산업제어시스템에서의 기능 패치 기반 경량 이상 탐지

Abstract

산업제어시스템의 이상 탐지는 시스템 구조의 복잡성과 실시간 대응 요구 증가에 따라, 더욱 정밀하고 효율적인 탐지 기법이 요구된다. 최근 시계열 기반 이상 탐지 연구는 Transformer나 GNN 기반의 고성능 모델에 집중되고 있으나, 높은 계산 자원 소모로 실시간 적용에 어려움이 있다. 본 연구는 이러한 한계를 해결하기 위해, 기반시설 내 장비 간 물리적·논리적 관계(Topology)를 반영한 기능 패치 분해(Functional Patch Decomposition)와 경량 표현 학습 기반의 딥러닝 프레임워크를 제안한다. 기능 단위로 분해된 데이터는 경량 학습에 적합하며, 제안된 모델은 분포 변화에 강인하고 문맥(Context)을 효과적으로 학습한다. 또한, 기능-시스템 레벨의 이상치 점수를 정밀하게 통합하여 이상 탐지 성능을 향상시킨다. SWaT 및 WADI 테스트베드에서의 실험을 통해 높은 탐지 성능과 계산 효율성을 동시에 입증하였다.