XAI-IoT: IoT 시스템의 이상 탐지를 향상시키기 위한 설명 가능한 AI 프레임워크

사물인터넷(IoT) 시스템의 기하급수적인 성장은 이러한 IoT 시스템에서 이상을 탐지하기 위한 인공지능(AI) 기술 개발에 대한 새로운 연구 방향을 제시합니다. 이와 관련된 중요한 목표 중 하나는 IoT 장치의 이상(또는 고장)을 정확하게 탐지하고 예측하며, 이러한 이상을 줄이기 위한 주요 특성을 식별하여 유지 관리 비용을 절감하고 가동 중단 시간을 최소화하는 것입니다. 본 논문에서는 IoT 시스템의 이상 탐지를 향상시키기 위한 설명 가능한 AI(XAI) 프레임워크를 제안합니다. 우리의 프레임워크는 두 가지 주요 구성 요소로 구성되어 있습니다. 첫째, 우리는 스마트 IoT 시스템에서 이상 탐지를 위해 두 클래스의 AI 방법(단일 AI 방법과 앙상블 방법)을 적용하는 AI 기반 이상 탐지를 제안합니다. 이러한 이상 탐지는 IoT 장치 간의 네트워크 트래픽 또는 배치된 센서로부터의 이상 데이터를 탐지하는 것을 목표로 합니다. 둘째, 우리는 AI 모델이 IoT 시스템에서 이상을 식별하는 데 도움이 되는 주요 특성을 식별하기 위한 특성 중요도 분석을 수행합니다. 이 특성 분석을 위해, 우리는 서로 다른 AI 방법과 다양한 공격 유형에 대해 중요한 특성을 추출하기 위해 일곱 가지의 다양한 XAI 방법을 사용합니다. 우리는 두 개의 실제 IoT 데이터 세트를 통해 이상 탐지를 위한 XAI 프레임워크를 테스트합니다. 첫 번째 데이터 세트는 IoT 기반 제조 센서로부터 수집되었고, 두 번째 데이터 세트는 IoT 봇넷 공격으로부터 수집되었습니다. IoT 기반 제조 데이터 세트의 경우, 우리는 IoT 센서로부터의 데이터에서 결함 레벨을 탐지합니다. IoT 봇넷 공격 데이터 세트의 경우, 우리는 IoT 네트워크에서 다양한 봇넷 공격의 다양한 공격 클래스를 탐지합니다. 두 데이터 세트 모두에 대해, 우리는 서로 다른 AI 모델을 위해 서로 다른 XAI 방법을 사용하여 상위 특성을 추출하기 위한 광범위한 특성 중요도 분석을 제공합니다. 우리는 IoT 시스템의 이상 탐지와 특성 분석을 위해 커뮤니티가 접근할 수 있도록 우리의 코드를 공개하고 새로운 데이터 세트와 모델로 이를 바탕으로 발전시키기를 바랍니다. 종합적으로, 우리는 이상 탐지를 향상시키기 위해 이상을 식별하는 주요 특성을 이해함과 동시에 정확한 이상 탐지가 가능하다는 것을 보여줍니다.