Skip to content

Latest commit

 

History

History
118 lines (93 loc) · 4.72 KB

README.md

File metadata and controls

118 lines (93 loc) · 4.72 KB
Raw

Starprint: 위성인터넷 해킹을 통한 프라이버시 유출 방지를 위한 Fingerprinting 기법을 활용한 Starlink 네트워크 취약점 분석

2024~2025 Ewha Womans University Capstone Design Project - Team16 RexT

소개

Starprint는 위성인터넷 해킹으로 인한 프라이버시 유출 방지를 목표로, Website Fingerprinting 기법을 활용하여 Starlink 네트워크의 보안 취약점을 분석하는 프로젝트입니다.
본 연구는 위성 네트워크의 보안 강화를 위한 학문적, 실질적 기여를 목표로 하고 있습니다.

프로젝트 개요

  • 프로젝트 기간: 2024년
  • 팀명: Team16 RexT
  • 소속: 이화여자대학교 캡스톤디자인 프로젝트
  • 주요 목표:
    1. Starlink 위성 네트워크 트래픽 패턴 분석
    2. Website Fingerprinting 기술을 적용해 Starlink의 프라이버시 노출을 비롯한 보안 취약성 검증
    3. Starlink를 비롯한 위성인터넷을 위한 새로운 보안 솔루션 및 보안 프로토콜 제시

기술 및 도구

  • 프로그래밍 언어: Python
  • 데이터 분석: TensorFlow, Scikit-learn
  • 데이터 전처리: Torch
  • 모델 학습: Keras

모델 소개

image

시작하기 (Getting Started)

프로젝트 폴더 구성 및 역할

  1. feature_analysis

    • 역할: 가지고 있는 네트워크 트래픽의 분포를 확인하고 분석합니다.

  2. feature_extractor

    • 역할: 네트워크 트래픽에서 주요 특징(feature)을 추출하는 스크립트를 포함합니다.
    • 주요 파일:
      • functions.py: 각 메타데이터마다 feature를 추출하는 함수들을 모아놓은 모듈입니다.
      • pkl_extractor.py: 수집된 네트워크 트래픽 데이터를 전처리하고, pickle 형식으로 저장합니다.
      • npz_extractor.py: 수집된 네트워크 트래픽 데이터를 전처리하고, npz 형식으로 저장합니다.

  3. embedding_extractor

    • 역할: 앞에서 추출된 트래픽의 feature를 입력으로 받아 모델 학습에 사용될 임베딩 벡터를 생성합니다.
    • 주요 파일:
      • llama_extractor.py: Llama 모델을 사용하여 트래픽 데이터를 임베딩 공간으로 매핑합니다.
      • llama_models.py: llama 모델 클래스가 정의되어 있는 모듈입니다.
      • data_loader.py: 추출된 feature 파일을 로드하여 제공합니다.
      • data_splitter.py: 추출된 feature 파일을 train, valid, test 데이터셋으로 분할합니다.

  4. models

    • 역할: 모델을 학습시키고 이를 기반으로 위성 네트워크 트래픽의 분류를 수행합니다.
    • 주요 파일:
      • star_df/quantile_model.py: 1D CNN 기반 모델에 Quantile Normalization을 더해 성능을 강화한 모델입니다.
      • star_df/softvoting_model.py: 1D CNN 기반 모델을 앙상블 기법을 이용해 안정적인 정확도를 내는 모델입니다.
      • star_laserbeak/laserbeak_1d_main.py: 단일 feature를 받아 Transformer 기반 분류 모델을 실행하여 네트워크 트래픽 분석 결과를 출력합니다.

설치 및 실행

  1. 필수 요구사항:

    • python 3.7 이상
    • cuda 11.4
    • cnDNN

  2. 설치 및 실행:

    # 프로젝트 클론
git clone https://github.com/Capstone-RexT/starprint

# 환경 세팅
cd starprint
pip install -r requirements.txt
    # Feature 추출
cd feature_extractor
python pkl_extractor.py
    # Embedding vector 추출
cd embedding_extractor
python llama_extractor.py
    # Classification 수행
cd models/star_laserbeak
python laserbeak_1d_main.py

기술 시연 영상

Watch the video

구성원 및 역할

  • 팀원:
    • 곽현정: 프로젝트 총괄, 모델 아키텍처 탐색 및 Llama 모델 구현
    • 강호성: Fingerprinting 모델 설계 및 구현
    • 홍지우: 네트워크 취약점 분석 및 traffic analysis, Fingerprinting 모델 설계 및 구현

성과 및 기대 효과

  • 위성 네트워크의 취약점을 구체적으로 규명하여 관련 보안 연구에 기여
  • 데이터 기반 분석 결과를 바탕으로 Starlink의 보안 강화 방향 제시

문의

프로젝트에 대한 문의는 이메일로 연락해 주세요.