)는 제3 탐지 주파수 데이터와 인가 주파수 데이터를 비교하여 인가 주파수 데이터에서 제3 탐지 주파수 데이터의 중심 주파수를 포함하는 주파수 대역이 존재하지 않거나 제3 탐지 주파수 데이터의 중심 주파수를 포함하는 주파수 대역이 존재하고 동일한 주파수 변조유형이 존재하지 않을 경우 도청 의심 신호로 판단한다.
도청 신호 분석 결과 통지부(350)는 제3 탐지 주파수 데이터와 도청 신호 분석 결과를 제어부(200)로 전달한다.
도 5에 도시된 바와 같이, 관리부(400)는 신호 탐지 설정부(410), 도청 신호 분석 설정부(420), 신호 탐지 이벤트 표시부(430)를 포함한다.
신호 탐지 설정부(410)는 신호 탐지 및 수집에 필요한 탐지 기준 정보를 설정하고 제어부(200)로 제공한다.
도청 신호 분석 설정부(420)는 도청 신호 분석에 필요한 학습 데이터 셋 및 인가 주파수 데이터를 설정하고 관리한다.
신호 탐지 이벤트 표시부(430)는 제어부(200)로부터 신호 탐지 이벤트가 수신되면 표시한다.
이하에서는 도 6을 참조하여 자동 변조 인식을 이용한 도청 탐지 장치의 도청 신호 탐지 방법을 설명한다.
(1) 먼저, 탐지부(100)는 도청 감시구역 내 전파가 발생하면 실시간으로 전파를 탐지한다(S001).
(2) 도청 감시구역 내의 전파를 탐지하면, 탐지부(100)는 미리 설정된 탐지 기준 정보를 사용하여 탐지된 전파의 신호 세기를 분석하여 해당 전파의 수집 여부를 판단하고 미리 설정된 탐지 기준 정보의 신호 수집 횟수에 따라 탐지된 전파에 대한 주파수 정보를 수집하여 제1 탐지 주파수 데이터를 생성한다(S002).
즉, 탐지부(100)는 도청 감시구역 내에 존재하는 전파 중에서 탐지 기준 정보의 탐지 신호 세기 이상인 전파를 검출하고(제1 조건), 탐지된 전파가 탐지 기준 정보의 탐지 신호 세기 이상이면, 탐지된 전파의 신호 세기가 탐지 기준 정보의 기초 주파수 데이터에서 해당 주파수 신호 세기 이상일 경우(제2 조건) 미리 설정된 탐지 기준 정보의 신호 수집 횟수에 따라 탐지된 전파에 대한 주파수 정보를 수집하여 제1 탐지 주파수 데이터를 생성한다.
여기서, 제1 조건 내지 제2 조건 사이에 순서는 어떤 방식이어도 무방하다.
한편, 제2 조건에서의 기초 주파수 데이터는 탐지부(100)가 탐지할 수 있는 전체 주파수 대역 내에서 좀 더 세분화하여 설정할 수 있다.
예를 들어, 탐지부(100)는 탐지할 수 있는 전체 주파수 대역을 복수 개의 주파수 대역으로 세분화한다. 예컨대, 수십 kHz 단위로 세분하거나 수십 MHz 단위로 세분할 것인가는 탐지부(100)의 탐지 해상도(Resolution)에 따라 결정될 수 있다.
세분화된 주파수 대역은 개별적으로 신호 세기를 설정할 수 있다. 예컨대, 세분화된 주파수 대역에서의 신호 세기는 도청 탐지 장치가 설치된 감시구역 내에서 주파수 대역별로 직접 측정하여 설정할 수 있으며, 측정된 신호 세기에 더하여 일정한 값을 가진 상대 신호 세기를 더하여 설정할 수 있다. 이처럼, 세분화된 주파수 대역별로 개별적으로 신호 세기를 설정함에 따라, 예측할 수 없는 다양한 형태의 전파를 탐지할 수 있다.
(3) 그리고, 탐지부(100)는 신호 유사성 분석(Cross-correlation)을 통하여 제1 탐지 주파수 데이터 내 동일 주파수가 존재하는지를 판단하여 제거하고, 제2 탐지 주파수 데이터를 생성하여 제어부(200)로 전달한다(S003).
제어부(200)는 탐지부(100)로부터 수신한 제2 탐지 주파수 데이터를 저장하고, 분석부(300)로 제2 탐지 주파수 데이터를 전달하면서 도청 신호 분석을 요청한다.
