KR102644586B1 - 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법 - Google Patents

전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법 Download PDF

Info

Publication number
KR102644586B1
KR102644586B1 KR1020230077654A KR20230077654A KR102644586B1 KR 102644586 B1 KR102644586 B1 KR 102644586B1 KR 1020230077654 A KR1020230077654 A KR 1020230077654A KR 20230077654 A KR20230077654 A KR 20230077654A KR 102644586 B1 KR102644586 B1 KR 102644586B1
Authority
KR
South Korea
Prior art keywords
charging
user
reliability
authentication
electric vehicle
Prior art date
Application number
KR1020230077654A
Other languages
English (en)
Inventor
김기일
임병현
Original Assignee
충남대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 충남대학교 산학협력단 filed Critical 충남대학교 산학협력단
Priority to KR1020230077654A priority Critical patent/KR102644586B1/ko
Application granted granted Critical
Publication of KR102644586B1 publication Critical patent/KR102644586B1/ko

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/65—Monitoring or controlling charging stations involving identification of vehicles or their battery types
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/30—Constructional details of charging stations
    • B60L53/305—Communication interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • B60L53/665—Methods related to measuring, billing or payment
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
    • H02J7/00045—Authentication, i.e. circuits for checking compatibility between one component, e.g. a battery or a battery charger, and another component, e.g. a power source
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/90—Vehicles comprising electric prime movers
    • B60Y2200/91—Electric vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2400/00—Special features of vehicle units
    • B60Y2400/11—Electric energy storages
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

본 발명은 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템에 관한 것으로, 전기차 충전소와 사용자의 신뢰성을 측정하여 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법에 관한 것이다. 본 발명은 충전기에 연결시 전기차 충전소 정보와 사용자 정보를 이용하여 신뢰성을 평가하는 신뢰성 평가부, 상기 신뢰성 평가부의 신뢰도에 따라 다수 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하는 분류부 및 상기 분류부를 통해 분류된 그룹을 신뢰도 레벨에 따라 세분화하여 차별적 인증을 수행하는 인증부를 포함하여 사용자의 신뢰도에 따라 오버헤드가 낮은 인증방법의 선택이 가능함에 따라 시스템의 속도를 향상시킬 수 있는 효과가 있다.

