기계 학습 모델을 활용한 사이버 물리적 배급 네트워크의 실패 유형 식별

초록 물 사이버 물리적 시스템(CPS)은 사이버 물리적 공격 뿐만 아니라 전통적인 물리적 및 운영 실패(예: 파이프 누수/파열)의 이상을 경험하였습니다. 이와 관련하여 마주친 실패 사건을 다른 가능한 실패 사건과 신속하게 구별하고 식별하는 것이 긴급 및 복구 조치를 신속하게 취하고, 결과적으로 시스템의 회복력을 강화하는 데 필요합니다. 본 논문은 물 분배 네트워크(WDN)에서 발생할 수 있는 실패 사건을 구별하고 식별하기 위해 기계 학습 분류 모델 – 서포트 벡터 머신(SVM), 랜덤 포레스트(RF), 인공 신경망(ANN) – 의 성능을 조사했습니다. 모델 기능과 관련된 데이터 세트는 C-Town WDN에 대한 파이프 누수/파열, 사이버 공격, 물리적 공격을 위해 수리 모델 시뮬레이션(WNTR 및 epanetCPA 도구)을 사용하여 생성되었습니다. 실패 유형 식별에 대한 세 가지 모델의 정확도, 정밀도, 재현율 및 F1 점수 평가에서는 특정 실패 유형 및 데이터 잡음 수준에 따라 성능의 변동을 보여주었습니다. 연구 결과를 바탕으로, 본 연구는 WDN에서 실패 유형을 신뢰성 있게 분류하고 식별하기 위해 단일 최고의 성능 모델에 의존하기보다는 여러 분류 모델로 구성된 프레임워크를 구축하는 데 대한 통찰을 논의했습니다.