또한, 제어부(200)는 분석부(300)로부터 학습 데이터 셋 및 인가 주파수 데이터 전송 요청이 있을 경우 저장된 학습 데이터 셋 및 인가 주파수 데이터를 분석부(300)로 전달한다.
(4) 그리고, 분석부(300)는 제어부(200)로부터 수신된 제2 탐지 주파수 데이터에서 딥러닝에 필요한 입력 데이터로 FFT 데이터, In-phase 성분 및 Quadrature 성분으로 구성된 I/Q 데이터, Amplitude 성분 및 Phase 성분으로 구성된 A/P 데이터를 추출한다(S004).
(5) 또한, 분석부(300)는 학습 데이터 셋 및 제2 탐지 주파수 데이터에서 추출한 FFT 데이터, I/Q 데이터, A/P 데이터를 사용하여 주파수 변조유형을 학습하고, 그 결과로 제3 탐지 주파수 데이터를 생성한다(S005).
(6) 분석부(300)는 제3 탐지 주파수 데이터와 인가 주파수 데이터를 비교하여 인가 주파수 데이터 내에 제3 탐지 주파수 데이터의 중심 주파수를 포함하는 주파수 대역이 존재하지 않거나, 제3 탐지 주파수 데이터의 중심 주파수를 포함하는 주파수 대역이 존재하고 동일한 주파수 변조유형이 존재하지 않을 경우 도청 의심 신호로 판단한다(S006).
또한, 분석부(300)는 제3 탐지 주파수 데이터 및 도청 신호 분석 결과를 제어부(200)로 전송한다.
(7) 한편, 제어부(200)는 분석부(300)로부터 수신한 도청 신호 분석 결과가 도청 의심 신호로 판단된 경우, 신호 탐지 이벤트를 생성하여 저장한 후 관리부(400)로 전송한다(S007).
또한, 관리부(400)는 제어부(200)로부터 수신한 신호 탐지 이벤트에 따라 관련 정보를 사용자에게 제공한다.
이상과 같이, 본 발명은 비록 한정된 실시 예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술사상과 아래에 기재될 청구범위의 균등범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.
100 : 탐지부 110 : 탐지 기준 정보 저장부
120 : 전파 수신부 130 : 제1 탐지 주파수 데이터 생성부
140 : 신호 유사성 분석부 150 : 제2 탐지 주파수 데이터 전송부
200 : 제어부 210 : 탐지 기준 정보 관리부
220 : 도청 신호 분석 데이터 관리부
230 : 도청 신호 분석 요청부
240 : 도청 신호 분석결과 반영부 250 : 신호 탐지 이벤트 생성부
260 : 탐지 주파수 데이터 변경부
300 : 분석부 310 : 도청 신호 분석 데이터 수신부
320 : 시험 기초 데이터 추출부 330 : 주파수 변조유형 학습부
340 : 도청 신호 분석부 350 : 도청 신호 분석 결과 통지부
400 : 관리부 410 : 신호 탐지 설정부
420 : 도청 신호 분석 설정부 430 : 신호 탐지 이벤트 표시부
120 : 전파 수신부 130 : 제1 탐지 주파수 데이터 생성부
140 : 신호 유사성 분석부 150 : 제2 탐지 주파수 데이터 전송부
200 : 제어부 210 : 탐지 기준 정보 관리부
220 : 도청 신호 분석 데이터 관리부
230 : 도청 신호 분석 요청부
240 : 도청 신호 분석결과 반영부 250 : 신호 탐지 이벤트 생성부
260 : 탐지 주파수 데이터 변경부
300 : 분석부 310 : 도청 신호 분석 데이터 수신부
320 : 시험 기초 데이터 추출부 330 : 주파수 변조유형 학습부
340 : 도청 신호 분석부 350 : 도청 신호 분석 결과 통지부
400 : 관리부 410 : 신호 탐지 설정부
420 : 도청 신호 분석 설정부 430 : 신호 탐지 이벤트 표시부
Claims (11)
- 도청 가능 장소에 설치되고, 탐지 기준 정보를 사용하여 무선 신호를 탐지 및 수집하여 제1 탐지 주파수 데이터를 생성하고, 수집된 전파에 대한 신호 유사성을 분석하여 제2 탐지 주파수 데이터를 생성하는 탐지부(100)와;
신호 탐지 기준 정보를 설정하고 도청 의심 신호 분석에 필요한 탐지된 전파에 대한 주파수 변조유형 분석을 위한 딥러닝용 학습 데이터 셋 및 인가 주파수 데이터와 탐지부(100)로부터 전달받은 제2 탐지 주파수 데이터를 저장하고 관리하며, 도청 의심 신호로 판단될 경우 신호 탐지 이벤트를 생성하는 제어부(200)와;
