메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
황종배 (호서대학교) 장세창 (호서대학교) 장재원 (호서대학교) 김기현 (앤앤에스피) 하재철 (호서대학교)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제23권 제1호
발행연도
2022.1
수록면
24 - 32 (9page)
DOI
10.5762/KAIS.2022.23.1.24

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
4차 산업혁명 시대가 도래하면서 스마트 공장을 비롯한 산업제어 시스템에서의 제어 공정과 관련한 사이버 보안이 매우 중요해지고 있다. 본 논문에서는 사이버 공격으로 산업제어 시스템에서 발생할 수 있는 이상징후를 딥러닝 기법을 이용하여 탐지하는 모델을 개발하였다. 이상징후 탐지를 위해 수자원 시스템에 대한 공개 데이터 셋인 SWaT(Secure Water Treatment)를 사용하였다. 또한, 산업제어 시스템에서 발생하는 신호가 시계열 데이터인 점을 고려하여 RNN(Recurrent Neural Network), LSTM(Long Short-Term Memory), GRU(Gated Recurrent Unit) 딥러닝 모델을 개발하였다. 이상징후 탐지 성능을 평가하기 위해서는 기존 정밀도(Precision)와 재현율(Recall) 평가 지표뿐만 아니라 이를 보완한 RP(Range-based Precision), RR(Range-based Recall), TaP(Time-Series Aware Precision), TaR(Time-Series Aware Recall)을 구현하여 비교하였다. 이상징후 탐지 실험 결과, 기존 모델과 비교하여 TaR 관련 지표에서는 LSTM이, TaP 관련 지표에서는 GRU가 우수한 성능을 나타냄을 확인하였다.

목차

요약
Abstract
1. 서론
2. 딥러닝 기법과 학습 데이터
3. 이상징후 탐지 성능 평가
4. 이상징후 탐지 실험 및 비교분석
5. 결론
References

참고문헌 (9)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0