earticle

영어

This paper presents a machine learning–based intrusion detection system for mitigating cyber-physical threats in ROS2-based space systems. Due to the open architecture of DDS/RTPS, such systems are vulnerable to attacks that can compromise mission integrity and availability. To address this issue, a lightweight detection model using RTPS communication metadata is proposed and evaluated on the public RTPS Attack Dataset. Comparative experiments with LightGBM, XGBoost, CatBoost, and Random Forest models show that LightGBM offers the best balance between detection performance and computational efficiency, making it suitable for real-time security monitoring in defense space systems.

한국어

본 논문은 ROS2 기반 우주체계에서 발생 가능한 사이버물리적 보안 위협에 대응하기 위해 머신러닝 기반 이상 행위 탐지 시스템을 제안한다. ROS2 및 DDS/RTPS 기반 통신은 실시간 데이터 교환에 적합하지만, RTPS의 개방형 구조로 인해 명령 삽입, 세션 변조, 서비스 거부 공격에 취약하여 우주 임무의 무결성과 가용성을 저해할 수 있다. 이를 해결하기 위해 RTPS 통 신 메타데이터를 활용한 경량 침입탐지 모델을 설계하였으며, 공개 RTPS Attack Dataset에서 시간 간격, 시퀀스 차이, 직렬 화 데이터를 특징으로 추출하고 LLaMA 기반 토크나이저를 적용하였다. LightGBM, XGBoost, CatBoost, Random Forest 모 델을 비교한 결과, LightGBM이 높은 탐지 성능과 빠른 학습 속도를 보여 실시간 우주체계 보안 환경에 가장 적합함을 확인하였다.