지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이경호
- 발행연도
- 2023
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수10
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
머신러닝과 딥러닝의 기술이 보편화되면서 산업제어시스템의 이상(비정상) 탐지 연구에도 적용이 되기 시작하였다. 국내에서는 산업제어시스템의 이상 탐지를 위한 인공지능 연구를 활성화시키기 위하여 HAI 데이터셋을 개발하여 공개하였고, 산업제어시스템 보안위협 탐지 AI 경진대회를 시행하고 있다. 이상 탐지 연구들은 대개 기존의 딥러닝 학습 알고리즘을 변형하거나 다른 알고리즘과 함께 적용하는 앙상블 학습 모델의 방법을 통해 향상된 성능의 학습 모델을 만드는 연구가 대부분 이었다. 본 연구에서는 학습 모델과 데이터 전처리(pre-processing)의 개선을 통한 방법이 아니라, 비정상 데이터를 탐지하여 라벨링 한 결과를 보정하는 후처리(post-processing) 방법으로 이상 탐지의 성능을 개선시키는 연구를 진행하였고, 그 결과 기존 모델의 이상 탐지 성능 대비 약 10% 이상의 향상된 결과를 확인하였다.
목차
초록 ⅰAbstract ⅱ1. 서론 12. 관련 연구 32.1 산업제어시스템의 구조 32.2 공개 데이터셋(국내/해외) 42.2.1 국내의 HAI 데이터셋 52.2.2 해외 데이터셋 72.3 eTaPR 평가도구 82.4 HAICon 2020, 2021 92.5 베이스라인 모델의 분석 112.6 비지도 시계열 이상탐지에 대한 기존 연구 303. 데이터 보정을 통한 성능 개선 313.1 제안의 배경 313.2 데이터 보정의 필요성 333.3 HAI 2.0 데이터셋을 통한 이상탐지 과정 373.4 이상탐지 결과 데이터의 보정 과정 573.4.1 Threshold를 넘어서는 비정상 그래프 떼어내기 633.4.2 Threshold에 의해 탐지된 비정상의 시작점과 끝점의 확장 643.4.3 실제 공격 구간과 확장한 시작점과 끝점의 차이에 의한 기본 보정값 계산 713.4.4 비정상 그래프 형태의 분류에 의한 추가 보정 보정값 계산 743.4.5 각 보정별 F1 Score 비교 863.4.6 WINDOW 크기 축소 후 결과 비교 873.5 HAI 1.1 데이터셋을 이용한 동일 실험 894. 성능 개선 검증 934.1 HAICon 2021 데이터셋을 사용한 검증 934.2 SWaT 데이터셋을 사용한 검증 975. 결 론 102참고문헌 103
최근 본 자료
댓글(0)
0