현대의 자율주행 및 지능형 교통 시스템은 분산된 차량 환경 전반에서 실시간 데이터 처리, 네트워크 지연, 보안 위협을 관리하는 데 있어 중대한 과제에 직면해 있다. 기존의 클라우드 중심 아키텍처는 특히 동적이며 자원이 제한된 엣지 환경에서 차량-사물-모든 것(V2X) 응용의 저지연 및 고신뢰 요구사항을 충족하는 데 통상적으로 어려움을 겪는다. 이러한 과제를 해결하기 위해 본 연구는 DevSecOps 원칙에 기반하여 분산 엣지 노드 전반에서의 보안 배포, 동적 자원 오케스트레이션, 실시간 모니터링을 보장하는 클라우드 네이티브 아키텍처인 V2X-Car Edge Cloud 시스템을 제안한다. 제안된 시스템은 인공지능(AI) 기반 의사결정에서의 투명성을 향상시키기 위해 다중 클러스터 오케스트레이션과 Kubernetes의 통합, 하이브리드 통신 프로토콜(C-V2X, 5G, WAVE), 그리고 데이터 융합 파이프라인을 포함한다. AI 모델을 검증하기 위해 소프트웨어-인-더-루프(SIL) 시뮬레이션 환경을 구현하였으며, 네트워크 트래픽 흐름과 보안을 동적으로 모니터링하기 위해 SmartX MultiSec 프레임워크를 제안 시스템에 통합하였다. 가상 주행 환경에서의 실험 평가는 제안된 시스템이 수동 개입 없이 자동 보안 업데이트, 지속적인 성능 모니터링, 그리고 동적 자원 할당을 수행할 수 있음을 보여주었다.

산업제어시스템(ICSs)은 제조, 에너지, 수처리 등 다양한 산업 전반에서 중요 공정을 관리하고 모니터링하는 데 핵심적인 역할을 한다. 서로 다른 제조사에서 생산된 장비의 연결, 복잡한 통신 방식, 제한된 환경에서의 운영 연속성 필요성으로 인해 시스템 이상 징후를 탐지하기가 어렵다. 지도학습에 기반한 전통적 접근법은 라벨이 지정된 데이터셋이 필요하므로 시간과 전문성이 요구된다. 본 연구는 비지도 머신러닝을 통해 산업제어시스템 내의 이상 행위를 식별하는 대안적 접근을 제안한다. 제안된 접근은 비지도 머신러닝을 활용하여 산업제어시스템 내의 이상 행위를 파악한다. 본 연구는 복합 오토인코더(composite autoencoder) 모델을 사용함으로써 사전 라벨이 없는 데이터 없이도 비지도 학습 알고리즘이 이상 행위를 효과적으로 탐지하고 분류할 수 있음을 보여준다. HIL-증강 산업제어시스템(HAIs)을 활용한 데이터셋을 기반으로, 본 연구는 해당 모델이 값과 시간 모두와 관련된 이상 패턴을 탐지하고 중요한 데이터 특성을 정확하게 식별할 수 있음을 보여준다. 의도적 오류 데이터 주입 실험은 실시간 모니터링과 산업 공정 성능 최적화에서 모델의 견고성을 검증하는 데 잠재적으로 활용될 수 있다. 그 결과, 본 접근은 시스템의 신뢰성과 운영 효율을 향상시킬 수 있으며, 이는 안전하고 지속가능한 산업제어시스템 운영을 위한 기반을 마련할 수 있다.