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.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.