Nowadays, Sensors that use light are used in a variety of applications because of their accuracy and convenience. For example, in newer electronic devices such as tablets and smartphones, it is used to detect light and adjust the brightness of the screen. And in automatic doors, it is also used to determine whether or not a person is in front of the door.
However, sensors that detect light are vulnerable to attacks using the same kind of light source. One of the related works has demonstrated that a valid attack can be made using IR light sources in the medical infusion pump which uses a light-sensing sensor. Unfortunately, most sensors themselves cannot prevent such attacks. We propose research about classifying light sources (3 types of LED, 3 types of Laser) of the same kind using machine learning technology as part of how to effectively defend with such attacks on sensors that detect light.
For the fingerprinting research of light sources, we created a stable light source data collection environment using spectrometers. Then, we measure the classification accuracy by applying machine learning classification models to the collected data to see if it was classifiable. We also analyzed which section of the light source's data is the most important as part of the interpretation of the machine learning results. Besides, we suggested additional research directions that can be developed from our study.
최근 빛을 사용하는 센서는 그 정확도와 편리함 덕분에 다양한 응용 분야에 사용되고 있다. 예를 들어, 최신 전자 기기인 스마트폰과 태블릿은 빛을 감지하고 화면의 밝기를 조정하는 곳에 센서를 사용한다. 또한, 자동문에서는 빛을 통해 문 앞에 사람이 있는지의 여부를 판단하기도 한다.
하지만, 빛을 감지하는 형태의 센서는 같은 종류의 광원을 사용한 공격에 취약하다. 관련 연구에서는 IR 빛 감지 센서를 사용하는 의료 인퓨전 펌프에 같은 종류의 IR 광원을 사용한 유효한 공격이 가능함을 입증하였다. 현실적으로, 사용되는 대부분의 센서는 그러한 타입의 공격을 막을 수 없다. 우리는 그것에 대한 효과적인 방어 기법의 하나로 사용될 수 있도록 같은 종류의 광원(3개의 LED, 3개의 Laser)에 대해서 서로를 핑거프린팅 하는 연구 결과를 본 논문에서 제시한다.
광원에 대한 핑거프린팅 연구를 진행하기 위해서, 우리는 스펙트로미터를 활용해 안정적으로 광원의 데이터를 수집할 수 있는 환경을 만들었다. 그 후 데이터를 구분할 수 있는 기계학습 모델을 설정해 실제로 핑거프린팅이 가능한지의 여부와 구체적인 정확도를 확인하였다. 우리는 또한 기계학습 모델 결과에 대한 해석의 일환으로 광원의 데이터에서 어떤 파장 구간의 데이터가 분류에 있어서 가장 중요한지를 분석하였다. 추가적으로, 우리의 연구가 실제로 센서에 방어 기법으로 활용되기 위해서는 어떤 방식을 적용해야 하는지에 대해 제시하였다.