제어부(200)로부터 수신한 제2 탐지 주파수 데이터, 학습 데이터 셋으로 딥러닝을 통하여 주파수 변조유형을 분석하여 제3 탐지 주파수 데이터를 생성하고, 인가 주파수 데이터와 비교하여 탐지된 무선 신호가 도청 의심 신호인지를 판단하는 분석부(300)와;
탐지부(100)의 탐지 기준 정보를 설정하고 도청 의심 신호 분석에 필요한 학습 데이터 셋 및 인가 주파수 데이터를 설정하며, 도청 의심 신호로 판단될 경우 신호 탐지 이벤트를 제공하는 관리부(400)를 포함하되,
탐지부(100)는
제어부(200)로부터 제공받은 탐지 기준 정보를 저장하고 관리하는 탐지 기준 정보 저장부(110)와;
안테나를 이용하여 도청 감시구역 내의 전파를 탐지하는 전파 수신부(120)와;
탐지된 전파가 신호 세기가 미리 설정된 탐지 기준 정보의 신호 세기 이상이고 탐지 기준 정보의 기초 주파수 데이터에서 해당 주파수 신호 세기보다 이상일 경우 탐지된 주파수 값을 기준으로 탐지 기준 정보의 수집 IF 대역폭 크기 및 탐지 기준 정보의 수집 IF 분해능 단위로 탐지 기준 정보의 수집 횟수만큼 전파를 수집하고, 탐지된 전파에 대한 주파수 정보 및 FFT(Fast Fourier Transform) 데이터로 구성된 제1 탐지 주파수 데이터를 생성하는 제1 탐지 주파수 데이터 생성부(130)와;
교차 상관 분석(Cross-correlation)을 통하여 신호 유사성을 분석하여 제1 탐지 주파수 데이터 내 동일 주파수가 존재하는지 판단하고 제거하여 제2 탐지 주파수를 생성하는 신호 유사성 분석부(140)와;
생성된 제2 탐지 주파수 데이터를 제어부(200)로 전달하는 제2 탐지 주파수 데이터 전송부(150)를 포함하는 것을 특징으로 하는 자동 변조 인식을 이용한 도청 탐지 장치. - 삭제
- 청구항 1에 있어서, 탐지 기준 정보는 탐지 신호 세기, 기초 주파수 데이터, 수집할 주파수에 대한 IF 분해능(Resolution) 및 대역폭(Bandwidth), 신호 수집 횟수를 포함하는 것을 특징으로 하는 자동 변조 인식을 이용한 도청 탐지 장치.
- 청구항 1에 있어서, 탐지 주파수 데이터(F)는 신호 수집시간, 중심 주파수, 신호 세기, 대역폭, IF 분해능, 주파수 변조유형으로 구성된 탐지 주파수 정보 및 FFT(Fast Fourier Transform) 데이터로 된 2차원 배열로 구성되는 것을 특징으로 하는 자동 변조 인식을 이용한 도청 탐지 장치.
- 청구항 1에 있어서, 제어부(200)는
관리부(400)로부터 수신한 전파 탐지 및 수집에 필요한 탐지 기준 정보를 탐지부(100)로 송신하는 탐지 기준 정보 관리부(210)와;
탐지부(100)로부터 수신된 제2 탐지 주파수 데이터 및 도청 신호 분석에 필요한 학습 데이터 셋, 인가 주파수 데이터를 저장하고 관리하는 도청 신호 분석 데이터 관리부(220)와;
분석부(300)로 제2 탐지 주파수 데이터, 학습 데이터 셋, 인가 주파수 데이터를 전송하면서 도청 신호 분석을 요청하는 도청 신호 분석 요청부(230)와;
분석부(300)로부터 제3 탐지 주파수 데이터 및 도청 신호 분석 결과가 수신되면, 제3 탐지 주파수 데이터에서 학습 결과를 추출하여 학습 데이터 셋에 반영하는 도청 신호 분석결과 반영부(240)와;
분석부(300)로부터 수신한 도청 신호 분석 결과가 도청 의심 신호로 판단된 경우에 신호 탐지 이벤트(E)를 생성하여 저장한 후 관리부(400)로 전송하는 신호 탐지 이벤트 생성부(250)와;
분석부(300)로부터 수신된 3차 탐지 주파수 데이터를 탐지 주파수 데이터로 변경하여 저장하는 탐지 주파수 데이터 변경부(260)를 포함하는 것을 특징으로 하는 자동 변조 인식을 이용한 도청 탐지 장치. - 청구항 5에 있어서, 도청 신호 분석 데이터 관리부(220)의 학습 데이터 셋은 FFT 데이터를 사용하여 학습된 데이터인 제1 학습 데이터, In-phase 성분 및 Quadrature 성분으로 구성된 I/Q 데이터를 사용하여 학습된 데이터인 제2 학습 데이터, Amplitude 성분 및 Phase 성분으로 구성된 A/P 데이터를 사용하여 학습된 제3 학습 데이터로 구성되며, 인가 주파수 데이터(L)는 시작 주파수, 종료 주파수, 주파수 변조유형으로 구성된 2차원 배열로 구성된 것을 특징으로 하는 것을 특징으로 하는 자동 변조 인식을 이용한 도청 탐지 장치.
