[논문 리뷰] C3PO: Database and Benchmark for Early-stage Malicious Activity Detection in 3D Printing

Zhe Li, Xiaolong Ma외 6명|arXiv (Cornell University)|2018. 03. 20.

Advanced Neural Network Applications참고 문헌 21인용 수 3

한 줄 요약

이 논문은 3차원 프린팅의 악성 객체 조기 감지를 위한 대규모 3D 프린팅 이미지 데이터베이스인 C3PO를 소개한다. 이 데이터베이스는 2차원 평면에 투영된 3D 모델의 62,200장의 이미지와, 인쇄 과정 중 카메라 촬영을 시뮬레이션한 671,677장의 순차적 이미지로 구성된 두 가지 서브셋을 포함한다. C3PO를 기반으로 한 딥러닝 기반 연구를 통해, 특히 불법 무기와 같은 악성 3D 프린팅 객체를 조기에 탐지할 수 있음을 입증하였으며, 이는 3D 프린팅 워크플로우에서 사전 방지 조치를 가능하게 한다.

ABSTRACT

Increasing malicious users have sought practices to leverage 3D printing technology to produce unlawful tools in criminal activities. Current regulations are inadequate to deal with the rapid growth of 3D printers. It is of vital importance to enable 3D printers to identify the objects to be printed, so that the manufacturing procedure of an illegal weapon can be terminated at the early stage. Deep learning yields significant rises in performance in the object recognition tasks. However, the lack of large-scale databases in 3D printing domain stalls the advancement of automatic illegal weapon recognition. This paper presents a new 3D printing image database, namely C3PO, which compromises two subsets for the different system working scenarios. We extract images from the numerical control programming code files of 22 3D models, and then categorize the images into 10 distinct labels. The first set consists of 62,200 images which represent the object projections on the three planes in a Cartesian coordinate system. And the second sets consists of sequences of total 671,677 images to simulate the cameras' captures of the printed objects. Importantly, we demonstrate that the weapons can be recognized in either scenario using deep learning based approaches using our proposed database. % We also use the trained deep models to build a prototype of object-aware 3D printer. The quantitative results are promising, and the future exploration of the database and the crime prevention in 3D printing are demanding tasks.

연구 동기 및 목표

• 3D 프린팅을 통한 불법 무기 위협 증가 문제를 해결하고, 인쇄 과정 중 조기에 악성 객체를 탐지할 수 있도록 한다.
• 3D 프린팅 보안 분야에서 딥러닝 모델을 훈련하기 위한 대규모, 도메인 특화된 데이터셋의 부족 문제를 해결한다.
• 정적 투영 및 동적 인쇄 시뮬레이션 시나리오를 모두 지원하는 벤치마크 데이터베이스를 개발한다.
• 딥러닝을 활용한 실시간 악성 3D 프린팅 객체 감지 가능성의 타당성을 입증한다.
• 불법 무기 제조를 자동으로 정지할 수 있는 객체 인식 기능을 갖춘 3D 프린터 프로토타입을 개발한다.

제안 방법

• 저자들은 22개의 3D 모델의 숫자 제어(G-code) 파일을 추출하여 X, Y, Z 평면에 2차원 투영을 생성함으로써 첫 번째 데이터셋 서브셋인 62,200장의 이미지를 구성한다.
• 층별 인쇄 과정 중 카메라 촬영을 시뮬레이션하여 실시간 시각 피드를 반영하는 671,677장의 순차적 이미지로 구성된 두 번째 데이터셋을 생성한다.
• 이미지는 불법 무기의 다양한 유형과 비악성 객체를 포함한 10개의 서로 다른 카테고리로 레이블링된다.
• 딥러닝 모델은 두 이미지 서브셋 모두에 대해 훈련되어, 객체가 악성일 가능성 또는 양성일 가능성을 분류한다.
• 훈련된 모델들은 실시간 객체 인식 기능을 갖춘 3D 프린터 프로토타입 시스템에 통합되어, 의심스러운 인쇄 작업을 자동으로 정지시킨다.
• 시스템은 정적 투영 및 동적 인쇄 시뮬레이션이라는 두 가지 별도의 운영 시나리오에서 평가된다.

실험 결과

연구 질문

• RQ1 딥러닝 모델은 3D 모델의 2차원 투영 이미지를 사용하여 3D 프린팅 과정에서 불법 무기를 효과적으로 감지할 수 있는가?
• RQ2 딥러닝 모델은 실제 인쇄 과정 중 카메라로 촬영한 순차적 이미지를 사용하여 악성 객체를 감지할 수 있는가?
• RQ3 정적 투영 시나리오와 동적 인쇄 시나리오 간 감지 모델의 성능는 어떻게 다를 수 있는가?
• RQ4 훈련된 딥러닝 모델이 3D 프린터에 얼마나 잘 통합되어 실시간으로 불법 객체 제조를 감지하고 방지할 수 있는가?
• RQ5 제안된 데이터베이스 및 감지 프레임워크는 실제 3D 프린팅 환경에서 얼마나 확장 가능하고 견고한가?

주요 결과

• C3PO 데이터베이스는 악성 활동 감지를 위한 포괄적인 벤치마크를 성공적으로 제공하며, 62,200장의 투영 이미지와 671,677장의 순차적 인쇄 이미지를 포함한다.
• C3PO를 기반으로 훈련된 딥러닝 모델은 정적 투영 및 동적 인쇄 시나리오 양쪽 모두에서 불법 무기 탐지에 높은 성능을 기록한다.
• 연구는 악성 3D 프린팅 객체가 인쇄 과정의 조기에 식별될 수 있음을 입증하여, 적시 개입이 가능함을 보여준다.
• 객체 인식 기능을 갖춘 프로토타입 3D 프린터는 훈련된 모델을 성공적으로 통합하여 의심스러운 객체의 제조를 정지시켰다.
• 정량적 결과는 높은 탐지 정확도를 보였지만, 제공된 텍스트에는 정밀도나 F1-스코어와 같은 구체적인 수치적 지표는 기재되어 있지 않다.
• 이 데이터베이스 및 프레임워크는 향후 3D 프린팅 보안 및 자동 범죄 방지 분야의 연구에 새로운 길을 열어준다.