Description

전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법{System for differential authentication according to electric vehicle user charging pattern and method therefor}
본 발명은 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템에 관한 것으로, 보다 상세하게는 전기차 충전소와 사용자의 신뢰성을 측정하여 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법에 관한 것이다.
전기 자동차(Electric Vehicle, EV)에 대한 수요가 증가하고 있으며 이는 EV와 충전소 및 충전기 모두 매년 증가하고 있다. 따라서 원활한 충전과 상호운용성을 향상시키기 위해 EV와 충전기 사이의 국제통신표준 ISO/IEC 15118을 제정했다.
특히, ISO 15118 part 2에서는 EV를 충전하고자 할 때 편의성 증대를 위해 충전시설에 방문한 사용자를 자동으로 인증해주는 기술인 Plug and Charge(PnC)를 포함하고 있다. 이러한 PnC기술은 EV의 충전을 위해 충전기와 차량을 연결하게 되면 해당 시설의 통신망을 통해 모든 인증 절차와 과금정보(결제 요금), 제어정보를 송수신 기능을 자동으로 수행한다.
EV 사용자에게 높은 편의성을 제공하는 PnC 동작을 위해서는 Transport Layer Security(TLS) 기반의 PKI 인증을 사용하여 사용자를 인증을 진행하고 있다. 하지만 TLS 인증 방식은 추가적인 통신 오버헤드 발생하게 하고, 장기간 사용시 인증서 유효성 검사와 관련하여 취약점을 야기할 수 있다.
공개특허 10-2022-0000259(2022.01.03)
본 발명은 상술한 문제를 해결하고자, 전기차 충전소와 사용자의 신뢰성을 측정한 후 만약 신뢰도가 높은 사용자라면 단순한 인증 메커니즘을 적용하는데 주된 목적이 있다.
또한, 사용자의 신뢰성을 측정한 후 만약 신뢰도가 높지 않은 경우에는 기존의 TLS를 적용하는 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법을 제공함에 있다.
상기 목적을 달성하기 위하여 본 발명은 충전기에 연결시 전기차 충전소 정보와 사용자 정보를 이용하여 신뢰성을 평가하는 신뢰성 평가부, 상기 신뢰성 평가부의 신뢰도에 따라 다수 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하는 분류부 및 상기 분류부를 통해 분류된 그룹을 신뢰도 레벨에 따라 세분화하여 차별적 인증을 수행하는 인증부를 포함한다.
신뢰성 평가부는 방문 사용자에 대한 충전소 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 사용자의 재방문율이 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 설정된 임계치와 비교하여 원활한 충전 성공 횟수가 임계치보다 높은 경우 중 어느 하나 이상 만족하는 경우에 충전소의 신뢰성이 높음으로 평가한다.
또한 신뢰성 평가부는 사용자 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 해당 충전소에 대한 충전빈도가 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 사용자의 평균 충전 요청량이 해당 충전소의 평균 충전량의 가중치 범위내에 위치할 경우, 사용자가 충전 패턴을 조작하여 인증을 회피하려는 시도가 없는 경우, 예측 모델링을 통해 사용자의 패턴을 도출하고 허용 범주내에 위치할 경우, 해당 충전소의 피크 타임 방문율과 충전 종료 후 체류 시간을 머신러닝을 활용하여 설정된 임계치보다 낮은 경우 중 어느 하나 이상 만족하는 경우에 사용자의 신뢰성이 높음으로 평가한다.
분류부는 신뢰성 평가부에서 평가된 사용자들의 신뢰도에 기반하여 다수 사용자의 충전 시간, 충전량, 충전 빈도를 포함하는 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류한다.
인증부는 상기 분류부를 통해 분류된 그룹을 설정된 신뢰도 레벨에 따라 세분화하여 차별적 인증을 수행하되, 상기 신뢰도 레벨에 미해당 시, TLS 인증을 수행하도록 한다.
이러한 인증부는 충전자와 인증자가 동일한 경우에 해당하는 신뢰도 1레벨의 경우, OTP 인증을 통해 인증을 수행하고, 충전자와 인증자, 결제자가 동일한 경우에 해당하는 신뢰도 2레벨의 경우, 카드 결제를 통해 인증을 수행하며, 충전자, 결제자, 인증자의 차량이 모두 동일할 경우에 해당하는 신뢰도 3레벨의 경우, 경량화된 암호화를 통해 인증을 수행하고, 상기 신뢰도 레벨에 미해당인 경우 TLS 인증을 수행하도록 한다.
한편, 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템을 이용한 방법에 있어서, (a) 상기 시스템이 충전기에 연결시 전기차 충전소 정보와 사용자 정보를 이용하여 신뢰성을 평가하는 단계, (b) 상기 시스템이 상기 신뢰도에 따라 다수 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하는 단계 및 (c) 상기 시스템이 분류된 그룹을 신뢰도 레벨에 따라 세분화하여 차별적 인증을 수행하는 단계를 포함한다.
(a)단계는 상기 시스템이 방문 사용자에 대한 충전소 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 사용자의 재방문율이 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 설정된 임계치와 비교하여 원활한 충전 성공 횟수가 임계치보다 높은 경우 중 어느 하나 이상 만족하는 경우에 충전소의 신뢰성이 높음으로 평가한다.
또한 (a)단계는 시스템이 사용자 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 해당 충전소에 대한 충전빈도가 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 사용자의 평균 충전 요청량이 해당 충전소의 평균 충전량의 가중치 범위내에 위치할 경우, 사용자가 충전 패턴을 조작하여 인증을 회피하려는 시도가 없는 경우, 예측 모델링을 통해 사용자의 패턴을 도출하고 허용 범주내에 위치할 경우, 해당 충전소의 피크 타임 방문율과 충전 종료 후 체류 시간을 머신러닝을 활용하여 설정된 임계치보다 낮은 경우 중 어느 하나 이상 만족하는 경우에 사용자의 신뢰성이 높음으로 평가한다.
또한 (b)단계는 시스템이 (a)단계에서 평가된 사용자들의 신뢰도에 기반하여 다수 사용자의 충전 시간, 충전량, 충전 빈도를 포함하는 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류한다.
또한 (c)단계는 상기 시스템이 상기 (b)단계를 통해 분류된 그룹을 설정된 신뢰도 레벨에 따라 세분화하여 차별적 인증을 수행하되, 상기 신뢰도 레벨에 미해당 시, TLS 인증을 수행하도록 한다.
상기 (c)단계는, 상기 시스템이 충전자와 인증자가 동일한 경우에 해당하는 신뢰도 1레벨의 경우, OTP 인증을 통해 인증을 수행하고, 충전자와 인증자, 결제자가 동일한 경우에 해당하는 신뢰도 2레벨의 경우, 카드 결제를 통해 인증을 수행하며, 충전자, 결제자, 인증자의 차량이 모두 동일할 경우에 해당하는 신뢰도 3레벨의 경우, 경량화된 암호화를 통해 인증을 수행하고, 상기 신뢰도 레벨에 미해당인 경우 TLS 인증을 수행하도록 한다.
본 발명에 따르면, 사용자의 신뢰도에 따라 오버헤드가 낮은 인증방법의 선택이 가능함에 따라 시스템의 속도를 향상시킬 수 있는 효과가 있다.
도 1은 TCP/IP기반 통신의 TLS연결을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템의 구성도이다.
도 3은 본 발명의 일 실시예에 따른 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템의 세부 구성도이다.
도 4는 본 발명의 일 실시예에 따른 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템을 이용한 방법을 나타낸 개략적인 흐름도이다.
이하, 첨부된 도면들에 기재된 내용들을 참조하여 본 발명을 상세히 설명한다. 다만, 본 발명이 예시적 실시 예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일 참조부호는 실질적으로 동일한 기능을 수행하는 부재를 나타낸다.
본 발명의 목적 및 효과는 하기의 설명에 의해서 자연스럽게 이해되거나 보다 분명해질 수 있으며, 하기의 기재만으로 본 발명의 목적 및 효과가 제한되는 것은 아니다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다.
