위성항법시스템(GNSS)은 위치, 항법 및 시간 정보를 제공하여 다양한 산업 분야에서 널리 활용되고 있으나, 낮은 전력으로 전송되는 GNSS 신호는 스푸핑 공격과 같은 외부 위협에 취약하다. 스푸핑 공 격은 수신기를 조작하여 잘못된 위치나 시간 정보를 수신하도록 유도하며, 이는 위치 신뢰성이 중요한 시스템의 보안에 심각한 위협을 초래할 수 있다. 본 연구에서는 항법 데이터 내 스푸핑 공격을 효과적으 로 탐지하기 위해 심층신경망을 활용한 회귀 기반 이상치 탐지 기법을 제안한다. 제안된 방법은 정상적인 항법 데이터의 패턴을 학습하는 Deep Neural Network (DNN) 회귀 모델을 구성하여, 항법 데이터의 주 요 특징들을 입력으로 하여 다음 신호를 예측한다. 예측값과 실제 수신 데이터 간의 오차를 분석함으로써 스푸핑과 같은 비정상 신호를 탐지하며, 예측된 항법값과 실제 측정값 간의 차이를 임계값과 비 교 하여 이상 여부를 판단한다. 실험 결과, 제안된 모델은 정상 데이터와 스푸핑 데이터를 효과적으로 구분하는 성능을 보였으며, 항법 데이터 기반 이상 탐지의 유효성을 확인하였다. 특히 의도적인 항법 교란 을 조기에 감지할 수 있는 능력을 보여주어, UAV, 자율주행 차량, 군사 장비 등 스푸핑 공격에 취약한 시스템의 보안을 강화하는 효과적인 방어 수단으로 활용될 수 있다. 본 연구는 GNSS 기반 항법 시스 템 의 신뢰성과 보안성 향상에 기여할 것으로 기대된다.

Satellite Spoofing Detection Using Deep Neural Network

Nahyun Lee, Jae Hwan Bong, Seongkyun Jeong*

Global Navigation Satellite Systems (GNSS) are widely utilized across various industries to provide positioning, navigation, and timing information. However, GNSS signals transmitted with low power are vulnerable to external threats such as spoofing attacks. Spoofing attacks manipulate receivers to accept false position or timing information, posing serious security threats to systems where location reliability is critical. This study proposes a regression-based anomaly detection technique using deep neural networks to effectively detect spoofing attacks in navigation data. The proposed method constructs a Deep Neural Network (DNN) regression model that learns patterns of normal navigation data, taking key features of navigation data as inputs to predict subsequent signals. By analyzing the error between predicted values and actual received data, the system detects abnormal signals such as spoofing, determining anomalies by comparing differences between predicted navigation values and actual measurements against threshold values. Experimental results demonstrate that the proposed model effectively distinguishes between normal and spoofing data, confirming the validity of navigation data-based anomaly detection. The system particularly shows the capability to detect intentional navigation interference at an early stage, making it an effective defense mechanism for enhancing the security of systems vulnerable to spoofing attacks, including UAVs, autonomous vehicles, and military equipment. This research is expected to contribute to improving the reliability and security of GNSS-based navigation systems.

Keywords: deep neural network, GNSS, GPS, spoofing

Speaker 이나현 상명대학교