현대 데이터 센터는 효과적인 실시간 보안과 함께 고성능 네트워킹을 요구합니다. 기존의 침입 탐지 시스템(IDS)은 일반적으로 범용 프로세서에 의존하며, 지연 시간이나 성능 병목 현상을 유발하지 않으면서 라인 레이트(line rate)로 고속 트래픽을 검사하는 데 어려움을 겪는 경우가 많습니다. 스마트 네트워크 인터페이스 카드(NIC)는 네트워크 데이터 플레인 내에서 직접 컴퓨팅을 가능하게 함으로써 대안을 제시합니다. 본 연구는 FPGA 기반 SmartNIC 파이프라인에 구현된 머신러닝 기반 IDS를 제시합니다. 이 시스템은 P4 기반 패킷 파싱과 RTL로 구현된 LogicNets IDS 모델을 통합하여 결정론적이고 낮은 지연 시간의 추론(inference)을 가능하게 합니다. 기존의 상태 비저장(stateless) 패킷 레벨 분류기와 비교했을 때, 제안하는 상태 저장(stateful) 흐름 기반 IDS는 패킷 전반에 걸쳐 특징(feature)을 집계함으로써 최소한의 상태를 도입하고, 패킷 수준에서는 관찰할 수 없는 행위 패턴을 포착합니다. UNSW-NB15 데이터셋에 대한 실험 결과는 흐름 기반 IDS가 상태 비저장 패킷 레벨 분류기와 비교하여 탐지 정확도를 86.92%에서 97.68%로 향상시킴을 보여줍니다. 또한, CICIDS2017에서도 제안된 IDS를 평가하고 기존 FPGA 기반 IDS 설계와 실시간 하드웨어 성능을 비교했습니다. 하드웨어-소프트웨어 공동 설계를 통해, 제안된 IDS는 BRAM이나 DSP 사용 없이 오직 846 LUT만을 사용하여 6~ns의 추론 지연 시간을 달성함으로써, 낮은 지연 시간과 자원 효율적인 구현을 입증합니다.