Global Positioning System (GPS) is used in various applications from positioning and navigating portable devices to time synchronizing power grid systems and telecommunication systems. However, GPS is vulnerable to a spoofing attack that transmits fake GPS signals to the victim’s GPS receiver to make the victim calculates the wrong geographic location or the wrong current time. In response, several countermeasures have been proposed, however, existing countermeasures are difficult to be applied to commercial receivers because they need additional hardware or existing system modification. In this paper, we present a novel GPS spoofing detection method using a commercial GPS receiver and machine learning. This method leverages binary classification to find the differences in the output values of commercial GPS receivers between authentic signals and spoofing signals. To train a machine learning model, we collected authentic signals transmitted from GPS satellites and spoofing signals from various types of GPS spoofers. The evaluation shows that the proposed method can detect GPS spoofing attacks with 99% detection accuracy and 0.2% false alarm rates. Also, the proposed method is independent of receivers and location, and robust against harsh environments. Finally, we interpreted the results and analyzed which features are important to detect a GPS spoofing attack.
GPS는 휴대기기의 위치 지정 및 탐색에서부터 전력망과 통신 시스템의 시간 동기화에 이르기까지 다양한 분야에서 사용되고 있다. 하지만 GPS는 위조된 GPS 신호를 공격 대상의 수신기로 전송하여 공격 대상이 잘못된 지리적 위치나 잘못된 시각을 계산하도록 만드는 스푸핑 공격에 취약하다. 이에 대응하여 여러 가지 방어기법들이 제안되었지만, 기존 방어기법들은 추가적인 하드웨어가 필요하거나 기존 시스템을 수정해야 하기 때문에 상용 GPS 수신기에 적용하기 어렵다. 본 논문에서는 상용 GPS 수신기와 기계학습을 이용한 새로운 GPS 스푸핑 탐지 방법을 제안한다. 이 방법은 위성 신호와 스푸핑 신호 사이의 상용 GPS 수신기의 출력값의 차이를 이진 분류를 이용하여 찾아낸다. 기계학습 모델을 학습시키기 위해 GPS 위성으로부터 정상 신호를 수집하고, 다양한 종류의 GPS 스푸퍼로부터 스푸핑 신호를 수집하였다. 실험 결과, 제안한 방법은 99%의 탐지 정확도와 0.2%의 오탐율로 GPS 스푸핑 공격을 탐지할 수 있음 보였다. 또한, 제안한 방법은 수신기와 위치에 무관하게 작동하고 가혹한 환경에도 강인하다는 것을 보였다. 마지막으로, 결과를 해석하여 어떤 특성값들이 GPS 스푸핑 공격을 탐지하는 데 중요한 역할을 하는지 분석하였다.
