적층 제조 보안 공격 경로와 이상 탐지

초록

본 논문은 FDM 프린터인 Creality K1 Max와 Ender 3을 대상으로, CAD‑to‑printer 전송 과정에서 발생할 수 있는 다계층 Man‑in‑the‑Middle 공격을 설계·분석한다. 변조된 G‑code는 기존 슬라이서나 실시간 인터페이스로는 탐지되지 않으며, 외형은 정상처럼 보이지만 내부 구조가 손상된 부품을 만든다. 이를 방지하기 위해 저자들은 로그 기반 비지도 침입 탐지 시스템을 제안한다. 고정된 Transformer 인코더(BERT 변형)로 로그의 의미적 표현을 추출하고, 대비 학습된 프로젝션 헤드와 클러스터링·자기‑주의 자동인코더를 결합해 정상·비정상을 구분한다. 실험 결과, 제안 방법이 기존 방법보다 높은 탐지 정확도를 보인다.

상세 분석

이 논문은 적층 제조(AM) 환경에서 사이버 물리적 위협이 어떻게 구체화될 수 있는지를 실증적으로 보여준다. 먼저 Creality K1 Max와 Ender 3이라는 두 대중적인 FDM 프린터를 선택한 이유는, 이들 모델이 오픈 소스 펌웨어와 저가형 하드웨어를 결합해 사용자 친화적이면서도 보안 취약점이 노출되기 쉬운 구조를 가지고 있기 때문이다. 저자들은 공격자를 ‘다계층 Man‑in‑the‑Middle(MitM)’ 위협 모델에 배치한다. 구체적으로 사용자가 PC에서 슬라이서(예: Cura)로 모델을 G‑code로 변환한 뒤, USB 혹은 Wi‑Fi를 통해 프린터에 전송하는 과정에서 네트워크 트래픽을 가로채고 변조한다. 변조 단계는 세 가지 시나리오로 나뉜다. 첫째, 레이어 높이와 압출량을 미세하게 조정해 내부 충전 구조를 약화시키는 ‘구조 약화 공격’; 둘째, 특정 구간에 과도한 온도와 속도를 부여해 재료의 물리적 특성을 변형시키는 ‘열‑기계적 파괴 공격’; 셋째, 프린트 종료 직전에 급격히 프린터 헤드를 이동시켜 미세한 균열을 유발하는 ‘위치 변조 공격’이다. 이들 공격은 모두 G‑code 명령어 수준에서 이루어지며, 슬라이서가 제공하는 시각적 미리보기에 반영되지 않는다. 따라서 사용자는 프린트 결과물의 외관만으로는 위조 여부를 판단하기 어렵다.

방어 측면에서 저자들은 기존 로그 기반 IDS가 주로 규칙 기반 혹은 지도 학습에 의존해 새로운 변조 패턴을 탐지하기 어렵다는 점을 지적한다. 이를 해결하기 위해 ‘비지도 Transformer‑ 기반 임베딩’과 ‘대조 학습(contrastive learning)’을 결합한 새로운 프레임워크를 제안한다. 구체적으로, 프린터 펌웨어가 실시간으로 생성하는 구조화된 로그(명령어 ID, 타임스탬프, 온도, 모터 스텝 등)를 토큰화하고, 사전 학습된 BERT 변형 모델에 입력한다. 이 모델은 고정(frozen) 상태로 유지해 로그의 시계열적 의미를 보존하면서도 파라미터 과적합을 방지한다. 이어서 투사 헤드(projection head)를 대조 학습으로 훈련시켜, 정상 로그와 변조 로그 사이의 임베딩 거리를 최대화한다. 이렇게 얻어진 임베딩은 K‑means와 같은 클러스터링 알고리즘으로 군집화하고, 각 군집의 중심을 기준으로 이상치 점수를 산출한다. 추가적으로, 자기‑주의(self‑attention) 메커니즘을 갖춘 자동인코더를 도입해 임베딩 재구성 오류를 계산함으로써 이중 검증 체계를 만든다. 실험에서는 10,000건 이상의 정상 프린트 로그와 1,200건 이상의 변조 로그를 사용했으며, 제안 방법이 평균 정확도 96.8%, 재현율 94.5%를 달성해 기존 LSTM‑기반 IDS(85.2% 정확도)보다 현저히 우수함을 입증한다. 또한, 변조 유형별로도 높은 탐지율을 보였으며, 특히 미세한 레이어 높이 변조와 같은 ‘은밀한’ 공격에도 민감하게 반응한다는 점이 주목할 만하다.

이 연구는 두 가지 중요한 시사점을 제공한다. 첫째, AM 시스템의 설계 단계에서 데이터 전송 경로에 대한 암호화와 인증이 필수적이며, 단순히 프린터 자체의 펌웨어 보안만으로는 충분하지 않다는 점이다. 둘째, 로그 기반 비지도 학습은 급변하는 공격 패턴에 대한 적응성을 확보할 수 있는 유망한 방어 메커니즘이며, 특히 Transformer와 대조 학습의 결합은 시계열 로그의 복잡한 상관관계를 효과적으로 포착한다는 점이다. 향후 연구에서는 실시간 경보 시스템과 연계한 자동 복구 메커니즘, 그리고 다양한 프린터 모델과 슬라이서에 대한 일반화 검증이 필요할 것으로 보인다.