Comparison on Machince Learning Techniques for Intrusion Detection in Wireless Sensor Network
SungWook Lim, Myungsik Yoo · 한국통신학회논문지 · 2022
무선 센서 네트워크를 이루는 센서들은 개방적이고 분산된 특성을 가지고 있으며, 센서 노드의 제한된 리소스 및 실시간 데이터 수집 등의 요인들로 인해 공격에 매우 취약하다. 공격자는 이러한 취약점을 이용해 가짜 메시지 주입 및 네트워크 리소스 낭비 등의 공격을 시도하며, 이러한 공격 중 DoS 공격에 대해 패턴을 분석하여 분류하기 위해 트리 기반 머신 러닝을 사용하였다. 머신러닝의 성능 비교분석을 훈련 방식의 차이점, Feature Importance 그리고 각 공격 유형의 특징을 고려하였다. 실험 결과에 대한 비교 분석을 위하여 머신 러닝 성능 평가 지표 중 F1-Score를 사용하였다. 분석 결과를 통하여 단일 트리 구조를 가지는 Decision Tree가 가장 낮은 성능을 보이며, 가중치를 이용해 모델을 훈련하는 Boosting 기반 모델이 높은 성능을 보임을 증명하였다.