- 청구항 5에 있어서, 신호 탐지 이벤트 생성부(250)의 신호 탐지 이벤트(E)는 신호 발생시간, 중심 주파수, 신호 세기, 대역폭(Bandwidth), 분해능(Resolution), 주파수 변조유형으로 구성된 탐지 주파수 정보 및, FFT 데이터를 포함하는 1차원 배열로 구성되는 것을 특징으로 하는 자동 변조 인식을 이용한 도청 탐지 장치.
- 청구항 1에 있어서, 분석부(300)는
제어부(200)로부터 도청 신호 분석을 위하여 딥러닝의 신경망에 필요한 학습 데이터 셋 및 인가 주파수 여부 판단을 위한 인가 주파수 데이터를 수신하는 도청 신호 분석 데이터 수신부(310)와;
제어부(200)로부터 제2 탐지 주파수 데이터가 수신되면 제2 탐지 주파수 데이터의 FFT 데이터에서 In-phase 성분 및 Quadrature 성분으로 구성된 I/Q 데이터, Amplitude 성분 및 Phase 성분으로 구성된 A/P 데이터를 추출하는 시험 기초 데이터 추출부(320)와;
제어부(200)로부터 도청 신호 분석 요청을 받으면 학습 데이터 셋 및 제2 탐지 주파수 데이터에서 추출한 FFT 데이터, I/Q 데이터, A/P 데이터를 사용하여 주파수 변조유형을 학습하고 제3 탐지 주파수 데이터를 생성하는 주파수 변조유형 학습부(330)와;
제3 탐지 주파수 데이터와 인가 주파수 데이터를 비교하여 인가 주파수 데이터에서 제3 탐지 주파수 데이터의 중심 주파수를 포함하는 주파수 대역이 존재하지 않거나 제3 탐지 주파수 데이터의 중심 주파수를 포함하는 주파수 대역이 존재하고 동일한 주파수 변조유형이 존재하지 않을 경우 도청 의심 신호로 판단하는 도청 신호 분석부(340)와;
제3 탐지 주파수 데이터와 도청 신호 분석 결과를 제어부(200)로 전달하는 도청 신호 분석 결과 통지부(350)를 포함하는 것을 특징으로 하는 자동 변조 인식을 이용한 도청 탐지 장치. - 청구항 8에 있어서, 도청 신호 분석 데이터 수신부(310)의 딥러닝의 신경망은 복수 개의 층을 포함하는 다층 구조의 형태이며, 복수 개의 데이터로 구성된 하나의 입력 레이어와 복수 개의 데이터로 구성된 복수 개의 히든 레이어 및 하나의 출력 레이어로 구성되고, 입력 레이어에 사용되는 학습 데이터 셋은 제1 학습 데이터, 제2 학습 데이터, 제3 학습 데이터 중 하나이며, 테스트 데이터 셋은 제어부(200)로부터 수신한 제2 탐지 주파수 데이터에서 추출한 FFT 데이터, I/Q 데이터, A/P 데이터 중 하나를 사용하며, 출력 레이어는 변조유형의 개수만큼 구성되는 것을 특징으로 하는 자동 변조 인식을 이용한 도청 탐지 장치.