본 발명의 일 실시예에서는 전기차 충전시 사용자 인증을 위하여 복잡한 TLS가 적용됨으로써 오버헤드가 발생하는 문제점을 해결하기 위하여 사용자의 신뢰성을 측정한 후 만약 신뢰도가 높은 사용자라면 단순한 인증 메커니즘을 적용하고 그렇지 않은 경우에는 기존의 TLS을 적용하고자 한다.
참고로 기존의 TLS(Transport Layer Security) 인증에 대해 설명하면 다음과 같다.
전기자동차 통신제어기(Electric Vehicle Communication Controller, EVCC)와 전원공급장치 통신제어기(Supply Equipment Communication Controller, SECC)사이의 통신을 위한 TLS의 사용은 필수적이다. 모든 TCP/IP기반 통신은 두 개의 장치 사이에 하나의 일방적으로 인증된 TLS를 통해 보호된다.
도 1은 TCP/IP기반 통신의 TLS연결을 나타낸 도면이다. 도 1과 같이 EVCC와 SECC는 TLS 인증 방식을 통해 서로 다른 보안 계층에서 적용되는 Certificate를 요구한다. SECC를 인증하기 위해 EVCC의 TLS 계층에서 SECC Certificate를 사용한다. SECC와 Secondary Actor(SA)를 인증하기 위한 응용계층에서 사용되는 Contract Certificate가 있다. V2G Root Certificate와 SECC Certificate와 계약 인증서를 sub-CA Certificate를 통해 인증한다. PnC의 경우 EVCC는 PaymentDetailsReq 메시지를 사용하고, 전기자동차 서비스 계정 식별자(e-Mobility Account Identifier, eMAID)와 계약 인증서를 SECC에 전송하고 이를 SECC CertChain과 함께 검증한 다음 난수 형태의 challenge를 PaymentDetailsRes 메시지와 함께 전송한다. 메시지를 수신한 EVCC는 challenge에 서명을 진행하고 AuthorizationReq 메시지를 함께 전송하고 SECC는 이를 사전에 전송한 내용과 일치하는지를 검증한다. 이때, PnC의 TLS 인증은 필수적으로 적용되어야 하고 다양한 충전패턴에 따라 높은 통신 오버헤드를 야기할 수 있다.
이러한 오버헤드 문제를 해결하고자, 본 발명의 일 실시예에 따른 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템은 전기차 충전소의 충전시설에 대한 신뢰성을 평가한 후, 해당 전기차 충전시설 사용자의 충전패턴을 기반으로 사용자 신뢰성을 평가한 다음 신뢰도가 낮은 사용자에 대해 기존의 TLS 인증 방식을 적용하고, 신뢰도가 높은 사용자에 대해서는 TLS 사용자 인증 방식의 취약점을 해결하기 위해 One-Time Password(OTP) 인증을 적용하는 차별적 인증방안을 제안한다.
도 2는 본 발명의 일 실시예에 따른 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템의 구성도이다. 도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템(10)은 신뢰성 평가부(100), 분류부(200), 인증부(300)를 포함한다.
신뢰성 평가부(100)는 충전기에 연결시 전기차 충전소 정보와 사용자 정보를 이용하여 신뢰성을 평가한다.
분류부(200)는 신뢰성 평가부의 신뢰도에 따라 다수 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류한다.
인증부(300)는 분류부를 통해 분류된 그룹을 신뢰도 레벨에 따라 세분화하여 차별적 인증을 수행하며, 상기 신뢰도 레벨에 미해당인 경우 TLS 인증을 수행하도록 한다.
아래에서, 도 3의 세부 구성을 참조하여 구체적으로 설명하기로 한다.
도 3은 본 발명의 일 실시예에 따른 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템의 세부 구성도이다.
신뢰성 평가부(100)는 충전기에 연결시 전기차 충전소 정보와 사용자 정보를 이용하여 신뢰성을 평가하기 위한 구성이다. 이러한 신뢰성 평가부(100)는 사용자가 전기차 충전기를 차량과 연결하게 되면 해당 충전소의 신뢰성을 평가하는 충전소 평가모듈(110), 충전소의 신뢰도에 따라 신뢰도가 높은 경우 각 사용자의 정보를 이용하여 사용자의 신뢰성을 평가하는 사용자 평가모듈(120)을 포함한다.
충전소 평가모듈(110)은 충전소의 신뢰성을 평가하기 위한 세부 구성으로 오류결제 비교모듈(111), 재방문율 비교모듈(112), 충전소 관리모듈(113)을 포함한다.
오류결제 비교모듈(111)은 방문 사용자에 대한 충전소 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우 신뢰성 높음으로 평가한다.
본 실시예에 따른 오류결제 비교모듈(111)은 방문 사용자에 대한 충전소 설비 오류 결제 건수를 평가하여 해당 전기차 충전소의 신뢰도를 결정하는 역할을 한다. 이 모듈은 머신러닝 알고리즘을 활용하여 방문 사용자의 오류 결제 건수를 분석하고, 설정된 임계치와 비교하여 오류 결제 건수가 임계치보다 낮은 경우 해당 전기차 충전소의 신뢰도를 높게 평가한다.
예를 들어, 한 전기차 충전소의 설정된 임계치가 주당 최대 1건의 설비 오류 결제인 경우를 가정해 보기로 한다. 방문 사용자 A는 주당 0건의 설비 오류 결제를 하고, 방문 사용자 B는 주당 2건의 설비 오류 결제를 하였다. 오류결제 비교모듈은 방문 사용자 A의 설비 오류 결제 건수가 설정된 임계치보다 낮음을 감지한다. 이는 해당 전기차 충전소에서 설비 오류 결제가 거의 발생하지 않고, 안정적으로 운영되고 있음을 의미한다. 따라서 해당 전기차 충전소의 신뢰도가 높게 평가된다.
반면에 방문 사용자 B는 설비 오류 결제를 설정된 임계치를 초과하는 경우로, 전기차 충전소의 신뢰도가 낮게 평가된다. 이는 해당 충전소의 설비에 문제가 있거나 사용자가 실수로 오류를 발생시키고 있다는 것을 의미한다.
따라서, 오류결제 비교모듈(111)은 방문 사용자의 충전소 설비 오류 결제 건수와 설정된 임계치를 비교하여 설비 오류 결제를 적게 하는 전기차 충전소의 신뢰도를 높게 평가한다. 이를 통해 충전소는 안정적인 운영과 신뢰성 있는 서비스를 제공할 수 있다.
재방문율 비교모듈(112)은 사용자의 재방문율이 머신러닝을 활용하여 설정된 임계치보다 높은 경우 신뢰성 높음으로 평가한다.
본 실시예에 따른 재방문율 비교모듈(112)은 사용자의 재방문율을 평가하여 신뢰성을 판단하는 역할을 한다. 이 모듈은 사용자의 이전 방문 기록을 분석하고, 머신러닝 알고리즘을 활용하여 재방문율을 예측한다. 설정된 임계치와 비교하여 재방문율이 임계치보다 높은 경우, 사용자의 신뢰도를 높게 평가한다.
예를 들어, 한 충전소의 설정된 임계치가 월 평균 50%의 재방문율인 경우를 가정하고, 사용자 A는 지난 6개월 동안 충전소를 총 4번 방문했고, 사용자 B는 3번 방문했다고 가정하기로 한다.
재방문율 비교모듈은 사용자 A의 재방문율이 설정된 임계치보다 높음을 감지한다. 이는 사용자 A가 충전소를 자주 이용하고 있는 것으로 해석된다. 따라서 사용자 A는 충전소에 대한 관심과 신뢰도가 높다고 판단되어, 해당 충전소의 신뢰성 높음으로 평가된다.
반면에 사용자 B는 재방문율이 설정된 임계치보다 낮은 경우로, 충전소를 덜 자주 이용하고 있는 것으로 해석된다. 따라서 사용자 B의 신뢰도는 상대적으로 낮게 평가될 수 있다.
재방문율 비교모듈은 사용자의 재방문 패턴을 분석하여 충전소를 얼마나 자주 이용하는지를 평가한다. 재방문율이 높을수록 사용자는 충전소에 대한 신뢰도가 높다고 판단되며, 이는 충전소가 사용자에게 원활한 서비스를 제공하고 있다는 증거가 된다.
충전소 관리모듈(113)은 전기차 충전소에 사용자 방문 시 원활한 충전을 제공하여 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 이때 원활한 충전을 성공한 횟수와 충전불량 또는 충전소 자리 부족에 따라 원활한 충전을 실패한 횟수를 카운팅하고, 설정된 임계치를 비교하여, 원활한 충전을 성공한 횟수가 임계치보다 높은 경우에 신뢰도 높은 것으로 평가한다.
다시 말해, 충전소 관리모듈(113)은 전기차 충전소에 방문한 사용자에게 원활한 충전을 제공하며, 머신러닝을 활용하여 설정된 임계치보다 높은 원활한 충전 성공 횟수와 충전 불량 또는 충전소 자리 부족으로 인한 실패 횟수를 카운팅한다. 이때 충전소 관리모듈은 설정된 임계치와 비교하여 원활한 충전 성공 횟수가 임계치보다 높은 경우 신뢰성이 높음으로 평가한다.
