보안 평가를 위한 위협 지향적 디지털 트윈링

개방적이고 비분류된 자율성 보안 연구는 운영 플랫폼에 대한 접근 제한, 통신 인프라의 논쟁, 그리고 대변형 적대적 테스트 조건으로 인해 제약받습니다. 본 논문은 학습 기반 자율 플랫폼의 사이버보안 평가를 위한 위협 지향적 디지털 트윈링 (Threat-Oriented Digital Twinning) 방법론을 제시합니다. 이 접근법은 감지, 자율성, 감독 제어 기능이 분리된 대표적 자율성 스택의 개방형 모듈러 트윈으로 구현되며, 신뢰도 게이트드 멀티모달 인식 (confidence-gated multi-modal perception), 명시적 명령 및 텔레메트리 신뢰 경계 (explicit command and telemetry trust boundaries), 그리고 런타임 홀드-세이프 동작 (runtime hold-safe behavior) 을 포함합니다. 기여도는 방법론적입니다: 스포핑 (spoofing), 리플레이 (replay), 변형 입력 주입 (malformed-input injection), 감지 저하 (degraded sensing), 그리고 적대적 머신러닝 스트레스 (adversarial ML stress) 에 대한 관찰 가능하고 제어 가능한 테스트로 위협 분석을 변환하는 재현 가능한 설계 패턴입니다. 구현된 프록시는 지상 기반이나, 제한된 온보드 컴퓨팅 (constrained onboard compute), 간헐적이거나 고지연 링크 (intermittent or high-latency links), 확률적 인식 (probabilistic perception), 그리고 임무 결정적 복구 동작 (mission-critical recovery behavior) 을 포함하는 UAV 와 우주 시스템과 공유되는 스택 요소들을 중심으로 의도적으로 설계되었습니다. 그 결과, UAV 와 우주 도메인 전반에 걸친 신뢰 가능하고 안전한 자율성 연구에 적용 가능한 연구 스캐폴드 (research scaffold) 가 됩니다.