| 1 |
1
특징 추출 모듈에서 모니터 모드의 무선 NIC를 이용하여 주변 AP의 비콘 프레임(Beacon frame)을 pcapng 파일 포맷으로 수집하는 단계(S10);상기 특징 추출 모듈에서 수집된 pcapng 파일을 가공하기 위해 CSV 파일로 변환하는 단계(S20);상기 특징 추출 모듈이 변환된 CSV 파일을 이용하여 무선 통신 환경의 AP를 식별하기 위한 특징값을 추출하는 단계(S30);AP 식별 모듈이 상기 특징 추출 모듈에서 추출한 AP를 식별하기 위한 특징값을 토대로 미리 저장된 AP의 비콘 프레임으로부터 특징값을 계산 및 추출하는 단계(S40);상기 AP 식별 모듈이 기계학습 분류 알고리즘을 이용하여 상기 (S40) 단계에서 계산 및 추출된 특징값을 학습하는 단계(S50);상기 AP 식별 모듈이 식별하고자 하는 AP의 비콘 프레임에서 추출한 식별자가 이전에 학습한 적이 있는지 여부를 판단하는 단계(S60); 및상기 (S60) 단계의 판단 결과 이전에 학습한 적이 있는 경우 상기 특징 추출 모듈에서 추출한 특징값을 이용하여 AP 식별 모듈이 정상 AP와 로그(Rogue) AP를 판단하는 단계(S70)를 포함하는 것을 특징으로 하는 기계학습을 이용한 AP 식별 방법
|
| 2 |
2
제1항에 있어서,상기 식별자는 AP의 SSID 또는 MAC 어드레스인 것을 특징으로 하는 기계학습을 이용한 AP 식별 방법
|
| 3 |
3
제1항에 있어서,상기 특징값은 클락 스큐(Clock skew), 채널(Chanel), RSS 및 듀레이션(Duration)을 포함하는 것을 특징으로 하는 기계학습을 이용한 AP 식별 방법
|
| 4 |
4
제1항에 있어서,상기 이전에 학습한 적이 있는지 여부를 판단하는 단계(S60)의 판단 결과 식별하고자 하는 AP의 식별자가 이전에 학습한 적이 없는 경우에는 상기 식별하고자 하는 AP를 비인가 AP로 분류하는 단계(S61)를 더 포함하는 기계학습을 이용한 AP 식별 방법
|
| 5 |
5
제1항에 있어서,상기 정상 AP와 로그(Rogue) AP를 판단하는 단계(S70)는상기 이전에 학습한 적이 있는지 여부를 판단하는 단계(S60)의 판단 결과 이전에 학습한 적이 있는 경우에 판단부가 상기 식별하고자 하는 AP의 특징값을 예측부에 입력하는 단계(S71);상기 예측부가 학습부에서 학습된 AP를 기반으로 상기 (S71) 단계로부터 입력된 특징값을 갖는 AP를 예측하고, 예측에 대한 근거 확률을 산출하는 단계(S72);상기 판단부가 예측부의 예측 결과와 식별하고자 하는 AP의 식별자를 비교하여 동일 여부를 판단하는 단계(S73);상기 판단부가 상기 근거 확률이 미리 설정된 문턱값(Threshold) 이상인지 여부를 판단하는 단계(S74); 및상기 (S73) 단계 및 (S74) 단계의 판단 결과를 이용하여 판단부가 인가 AP와 로그(Rogue) AP를 분류하는 단계(S75)를 포함하는 기계학습을 이용한 AP 식별 방법
|
| 6 |
6
제5항에 있어서,상기 인가 AP와 로그(Rogue) AP를 분류하는 단계(S75)는 상기 (S73) 단계와 (S74) 단계의 판단 결과가 모두 참이면 식별하고자 하는 AP를 인가 AP로 분류하고, 상기 (S73) 단계와 (S74) 단계의 판단 결과 중 적어도 하나가 거짓이면 식별하고자 하는 AP를 로그 AP로 분류하는 것을 특징으로 하는 기계학습을 이용한 AP 식별 방법
|
| 7 |
7
모니터 모드(Monitor mode)의 무선 NIC를 이용하여 주변 AP(Access Point)의 무선 패킷을 수집하고, 수집된 정보를 가공하여 특징(Feature) 값을 추출하는 특징 추출 모듈과,기계학습(Machine learning)을 이용하여 특징값을 학습하고, 학습된 모델을 기반으로 판단하여 AP(Access Point)를 식별하는 AP 식별 모듈을 포함하는 것을 특징으로 하는 기계학습을 이용한 AP 식별 시스템
|
| 8 |
8
제7항에 있어서,상기 특징 추출 모듈은모니터 모드의 무선 NIC를 이용하여 주변의 비콘 프레임(Beacon frame)을 pcapng(pcap next generation) 파일 포맷으로 수집하는 수집부;수집된 상기 pcapng 파일을 가공하기 위해 CSV 파일로 변환하는 변환부; 및변환된 CSV 파일을 통해 무선 통신 환경의 AP(Access Point)를 식별하기 위한 특징값을 추출하는 특징 추출부를 포함하는 것을 특징으로 하는 기계학습을 이용한 AP 식별 시스템
|
| 9 |
9
제8항에 있어서,상기 특징 추출부는비콘 프레임(Beacon frame) 패킷으로부터 AP를 식별하기 위해 클락 스큐(Clock skew) 값을 추출하는 클락 스큐 추출부와,상기 비콘 프레임 패킷으로부터 AP를 식별하기 위한 AP의 주사용 채널(Channel) 정보를 추출하는 채널 추출부와,수신된 비콘 프레임(Beacon frame)의 다양한 RSS 값 중 최빈값을 선택하여 RSS 값을 추출하는 RSS 추출부와,상기 비콘 프레임의 필드(Field)로부터 듀레이션(Duration)을 측정하여 특징(Feature) 값으로 추출하는 듀레이션 추출부 및상기 비콘 프레임으로부터 AP의 SSID와 MAC 어드레스(Address)를 추출하는 SSID 및 MAC 추출부를 포함하는 것을 특징으로 하는 기계학습을 이용한 AP 식별 시스템
|
| 10 |
10
제7항에 있어서,상기 AP 식별 모듈은상기 특징 추출 모듈에서 추출한 특징값을 토대로 저장부에 미리 저장된 AP들의 비콘 프레임으로부터 특징값을 계산 및 추출한 후 기계학습 분류 알고리즘을 사용하여 저장된 AP들의 특징값을 학습하는 학습부,상기 학습부에서 학습된 AP 중에서 입력된 특징값을 갖는 AP를 예측하고, 예측에 대한 근거 확률을 산출하는 예측부,상기 학습부를 통해 학습된 특징값과, 예측부의 예측 결과 및 근거 확률을 기반으로 판단하여 비인가 AP, 정상 AP 및 로그(Rogue) AP를 식별하는 판단부를 포함하는 것을 특징으로 하는 기계학습을 이용한 AP 식별 시스템
|