예를 들어, 한 충전소의 설정된 임계치가 주당 최소 5회의 원활한 충전 성공인 경우를 가정하기로 한다. 충전소 관리모듈은 사용자 A에게 원활한 충전 서비스를 제공하여 7회의 원활한 충전 성공을 기록하였고, 동시에 충전 불량이나 충전소 자리 부족으로 인한 실패는 발생하지 않았다. 따라서 사용자 A의 원활한 충전 성공 횟수는 설정된 임계치를 초과하므로 신뢰성이 높은 것으로 평가된다.
반면에 사용자 B는 원활한 충전 서비스를 제공하여 3회의 원활한 충전 성공을 기록하였으며, 충전 불량이나 충전소 자리 부족으로 인한 실패가 2회 발생하였다. 따라서 사용자 B의 원활한 충전 성공 횟수는 설정된 임계치보다 낮으므로 신뢰성이 낮은 것으로 평가된다.
이를 통해 충전소 관리모듈은 원활한 충전을 성공한 횟수와 충전 불량 또는 충전소 자리 부족에 따라 원활한 충전을 실패한 횟수를 카운팅하여 설정된 임계치와 비교한다. 원활한 충전 성공 횟수가 임계치보다 높은 경우, 해당 전기차 충전소의 신뢰도가 높은 것으로 평가된다.
그리고 본 실시예에 따른 충전소 평가모듈(110)은 오류결제 비교모듈(111), 재방문율 비교모듈(112), 충전소 관리모듈(113)의 평가항목을 모두 만족하는 경우 충전소를 신뢰도가 높음으로 평가한다.
사용자 평가모듈(120)은 각 사용자의 신뢰성을 평가하기 위한 세부 구성으로 제2 오류결제 비교모듈(121), 사용자 충전빈도 비교모듈(122), 평균 충전 요청량 비교모듈(123), 인증회피시도 비교모듈(124), 사용자 충전패턴 도출모듈(125), 체류시간 비교모듈(126)을 포함한다.
제2 오류결제 비교모듈(121)은 사용자 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 사용자 신뢰도 높음으로 평가한다.
본 실시예에 따른 제2 오류결제 비교모듈(121)은 사용자의 오류 결제 건수를 평가하여 사용자의 신뢰도를 결정하는 역할을 한다. 이러한 제2 오류결제 비교모듈(121)은 사용자의 오류 결제 건수를 머신러닝 알고리즘을 활용하여 분석하고, 설정된 임계치와 비교하여 오류결제 건수가 설정된 임계치보다 낮은 경우 사용자의 신뢰도를 높게 판단한다.
예를 들어, 한 충전소의 설정된 임계치가 주당 최대 2건의 오류 결제인 경우를 가정한 상황에서, 사용자 A는 주당 3건의 오류 결제를 하고, 사용자 B는 오류 결제를 1건이라고 가정하기로 한다.
제2 오류결제 비교모듈은 사용자 A의 오류 결제 건수가 설정된 임계치보다 높음을 감지한다. 따라서 사용자 A는 실수나 오류로 인한 결제 문제를 일으킬 가능성이 높아서 사용자 신뢰도가 낮게 평가되고, 충전소에서 사용자 A를 신뢰하기 어렵다는 의미이다.
반면에 사용자 B는 오류 결제를 설정된 임계치보다 낮은 경우로, 사용자 신뢰도가 높게 평가된다. 이는 사용자 B가 신중하게 결제를 진행하고 있어서 충전소에서 사용자 B를 신뢰할 수 있을 것으로 판단된다.
따라서, 제2 오류결제 비교모듈은 사용자의 오류 결제 건수와 설정된 임계치를 비교하여 오류 결제를 적게 하는 사용자의 신뢰도를 높게 평가한다. 이를 통해 충전소는 결제 신뢰도가 높은 사용자를 선호하고, 신뢰할 수 있는 사용자를 식별하여 원활한 충전 서비스를 제공할 수 있다.
사용자 충전빈도 비교모듈(122)은 사용자가 해당 충전소에 대한 충전빈도가 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 사용자 신뢰도 높음으로 평가한다.
본 실시예에 따른 사용자 충전빈도 비교모듈(122)은 사용자가 특정 충전소에 대한 충전 빈도를 평가하는 역할을 한다. 이 사용자 충전빈도 비교모듈(122)은 사용자의 충전 빈도를 머신러닝 알고리즘을 사용하여 분석하고, 설정된 임계치와 비교하여 사용자의 신뢰도를 결정한다.
예를 들어, 한 충전소의 설정된 임계치가 주당 최소 3회 충전인 경우를 가정하기로 한다. 사용자 A는 해당 충전소를 주당 4회 이상 방문하여 충전하는 경우, 사용자 B는 주당 2회 충전하는 경우라고 가정하기로 한다.
사용자 충전빈도 비교모듈(122)은 사용자 A의 충전 빈도가 설정된 임계치를 초과하는 것을 감지한다. 따라서 사용자 A는 충전소에 대한 충전 빈도가 높아서 사용자 신뢰도가 높게 평가된다. 이는 사용자 A가 충전소를 자주 이용하고 있다는 의미이며, 충전소에서 사용자 A를 신뢰할 수 있을 것으로 판단된다.
반면에 사용자 B의 충전 빈도는 설정된 임계치를 충족하지 못하므로, 사용자 B는 충전소에 대한 충전 빈도가 낮아서 사용자 신뢰도가 낮게 평가된다. 이는 사용자 B가 충전소를 드물게 이용하고 있어서 충전소에서 사용자 B를 신뢰하기 어렵다는 의미이다.
따라서, 사용자 충전빈도 비교모듈은 사용자의 충전 빈도와 설정된 임계치를 비교하여 높은 충전 빈도를 갖는 사용자의 신뢰도를 높게 평가한다. 이를 통해 충전소는 충전 빈도가 높은 사용자를 선호하고, 신뢰할 수 있는 사용자를 식별하여 원활한 충전 서비스를 제공할 수 있다.
평균 충전 요청량 비교모듈(123)은 사용자의 평균 충전 요청량(ex. 33.44 kw)이 해당 충전소의 평균 충전량의 가중치 범위내에 위치할 경우, 사용자 신뢰도 높음으로 평가한다.
본 실시예에 따른 평균 충전 요청량 비교모듈(123)은 사용자의 평균 충전 요청량이 해당 충전소의 평균 충전량의 가중치 범위 내에 있는지를 비교하여 사용자의 신뢰도를 평가하는 역할을 수행한다. 이 모듈은 충전 요청량과 충전소의 평균 충전량을 기반으로 사용자의 충전 패턴을 분석하고 신뢰도를 결정한다.
예를 들어, 한 충전소의 평균 충전량이 30 kW이고 가중치 범위가 ±5 kW로 설정되어 있다고 가정하기로 한다. 이때 사용자 A의 평균 충전 요청량이 33.44 kW인 경우, 평균 충전 요청량 비교모듈은 사용자 A의 충전 요청량이 충전소의 평균 충전량 범위 내에 위치하는 것을 확인한다. 따라서 사용자 A는 충전 요청량이 충전소의 평균과 유사하므로 신뢰도가 높게 평가된다.
반대로, 사용자 B의 평균 충전 요청량이 40 kW인 경우, 이는 충전소의 평균 충전량 범위인 ±5 kW를 벗어난다. 이 경우 평균 충전 요청량 비교모듈은 사용자 B의 충전 요청량이 충전소의 평균과 차이가 있음을 감지하고, 이로 인해 사용자의 신뢰도를 낮게 평가할 수 있다.
따라서, 평균 충전 요청량 비교모듈(123)은 사용자의 평균 충전 요청량과 충전소의 평균 충전량을 비교하여 범위 내에 위치하는지를 확인하고, 이를 통해 사용자의 신뢰도를 평가한다. 이를 통해 충전소에서 신뢰도가 높은 사용자를 식별하고, 충전 과정에서의 신뢰성을 높일 수 있다.
인증회피시도 비교모듈(124)은 강화 학습을 통해 사용자 충전 패턴을 조작하여 인증을 회피하려는 시도가 없는 경우, 사용자 신뢰도 높음으로 평가한다.
본 실시예에 따른 인증회피시도 비교모듈(124)은 사용자가 충전 패턴을 조작하여 인증을 회피하려는 시도가 있는지 여부를 감지하고, 이를 바탕으로 사용자의 신뢰도를 평가하는 역할을 수행한다. 이 인증회피시도 비교모듈(124)은 강화 학습 기술을 활용하여 사용자의 충전 패턴을 분석하고 예상되는 정상적인 충전 패턴과 비교한다.
예를 들어, 사용자 A는 일반적인 충전 패턴을 가지고 있으며 인증을 회피하는 시도가 없다. 사용자 A의 충전 패턴은 충전 요청 시간, 충전 종료 시간, 충전량 등과 같은 요소들로 구성된다. 이러한 충전 패턴은 정상적인 사용자의 행동 패턴을 반영하고 있다. 인증회피시도 비교모듈은 강화 학습을 사용하여 사용자 A의 충전 패턴을 학습하고, 정상적인 패턴을 파악한다. 만약 사용자 A가 인증을 회피하기 위해 충전 패턴을 조작하려고 시도하는 경우, 예상되는 패턴과 실제 패턴이 다를 것이다. 이때, 인증회피시도 비교모듈(124)은 이러한 패턴의 불일치를 감지하여 사용자의 신뢰도를 낮게 평가할 수 있다. 따라서, 인증회피시도 비교모듈(124)은 사용자의 충전 패턴을 학습하고, 패턴 조작을 감지하여 인증 회피 시도가 없는 경우 사용자의 신뢰도를 높게 평가한다. 이를 통해 충전 과정에서의 보안 및 신뢰성을 높일 수 있다.
사용자 충전패턴 도출모듈(125)은 예측 모델링을 통해 사용자의 패턴을 도출하고 허용 범주내에 위치할 경우, 사용자 신뢰도 높음으로 평가하며, 사용자 충전 예측 데이터를 실제 충전 데이터와 비교하여 규칙적인 충전 행태를 파악한다.
본 실시예에 따른 사용자 충전패턴 도출모듈(125)의 예측 모델링은 통계적 기법이나 머신러닝 알고리즘을 사용하여 미래의 값을 예측하는 과정을 말한다. 전기차 충전을 예로 들어 설명하면 다음과 같다.