- 청구항 1에 있어서, 관리부(400)는
신호 탐지 및 수집에 필요한 탐지 기준 정보를 설정하고 제어부(200)로 제공하는 신호 탐지 설정부(410)와;
도청 신호 분석에 필요한 학습 데이터 셋 및 인가 주파수 데이터를 설정하고 관리하는 도청 신호 분석 설정부(420)와;
제어부(200)로부터 신호 탐지 이벤트가 수신되면 표시하는 신호 탐지 이벤트 표시부(430)를 포함하는 것을 특징으로 하는 자동 변조 인식을 이용한 도청 탐지 장치. - 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220058136A KR102437055B1 (ko) | 2022-05-12 | 2022-05-12 | 자동 변조 인식을 이용한 도청 탐지 장치 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220058136A KR102437055B1 (ko) | 2022-05-12 | 2022-05-12 | 자동 변조 인식을 이용한 도청 탐지 장치 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102437055B1 true KR102437055B1 (ko) | 2022-08-26 |
Family
ID=83113489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220058136A KR102437055B1 (ko) | 2022-05-12 | 2022-05-12 | 자동 변조 인식을 이용한 도청 탐지 장치 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102437055B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102277366B1 (ko) * | 2020-11-25 | 2021-07-14 | (주)지슨 | 라디오 및 tv 방송 신호 기반 불법 전파 필터링 방법을 이용한 도청 탐지 시스템 및 그 도청 탐지 방법 |
| KR20220036683A (ko) * | 2020-09-16 | 2022-03-23 | 한국전자기술연구원 | 인공지능을 이용한 몰래카메라 탐지 방법 및 그 시스템 |
-
2022
- 2022-05-12 KR KR1020220058136A patent/KR102437055B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220036683A (ko) * | 2020-09-16 | 2022-03-23 | 한국전자기술연구원 | 인공지능을 이용한 몰래카메라 탐지 방법 및 그 시스템 |
| KR102277366B1 (ko) * | 2020-11-25 | 2021-07-14 | (주)지슨 | 라디오 및 tv 방송 신호 기반 불법 전파 필터링 방법을 이용한 도청 탐지 시스템 및 그 도청 탐지 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9420469B2 (en) | Apparatus and method for identifying rogue device | |
| Nika et al. | Towards commoditized real-time spectrum monitoring | |
| US7853437B2 (en) | Electromagnetic emissions stimulation and detection system | |
| CN108924736A (zh) | 一种基于PCA-Kalman的无源室内人员状态检测方法 | |
| US8131074B2 (en) | Specific emitter identification using histogram of oriented gradient features | |
| EP1484616A1 (fr) | Méthode de détection de décharges partielles et système de diagnostic pour appareil électrique | |
| KR100254121B1 (ko) | 시계열 데이타 식별 장치 및 방법 | |
| JP2019501373A (ja) | 電力署名の偽造分析を使用して封止パッケージ内の異常を識別するための方法および装置 | |
| CN114118131A (zh) | 基于注意力机制的多特征融合无线设备射频指纹提取方法 | |
| CN111277523B (zh) | 一种调制方式确定方法及装置 | |
| KR102437055B1 (ko) | 자동 변조 인식을 이용한 도청 탐지 장치 및 그 방법 | |
| US8285222B2 (en) | System and method for identification of communication devices | |
| Dabcevic et al. | Cognitive radio as the facilitator for advanced communications electronic warfare solutions | |
| Liu et al. | Human presence detection via deep learning of passive radio frequency data | |
| CN108226851A (zh) | 用于测向的方法和测向器 | |
| CN103198295B (zh) | 一种人体身份识别的方法和系统 | |
| WO2021002049A1 (ja) | センサ | |
| CN104363065B (zh) | 基于非高斯性测度的无线通信系统频谱感知方法 | |
| Liu et al. | RF fingerprint recognition based on spectrum waterfall diagram | |
| KR102277366B1 (ko) | 라디오 및 tv 방송 신호 기반 불법 전파 필터링 방법을 이용한 도청 탐지 시스템 및 그 도청 탐지 방법 | |
| EP3827571B1 (fr) | Procédé de détection d'au moins un équipement informatique compromis au sein d'un système d'information | |
| CN102300115B (zh) | 模拟、数字电视信号的快速识别方法、装置及通信接收端 | |
| Zeng et al. | Time–frequency fusion for enhancement of deep learning-based physical layer identification | |
| CN114844514B (zh) | 一种宽频和宽带的信号监测评估系统 | |
| CN117474991B (zh) | 一种基于SpectFormer的Poi定位方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |