산업 제어 시스템(ICS)은 다양한 산업 분야에서 핵심 기반시설의 신뢰성과 운영 효율을 보장하는 데 필수적이다. 그러나 이들이 현대화된 네트워크 환경과 통합되면서, 의도치 않게 핵심 기반시설의 신뢰성을 훼손할 수 있는 다양한 사이버보안 위협에 노출된다. 본 연구는 MITRE ATT&CK 프레임워크와 함께 ICS 트래픽의 이상 징후를 탐지하기 위해 Zero Inflated Poisson(ZIP) 기반 GRU 학습 모델을 도입함으로써 ICS 보안을 강화하고자 한다. 모델의 효과는 ‘Stuxnet’ 공격과 ‘Industroyer’ 공격이라는 두 가지 주요 사이버공격 시나리오를 모의 실험하여 검증하였으며, 공격 탐지에서 95% 이상의 성공률을 달성하였다. 이상 징후를 MITRE ATT&CK 프레임워크에 매핑함으로써, 해당 공격에 대한 효율적인 대응 전략을 수립할 수 있는 기반을 마련하였다. 이러한 연구 결과는 ICS의 보안 태세를 평가하고 강화하는 데 있어 의미 있는 기여를 할 것으로 기대된다.

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