예를 들어, 사용자 충전패턴 도출모듈(125)에서 사용자의 충전 기록 데이터를 분석하여 예측 모델링을 수행한다. 예측 모델링은 과거 충전 데이터를 기반으로 충전 시간, 충전량, 충전기 사용 패턴 등의 정보를 학습하여 사용자의 미래 충전 행태를 예측하는 것을 목표로 한다. 예를 들어, 사용자 A의 과거 충전 데이터를 바탕으로 예측 모델링을 수행하면, 특정 시간대에 A가 충전소를 이용할 가능성, 충전량의 추이, 특정 요일에 충전 행동이 더 활발해질 가능성 등을 예측할 수 있다. 이 예측된 정보는 허용 범주 내에 위치하는지 여부를 확인하여 사용자의 신뢰도를 평가한다. 예를 들어, 허용 범주는 충전 소요 시간, 충전량의 변동 범위 등의 기준으로 설정할 수 있다. 또한, 예측 모델링을 통해 파악된 규칙적인 충전 행태는 사용자의 충전 패턴을 이해하는 데 도움이 된다. 예를 들어, 특정 사용자의 충전 시간이 매주 월요일 오전 8시에 항상 발생하는 규칙적인 패턴이 있다면, 해당 사용자는 월요일 오전 8시에 충전할 가능성이 높다는 것을 알 수 있다. 이러한 예측 모델링은 사용자의 충전 행태를 파악하고, 그에 따라 사용자의 신뢰도를 평가하는 데에 활용될 수 있다.
체류시간 비교모듈(126)은 해당 충전소의 피크 타임(충전요청이 많은 시간) 방문율과 충전 종료 후 체류 시간을 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 사용자 신뢰도 높음으로 평가한다.
본 실시예에 따른 체류시간 비교모듈(126)은 충전소의 피크 타임(충전 요청이 많은 시간대) 방문율과 충전 종료 후 사용자의 체류 시간을 비교하여 사용자의 신뢰도를 평가하는 역할을 한다. 예를 들어, 한 충전소에서 9시부터 18시까지 피크 타임으로 설정되어 있다. 체류시간 비교모듈(126)은 해당 충전소에서 충전을 마치고 나서 사용자가 충전소에 체류하는 시간을 측정한다. 사용자 A는 12시에 충전을 완료했고, 이후 30분 동안 충전소에 여유롭게 체류한 후 충전소를 떠났다. 사용자 B는 12시에 충전을 완료했지만, 충전소에 1분도 체류하지 않고 바로 떠났다. 이때, 체류시간 비교모듈은 머신러닝 알고리즘을 활용하여 설정된 임계치보다 체류 시간이 낮은 경우 사용자의 신뢰도를 높게 평가합니다. 예를 들어, 임계치를 20분으로 설정했다면 사용자 A는 임계치를 초과하여 충전소에 머무른 것이기 때문에 신뢰도가 낮게 평가된다. 반면에 사용자 B는 임계치보다 낮은 경우에 해당되어 신뢰도가 높게 평가된다. 이를 통해 체류시간 비교모듈(126)은 사용자가 충전 후 충전소에 얼마나 오래 머무르는지를 확인하여 신뢰도를 평가하게 된다. 이는 충전소 이용 패턴을 파악하고, 충전소의 혼잡도나 이용 효율을 개선하기 위한 데이터로 활용될 수 있다.
그리고 본 실시예에 따른 사용자 평가모듈(120)은 제2 오류결제 비교모듈(121), 사용자 충전빈도 비교모듈(122), 평균 충전 요청량 비교모듈(123), 인증회피시도 비교모듈(124), 사용자 충전패턴 도출모듈(125), 체류시간 비교모듈(126)의 평가항목을 모두 만족하는 경우 사용자 신뢰도 높음으로 평가한다.
분류부(200)는 신뢰성 평가부의 신뢰도에 따라 다수 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하는 구성이다. 이러한 분류부(200)는 클러스터링 모델링을 통해 다양한 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하는 기능을 수행한다.
본 실시예에 따른 분류부(200)는 신뢰성 평가부에서 평가된 사용자들의 신뢰도에 기반하여 다수 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하는 구성이다. 이를 통해 충전소는 사용자들을 서로 다른 그룹으로 분류하여 각 그룹에 맞는 차별화된 서비스를 제공할 수 있다.
분류부는 클러스터링 모델링 기법을 활용하여 다양한 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류한다. 클러스터링은 비슷한 특징이나 패턴을 갖는 데이터들을 그룹화하는 기법으로, 데이터 간의 유사성을 기반으로 그룹을 형성한다. 이를 통해 충전 패턴이 유사한 사용자들을 동일한 그룹으로 분류하고, 그룹 간의 차이점을 파악할 수 있다.
예를 들어, 클러스터링 모델링을 적용한 분류부는 사용자들의 충전 패턴 데이터를 입력으로 받는다. 이 데이터는 사용자의 충전 시간, 충전량, 충전 빈도 등과 같은 다양한 속성으로 구성된다. 분류부는 이러한 속성들을 분석하여 비슷한 패턴을 갖는 사용자들을 동일한 그룹으로 묶는다.
예를 들어, 클러스터링 모델링 결과로 세 개의 그룹이 형성되었다고 가정하기로 한다. 그룹 1은 충전 시간이 주로 아침 시간대에 집중되고, 충전량은 중간 정도 수준인 사용자들로 구성된다. 그룹 2는 충전 시간이 주로 오후 시간대에 집중되고, 충전량은 높은 수준인 사용자들로 구성된다. 그리고 그룹 3은 충전 시간이 주로 저녁 시간대에 집중되고, 충전량은 낮은 수준인 사용자들로 구성된다.
이렇게 분류된 그룹들은 서로 다른 충전 패턴을 갖고 있으므로, 충전소는 그룹마다 다른 서비스 전략을 적용할 수 있다. 예를 들어, 그룹 1의 사용자들은 아침 시간대에 주로 충전하는 경향이 있으므로 충전소는 이 시간대에 대한 충전기 점유율을 높이고, 대기 시간을 최소화하는 등의 서비스를 제공할 수 있다. 마찬가지로 그룹 2와 그룹 3의 사용자들에게도 각각에 맞는 최적의 서비스 전략을 적용할 수 있다.
이렇게 분류부를 통해 사용자들을 비슷한 패턴을 갖는 그룹으로 분류하고, 그룹별로 다른 서비스 전략을 수립함으로써 충전소는 효율적인 운영과 개인화된 서비스를 제공할 수도 있다.
참고로, 본 실시예에 따른 클러스터링 모델링에 대해 추가로 설명하면, 다음과 같다.
클러스터링 모델링은 데이터를 그룹으로 분류하는 기법으로, 데이터 간의 유사성을 기반으로 그룹을 형성한다. 이를 통해 데이터의 패턴이나 속성을 이해하고, 서로 다른 그룹 간의 차이점을 파악할 수 있다.
다음으로 가정하기로 한다. 충전소에서 사용자들의 충전 기록을 수집한 데이터가 있다. 이 데이터는 사용자의 충전 시간, 충전량, 충전 빈도 등의 속성으로 구성되어 있다. 클러스터링 모델링을 적용하여 이 데이터를 분석하고 그룹으로 분류하기로 한다.
먼저, 데이터 전처리 단계에서는 필요한 속성을 선택하고, 데이터를 정규화하거나 표준화하는 등의 작업을 수행한다. 이는 데이터의 특성을 적절하게 조정하여 클러스터링이 올바르게 작동하도록 한다.
다음으로 클러스터링 알고리즘 선택한다. 클러스터링 알고리즘은 데이터를 그룹으로 분류하는 알고리즘을 선택하는 단계이다. 대표적인 클러스터링 알고리즘으로는 K-means, 계층적 클러스터링, DBSCAN 등이 있다. 각 알고리즘은 데이터의 특성과 목적에 맞게 선택된다.
다음으로 클러스터링 모델링을 수행하여 그룹화한다. 선택한 클러스터링 알고리즘을 적용하여 데이터를 클러스터로 그룹화한다. 이때, 클러스터링 알고리즘은 데이터의 유사성을 측정하여 비슷한 특징이나 패턴을 갖는 데이터들을 동일한 클러스터로 배정한다. 각 클러스터는 중심점을 가지고 있으며, 해당 중심점은 클러스터 내의 데이터들과 가장 유사한 특성을 갖고 있다.
다음으로 클러스터링 모델링이 완료되면, 각 클러스터의 특징과 차이점을 분석하고 해석한다. 예를 들어, 클러스터 1은 충전 시간이 주로 아침 시간대에 집중되고, 충전량은 중간 정도 수준인 사용자들로 구성된 그룹일 수 있다. 클러스터 2는 충전 시간이 주로 저녁 시간대에 집중되고, 충전량은 높은 수준인 사용자들로 구성된 그룹일 수 있다. 이러한 분석을 통해 각 클러스터의 특징과 차이점을 파악할 수 있다.
클러스터링 모델링을 통해 얻은 결과를 기반으로 충전소는 사용자 그룹별로 다양한 서비스 전략을 수립할 수 있다. 예를 들어, 클러스터 1의 사용자들에게는 아침 시간대에 특화된 서비스를 제공하고, 클러스터 2의 사용자들에게는 저녁 시간대에 효율적인 충전을 지원하는 서비스를 제공할 수 있다. 이를 통해 충전소는 개인화된 서비스를 제공하며 사용자들의 만족도를 높일 수 있다.
인증부(300)는 분류부를 통해 분류된 그룹을 신뢰도 레벨에 따라 세분화하여 차별적 인증을 수행한다. 이때 앞서 분류부를 통해 분류된 그룹을 요구사항에 따라 인증방법을 다음의 표 1과 같이 차별적으로 수행한다.
(표 1)
세분화된 차별적 인증 방안은 신뢰도 레벨1~3 중, 레벨이 높을수록 신뢰도 높다. 충전자와 인증자가 동일한 경우에 해당하는 신뢰도 1레벨의 경우, OTP 인증을 통해 인증을 수행한다. 충전자와 인증자, 결제자가 동일한 경우에 해당하는 신뢰도 2레벨의 경우, 카드 결제(RFID)를 통해 인증을 수행한다. 충전자, 결제자, 인증자의 차량이 모두 동일할 경우에 해당하는 신뢰도 3레벨의 경우, 경량화된 암호화를 통해 인증을 수행한다. 이에 본 실시예에 따른 인증부(300)는 신뢰도 1~3레벨에 해당되지 않는 낮은 신뢰도의 경우에는 기존 TLS 인증을 수행하도록 한다.
도 4는 본 발명의 일 실시예에 따른 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템(이하, 시스템이라 함)을 이용한 방법의 전체 흐름도이다. 도 3에 도시된 바와 같이, 시스템은 충전기에 연결시 전기차 충전소 정보와 사용자 정보를 이용하여 신뢰성을 평가한다(a).
