earticle

영어

In an industrial control system (ICS) environment, resources of field equipment are often limited and it is difficult to detect when anomalies occur for process data. In addition, the method of applying fixed threshold values based on statistics and signatures to unstructured data has limitations in accurate detection of machine malfunctions or new types of attacks. This paper proposed a method to optimize a model that dynamically adjusts the threshold value when implementing a DQN agent that detects anomalies. The dataset for the development of the anomaly detection model was tested using the SWaT and WADI datasets. As a result, the excellent anomaly detection performance was maintained, and the training and inference time were reduced by 28% and 17% compared to the previous one, respectively, and the proposed method was verified to be effective.

한국어

산업 제어 시스템(Industrial Control System, ICS) 환경에서는 현장 장비의 자원이 제한적인 경우가 많 으며 공정 데이터에 대한 이상징후가 발생했을 경우 탐지가 어려운 점이 있다. 또한, 비정형적인 데이터에 대하여 통계 및 시그니처 기반의 고정 임계값을 적용하는 방식은 기계의 오작동이나 새로운 유형의 공격 등에 대한 정확 한 탐지에 한계가 있다. 본 논문은 이상징후를 탐지하는 DQN 에이전트를 구현할 경우, 임계값을 동적으로 조정하 는 모델을 최적화하는 방안을 제안하였다. 이상징후 탐지 모델 개발을 위한 데이터셋은 SWaT 및 WADI 데이터 셋을 활용하여 실험하였다. 그 결과, 우수한 이상징후에 대한 탐지 성능을 유지하였으며, 훈련 및 추론 시간이 기 존 대비 각각 28%, 17% 감소하여 제안 방식이 효과적임을 검증하였다.