KAIST

사물인터넷(IoT), 자율 주행 등 5G/6G 시대 소자 또는 기기 간의 상호 정보 교환이 급증함에 따라 해킹 공격이 고도화되고 있다. 이에 따라, 기기에서 데이터를 안전하게 전송하기 위해서는 보안 기능 강화가 필수적이다. 우리 대학 전기및전자공학부 최양규 교수와 류승탁 교수 공동연구팀이 ‘해킹 막는 세계 최초 보안용 암호 반도체’를 개발하는 데 성공했다고 29일 밝혔다. 연구팀은 100% 실리콘 호환 공정으로 제작된 핀펫(FinFET) 기반 보안용 암호반도체 크립토그래픽 트랜지스터(cryptographic transistor, 이하 크립토리스터(cryptoristor))를 세계 최초로 개발했다. 이는 트랜지스터 하나로 이루어진 독창적 구조를 갖고 있을 뿐만 아니라, 동작 방식 또한 독특해 유일무이한 특성을 구비한 난수발생기다. 인공지능 등의 모든 보안 환경에서 가장 중요한 요소는 난수발생기이다. 가장 널리 사용되는 보안 칩인 ‘고급 암

우리 대학은 '대학 연구보안교육 협의회 워크숍'을 오는 18일 KAIST 대전 본원에서 개최했다. 첨단 과학기술이 국가의 경쟁력을 좌우하는 글로벌 기술패권 시대가 본격적으로 대두되며, 세계 각국은 자국의 첨단기술 보호 및 경쟁국의 산업정보 수집에 총력을 기울이는 실정이다. 이런 상황에서 졸업 후 기업이나 연구기관으로 진출하는 학생들의 연구보안 의식을 제고하려는 노력은 기술 유출을 예방하는 첫걸음이자 국가의 기술경쟁력을 강화하는 방안으로 중요성이 높아지고 있다. 국가정보원(원장 김규현, 이하 국정원), 국가과학기술인력개발원(원장 정해관 직무대행, 이하 KIRD) 및 부산대학교(총장 차정인)와 공동 주관하는 이번 워크숍은 지난해 6월 발족한 '대학 연구보안교육 협의회(이하 협의회)'가 1년간 추진한 연구보안 교육혁신 성과를 공유하는 자리다.이날 열리는 행사에는 KAIST 등 4대 과기특성화대학, 부산대학교 등 47개 대학과 국정원, 과학기술정보통신부, KIRD 관계자 등 79

30년이 걸린 천경자 화백의 미인도 관련 위작 스캔들을 보면 알 수 있듯이, 복제방지 분야에 문외한일 가능성이 큰 예술창작자에게 추가적인 짐을 지우고 있다. 이를 해결하기 위한 전자적 방식보다는 광학적 방식으로 예술가에게 친화적인 방식인 브러시로 바르는 즉시 형성되는 물리적 복제 방지 기능(PUF)의 위조 방지 플랫폼 기술이 필요하다. 우리 대학 화학과 윤동기 교수 연구팀이 연성 소재(Soft material)의 자기조립(Self-assembly) 시 발생하는 무작위 패턴을 이용해 보안․인증 원천기술을 개발했다고 23일 밝혔다. 최근 사물인터넷의 발달로 다양한 전자기기 및 서비스가 인터넷으로 연결되어 신기능 창출이 가능하게 되는 동시에 개인의 프라이버시를 침해하는 위조 기술도 발달되어 그 피해를 입는 사례가 빈번하게 보고되고 있다. 그에 따라 더욱 강력하고 높은 보안성을 갖춘 위조 방지 기술에 대한 요구가 꾸준히 증가하고 있다. 연구팀이 개발한 이번 연구는 두 종류의

우리 대학 신소재공학과 박병국 교수팀이 물리학과 김갑진 교수 연구팀 및 현대자동차와 공동연구를 통해 자성메모리(Magnetic random-access memory, MRAM)를 기반으로 사람의 지문과 같이 매번 다른 패턴을 갖는 하드웨어 보안인증 원천 기술을 개발하는 데 성공했다고 30일 밝혔다. 박병국 교수 연구팀은 반강자성체-하부강자성체-비자성체-상부강자성체 다층박막 구조에서 무자기장(field-free) 스핀-궤도 토크(spin-orbit torque, SOT)로 동작하는 MRAM 소자의 스위칭 극성을 무작위적으로 분포시켜 물리적 복제 불가능성(physical unclonable function, 이하 PUF)을 지닌 보안소자를 개발하는 것이 가능함을 입증했다. 이 기술은 고온 및 고자기장 등의 환경에서도 높은 동작 신뢰도 및 무작위성을 유지하면서 작동 가능해 사물인터넷(IoT)을 비롯한 다양한 보안시스템에 응용될 수 있을 것으로 기대된다. PUF를 이용한 하드웨어

우리 대학 전기및전자공학부 노용만 교수 연구팀이 물체를 검출하는 딥러닝 신경망에 대한 적대적 공격을 방어하는 알고리즘을 개발했다고 15일 밝혔다. 최근 몇 년간 인공지능 딥러닝 신경망 기술이 나날이 발전하고 실세계에 활용되면서, 딥러닝 신경망 기술은 자율주행 및 물체검출 등 다양한 분야에서 떠오르는 핵심기술로 주목받고 있다. 하지만 현재의 딥러닝 기반 검출 네트워크는, 특정한 적대적 패턴을 입력 이미지에 악의적으로 주입하여 잘못된 예측 결과를 초래하는 적대적 공격에 대해 심각하게 취약하다. 적대적 패턴이란 공격자가 검출이 되지 않기 위해 인위적으로 만든 패턴이다. 이 패턴이 포함된 물체는 검출이 되지 않게 하는 것으로 적대적 패턴 공격이라 한다. 이러한 취약성은 인공지능으로 대표되는 딥러닝 기반의 모델을 국방이나 의료 및 자율주행 등 국민의 생명과 재산을 직접 다루는 분야에 적용할 때 크게 문제가 된다. 구체적인 예로 국방·보안을 위한 감시 정찰 분야에서