다음으로 시스템은 (a)단계에서 평가한 신뢰도에 따라 다수 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류한다(b).
그리고 시스템은 분류된 그룹을 신뢰도 레벨에 따라 세분화하여 차별적 인증을 수행한다(c).
본 실시예에 따른 (a)단계에서, 시스템은 방문 사용자에 대한 충전소 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 사용자의 재방문율이 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 설정된 임계치와 비교하여 원활한 충전 성공 횟수가 임계치보다 높은 경우 중 어느 하나 이상 만족하는 경우에 충전소의 신뢰성이 높음으로 평가하고 다음의 사용자 신뢰성 평가 절차를 이행한다.
또한 (a)단계에서, 앞서 충전소 신뢰성 평가 후, 신뢰성 높음으로 평가되면 다음의 사용자 신뢰성 평가 절차를 이행한다. 여기서, 시스템은 사용자 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 해당 충전소에 대한 충전빈도가 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 사용자의 평균 충전 요청량이 해당 충전소의 평균 충전량의 가중치 범위내에 위치할 경우, 사용자가 충전 패턴을 조작하여 인증을 회피하려는 시도가 없는 경우, 예측 모델링을 통해 사용자의 패턴을 도출하고 허용 범주내에 위치할 경우, 해당 충전소의 피크 타임 방문율과 충전 종료 후 체류 시간을 머신러닝을 활용하여 설정된 임계치보다 낮은 경우 중 어느 하나 이상 만족하는 경우에 사용자의 신뢰성이 높음으로 평가한다.
(b)단계에서, 시스템은 (a)단계에서 평가된 사용자들의 신뢰도에 기반하여 다수 사용자의 충전 시간, 충전량, 충전 빈도를 포함하는 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류한다.
(c)단계에서, 시스템은 (b)단계를 통해 분류된 그룹을 설정된 신뢰도 레벨에 따라 세분화하여 차별적 인증을 수행하되, 신뢰도 레벨에 미해당 시, TLS 인증을 수행하도록 한다.
이러한 (c)단계에서, 시스템은 충전자와 인증자가 동일한 경우에 해당하는 신뢰도 1레벨의 경우, OTP 인증을 통해 인증을 수행하고, 충전자와 인증자, 결제자가 동일한 경우에 해당하는 신뢰도 2레벨의 경우, 카드 결제를 통해 인증을 수행하며, 충전자, 결제자, 인증자의 차량이 모두 동일할 경우에 해당하는 신뢰도 3레벨의 경우, 경량화된 암호화를 통해 인증을 수행하고, 상기 신뢰도 레벨에 미해당인 경우 TLS 인증을 수행하도록 한다.
이상 앞서 설명한 시스템을 이용한 절차는 다음과 같다.
(1)사용자가 전기차 충전기를 차량과 연결하게 되면 해당 충전소의 신뢰성을 평가항목에 따라 평가하고, 평가 항목은 다음과 같다.
(1-1)방문 사용자에 대한 오류 결제 건수가 머신러닝을 활용하여 임계치보다 낮은 경우,
(1-2)사용자의 재방문율이 머신러닝을 활용하여 설정된 임계치보다 높은 경우,
(1-3)사용자 방문시 원활한 충전을 제공하여 머신러닝을 활용하여 충전 불량 또는 충전소 자리 부족에 따른 설정된 임계치보다 높은 경우,
위 조건을 만족하는 경우 충전소 신뢰도 높음으로 평가하고 다음을 진행한다.
(2)다음으로 충전소의 신뢰도에 따라 신뢰도가 높은 경우 각 사용자의 정보를 이용하여 사용자의 신뢰성을 평가항목에 따라 평가하고, 평가항목은 다음과 같다.
(2-1)사용자 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우
(2-2)사용자가 해당 충전소에 대한 충전빈도가 머신러닝을 활용하여 설정된 임계치보다 높은 경우
(2-3)사용자의 평균 충전 요청량(ex. 33.44 kw )이 해당 충전소의 평균 충전량의 가중치 범위내에 위치할 경우
(2-4)강화 학습을 통해 사용자 충전 패턴을 조작하여 인증을 회피하려는 시도가 없는 경우
(2-5)예측 모델링을 통해 사용자의 패턴을 도출하고 허용 범주내에 위치할 경우, 이때 사용자 충전 예측 데이터를 실제 충전 데이터와 비교하여 규칙적인 충전 행태를 파악한다.
(2-6)해당 충전소의 피크 타임(충전요청이 많은 시간) 방문율과 충전 종료 후 체류 시간을 머신러닝을 활용하여 설정된 임계치보다 낮은 경우
위 조건을 만족하는 경우 사용자 신뢰도 높음으로 평가하고 다음을 진행한다.
(3)사용자의 신뢰도에 따라 신뢰도가 높은 사용자의 경우 간단한 인증 방안이 선택된다.
(3-1)클러스터링 모델링을 통해 다양한 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하고 이를 세분화하여 차별적 인증방안을 도입할 수 있다.
(3-2)위에서 언급한 표 1은 세분화된 차별적 인증 방안 제도를 나타내고 레벨이 높을수록 신뢰도가 높다.
정리하면, 전기차 충전기에 연결시 전기차 충전소의 신뢰성을 제1평가항목에 따라 평가(1)하고, 평가(1)결과, 충전소의 신뢰도가 높은 경우 각 사용자의 정보를 이용해 제2평가항목에 따라 사용자의 신뢰성을 평가(2)하며, 평가(2)결과, 사용자의 신뢰도에 따라 신뢰도가 높은 사용자의 경우 간단한 인증방안이 선택되도록 한다.
간단한 인증방안은 클러스터링 모델링을 통해 다양한 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하고 이를 세분화하여 차별적 인증방안을 도입한다. 세분화된 차별적 인증 방안은 신뢰도 레벨1~3 중, 레벨이 높을수록 신뢰도 높다.
충전자와 인증자가 동일한 경우에 해당하는 신뢰도 1레벨의 경우, OTP 인증을 통해 인증을 수행하고, 충전자와 인증자, 결제자가 동일한 경우에 해당하는 신뢰도 2레벨의 경우, 카드 결제(RFID)를 통해 인증을 수행하며, 충전자, 결제자, 인증자의 차량이 모두 동일할 경우에 해당하는 신뢰도 3레벨의 경우, 경량화된 암호화를 통해 인증을 수행한다. 이에 신뢰도 1~3레벨에 해당되지 않는 낮은 신뢰도의 경우에는 기존 TLS 인증을 수행하도록 한다.
본 실시예에 따른 사용자 충전패턴에 따른 신뢰성 평가에 대해 추가로 설명하면 다음과 같다. 다음의 표 1은 차량을 충전 커넥터와 연결시 진행하고, 충전소의 신뢰도가 임계치보다 높은 경우 사용자 신뢰성을 평가한다.
(표 1)
본 실시예에서 제안하는 사용자 충전패턴에 따른 신뢰성 평가는 충전소 신뢰도가 임계치보다 높은 경우 사용자 신뢰성 평가를 진행한다. 앞서 표1에 대한 설명은 닫음의 내용과 같다.
순서(Init) : 충전소 ID CID, 사용자 ID UID, 충전시간 , 충전량 , 결제상태 를 의미하고 선언된 구조체 와 에 대입한다.
순서(1) : 해당 충전소의 오류 결제수를 충전소 전체 데이터 수로 나누기 연산하여 에 대입한다.
순서(2) : 해당 충전소 신뢰도를 임계치 과 비교하여 조건식이 성립할 경우 사용자 신뢰성 평가를 진행하고, 성립하지 않을 경우 기존의 TLS 인증을 진행한다.
순서(3) : 사용자 충전테이터 의 충전소 ID CID는 해당 충전소에 대한 데이터를 의미하고 이를 전체 데이터 수로 나누기 연산하여 사용자의 충전 빈도를 에 대입한다.
순서(4) : 사용자 충전테이터 의 결제상태 를 전체 데이터 수로 나누기 연산하여 사용자의 오류결제 에 대입한다.
순서(5) : 좌변값은 가중치 에 충전소 충전데이터 의 평균 충전량을 빼고 우변값은 평균 충전량을 더하여 사용자 충전데이터 의 평균 충전량 이 사이에 위치하는지 확인한다.
평균 충전량을 구하는 식은 다음과 같다. 　　
N은 충전소 전체 데이터 크기를 의미하고, 　는 번째의 충전량을 의미한다.
순서(6) : Compare 함수를 호출하고 를 임계치 와 비교하고 를 임계치
와 값을 비교한다.
순서(7) : > 를 만족하고 < 를 만족할 경우 사용자 신뢰도 높음으로 평가하고 줄 번호 8에서 OTP 인증을 적용한다.
순서(8) : 줄 번호 7의 조건식이 성립되지 않을 경우 TLS 인증을 진행한다.
표 1의 알고리즘1은 사용자의 평균 충전량을 확인하고, 와 를 와 를 비교하여 사용자 신뢰성을 평가한다. 조건이 성립되면 해당 충전소에 대한 사용자의 신뢰도 높음으로 판단하고 OTP 인증을 진행한다. 이러한 절차로 사용자의 신뢰성 평가를 충전 빈도수가 일정하고 오류결제가 적으면서 일정한 충전을 하는 사용자를 차별적 인증 적용을 제안한다.
본 발명에 따르면, 사용자의 신뢰도에 따라 오버헤드가 낮은 인증방법의 선택이 가능함에 따라 시스템의 속도를 향상시킬 수 있는 효과가 있다.
100 : 신뢰성 평가부
110 : 충전소 평가모듈
111 : 오류결제 비교모듈
112 : 재방문율 비교모듈
113 : 충전소 관리모듈
120 : 사용자 평가모듈
121 : 제2 오류결제 비교모듈
122 : 사용자 충전빈도 비교모듈
123 : 평균 충전 요청량 비교모듈
124 : 인증회피시도 비교모듈
125 : 사용자 충전패턴 도출모듈
126 : 체류시간 비교모듈
200 : 분류부
300 : 인증부

Claims (12)

  1. 충전기에 연결시 전기차 충전소 정보와 사용자 정보를 이용하여 신뢰성을 평가하는 신뢰성 평가부,
    상기 신뢰성 평가부의 신뢰도에 따라 다수 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하는 분류부 및
    상기 분류부를 통해 분류된 그룹을 신뢰도 레벨에 따라 세분화하여 차별적 인증을 수행하는 인증부를 포함하며,
    상기 인증부는 상기 분류부를 통해 분류된 그룹을 충전자, 결제자, 인증자 차량의 동일성 여부에 따라 신뢰도 레벨을 세분화하여 차별적 인증을 수행하되, 상기 신뢰도 레벨에 미해당 시, TLS 인증을 수행하도록 하는 것을 특징으로 하는 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템.
  2. 제1항에 있어서,
    상기 신뢰성 평가부는,
    방문 사용자에 대한 충전소 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 사용자의 재방문율이 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 설정된 임계치와 비교하여 원활한 충전 성공 횟수가 임계치보다 높은 경우 중 어느 하나 이상 만족하는 경우에 충전소의 신뢰성이 높음으로 평가하는 것을 특징으로 하는 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템.
  3. 제1항에 있어서,
    상기 신뢰성 평가부는,
    사용자 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 해당 충전소에 대한 충전빈도가 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 사용자의 평균 충전 요청량이 해당 충전소의 평균 충전량의 가중치 범위내에 위치할 경우, 사용자가 충전 패턴을 조작하여 인증을 회피하려는 시도가 없는 경우, 예측 모델링을 통해 사용자의 패턴을 도출하고 허용 범주내에 위치할 경우, 해당 충전소의 피크 타임 방문율과 충전 종료 후 체류 시간을 머신러닝을 활용하여 설정된 임계치보다 낮은 경우 중 어느 하나 이상 만족하는 경우에 사용자의 신뢰성이 높음으로 평가하는 것을 특징으로 하는 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템.
  4. 제1항에 있어서,
    상기 분류부는 신뢰성 평가부에서 평가된 사용자들의 신뢰도에 기반하여 다수 사용자의 충전 시간, 충전량, 충전 빈도를 포함하는 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하는 것을 특징으로 하는 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템.
  5. 삭제
  6. 제1항에 있어서,
    상기 인증부는,
    충전자와 인증자가 동일한 경우에 해당하는 신뢰도 1레벨의 경우, OTP 인증을 통해 인증을 수행하고, 충전자와 인증자, 결제자가 동일한 경우에 해당하는 신뢰도 2레벨의 경우, 카드 결제를 통해 인증을 수행하며, 충전자, 결제자, 인증자의 차량이 모두 동일할 경우에 해당하는 신뢰도 3레벨의 경우, 경량화된 암호화를 통해 인증을 수행하고, 상기 신뢰도 레벨에 미해당인 경우 TLS 인증을 수행하도록 하는 것을 특징으로 하는 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템.
  7. 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템을 이용한 방법에 있어서,
    (a) 상기 시스템이 충전기에 연결시 전기차 충전소 정보와 사용자 정보를 이용하여 신뢰성을 평가하는 단계,
    (b) 상기 시스템이 상기 신뢰성 평가에 따라 다수 사용자의 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하는 단계 및
    (c) 상기 시스템이 분류된 그룹을 신뢰도 레벨에 따라 세분화하여 차별적 인증을 수행하는 단계를 포함하며,
    상기 (c)단계는 상기 시스템이 분류된 그룹을 충전자, 결제자, 인증자 차량의 동일성 여부에 따라 신뢰도 레벨을 세분화하여 차별적 인증을 수행하되, 상기 신뢰도 레벨에 미해당 시, TLS 인증을 수행하도록 하는 것을 특징으로 하는 전기차 사용자 충전패턴에 따른 차별적 인증방법.
  8. 제7항에 있어서,
    상기 (a)단계는,
    상기 시스템이 방문 사용자에 대한 충전소 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 사용자의 재방문율이 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 설정된 임계치와 비교하여 원활한 충전 성공 횟수가 임계치보다 높은 경우 중 어느 하나 이상 만족하는 경우에 충전소의 신뢰성이 높음으로 평가하는 것을 특징으로 하는 전기차 사용자 충전패턴에 따른 차별적 인증방법.
  9. 제7항에 있어서,
    상기 (a)단계는,
    상기 시스템이 사용자 오류 결제 건수가 머신러닝을 활용하여 설정된 임계치보다 낮은 경우, 해당 충전소에 대한 충전빈도가 머신러닝을 활용하여 설정된 임계치보다 높은 경우, 사용자의 평균 충전 요청량이 해당 충전소의 평균 충전량의 가중치 범위내에 위치할 경우, 사용자가 충전 패턴을 조작하여 인증을 회피하려는 시도가 없는 경우, 예측 모델링을 통해 사용자의 패턴을 도출하고 허용 범주내에 위치할 경우, 해당 충전소의 피크 타임 방문율과 충전 종료 후 체류 시간을 머신러닝을 활용하여 설정된 임계치보다 낮은 경우 중 어느 하나 이상 만족하는 경우에 사용자의 신뢰성이 높음으로 평가하는 것을 특징으로 하는 전기차 사용자 충전패턴에 따른 차별적 인증방법.
  10. 제7항에 있어서,
    상기 (b)단계는,
    상기 시스템이 상기 (a)단계에서 평가된 사용자들의 신뢰도에 기반하여 다수 사용자의 충전 시간, 충전량, 충전 빈도를 포함하는 충전 패턴을 비슷한 패턴을 갖는 그룹으로 분류하는 것을 특징으로 하는 전기차 사용자 충전패턴에 따른 차별적 인증방법.
  11. 삭제
  12. 제7항에 있어서,
    상기 (c)단계는,
    상기 시스템이 충전자와 인증자가 동일한 경우에 해당하는 신뢰도 1레벨의 경우, OTP 인증을 통해 인증을 수행하고, 충전자와 인증자, 결제자가 동일한 경우에 해당하는 신뢰도 2레벨의 경우, 카드 결제를 통해 인증을 수행하며, 충전자, 결제자, 인증자의 차량이 모두 동일할 경우에 해당하는 신뢰도 3레벨의 경우, 경량화된 암호화를 통해 인증을 수행하고, 상기 신뢰도 레벨에 미해당인 경우 TLS 인증을 수행하도록 하는 것을 특징으로 하는 전기차 사용자 충전패턴에 따른 차별적 인증방법.
KR1020230077654A 2023-06-16 2023-06-16 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법 KR102644586B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230077654A KR102644586B1 (ko) 2023-06-16 2023-06-16 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230077654A KR102644586B1 (ko) 2023-06-16 2023-06-16 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR102644586B1 true KR102644586B1 (ko) 2024-03-08

Family

ID=90235847

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230077654A KR102644586B1 (ko) 2023-06-16 2023-06-16 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102644586B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010017006A (ja) * 2008-07-04 2010-01-21 Yazaki Corp 充電監視装置
KR20220000259A (ko) 2020-06-25 2022-01-03 주식회사 그리드위즈 자동 인증이 가능한 전기차 충전 장치
JP2022146415A (ja) * 2021-03-22 2022-10-05 本田技研工業株式会社 充電制御装置、充電制御システム及び充電制御方法
JP2023500424A (ja) * 2019-11-04 2023-01-06 リイケネヴィルタ オーイー／ヴィルタ リミテッド 電気自動車充電ステーションの信頼性評価方法及び装置
KR102497753B1 (ko) * 2021-09-01 2023-02-09 에스케이시그넷 주식회사 빅데이터 기반의 중앙 관제부의 충전 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010017006A (ja) * 2008-07-04 2010-01-21 Yazaki Corp 充電監視装置
JP2023500424A (ja) * 2019-11-04 2023-01-06 リイケネヴィルタ オーイー／ヴィルタ リミテッド 電気自動車充電ステーションの信頼性評価方法及び装置
KR20220000259A (ko) 2020-06-25 2022-01-03 주식회사 그리드위즈 자동 인증이 가능한 전기차 충전 장치
JP2022146415A (ja) * 2021-03-22 2022-10-05 本田技研工業株式会社 充電制御装置、充電制御システム及び充電制御方法
KR102497753B1 (ko) * 2021-09-01 2023-02-09 에스케이시그넷 주식회사 빅데이터 기반의 중앙 관제부의 충전 제어 방법

Similar Documents

Publication Publication Date Title
WO2019228004A1 (zh) 一种核身方法和装置
CN103338188B (zh) 一种适用于移动云的客户端动态认证方法
CN108595157A (zh) 区块链数据的处理方法、装置、设备和存储介质
CN110858804B (zh) 确定证书状态的方法
CN109255255A (zh) 基于区块链的数据处理方法、装置、设备和存储介质
CN105678125A (zh) 一种用户认证方法、装置
CN113312417B (zh) 应用于大数据和云计算的数据处理方法及大数据服务平台
Gawas et al. An integrative approach for secure data sharing in vehicular edge computing using Blockchain
CN105991596A (zh) 一种访问控制方法和系统
CN112950201A (zh) 一种应用于区块链系统的节点管理方法及相关装置
CN112711757A (zh) 一种基于大数据平台的数据安全集中管控方法及系统
CN109327473A (zh) 一种基于区块链技术的身份认证方法
Meijers et al. Blockchain for V2X: A taxonomy of design use cases and system requirements
KR102644586B1 (ko) 전기차 사용자 충전패턴에 따른 차별적 인증을 위한 시스템 및 그 방법
CN112115507B (zh) 基于云计算和信息数字化的云业务交互方法及大数据平台
CN112070508B (zh) 基于区块链金融的区块链支付处理方法及区块链支付平台
Ji et al. A blockchain-based vehicle platoon leader updating scheme
CN112037062A (zh) 交易共识方法、装置、电子设备及可读存储介质
CN116567637A (zh) 一种基于改进pbft算法的雾节点信任评估方法
CN110839030A (zh) 一种区块链访问控制中的权限传递方法
Manogaran et al. Machine learning based trust model for secure internet of vehicle data exchange
CN114329516A (zh) 一种智慧交通数据保护方法及系统
CN114697255B (zh) 一种企业网络传输数据风险预警系统及方法
Elamparithi Resilient Service Authentication for Smart City Application Using IoT.
CN109861970A (zh) 一种基于可信策略的系统

Legal Events

Date Code Title Description
GRNT Written decision to grant