산업 프로세스 제어 이상 탐지를 위한 비지도 기계 학습 기법

산업 시스템을 제어하는 프로그래머블 로직 컨트롤러(PLC)의 보안은 사물인터넷 기술의 보편화와 점점 더 악랄해지는 사이버 공격 활동으로 인해 점점 더 중요해지고 있습니다. PLC를 보호하기 위한 기존의 기술은 그들의 독특한 구조로 인해 어렵습니다. 본 연구에서는 PLC 메모리 주소를 모니터링하여 PLC 프로세스 무결성을 검증하기 위해 단일 클래스 서포트 벡터 머신, 피드포워드 방식으로 상호 연결된 단일 클래스 신경망 및 고립 숲 접근 방식을 제안합니다. 여러 공격 시나리오에 맞춰 오픈 소스 PLC를 사용한 포괄적인 실험이 수행되었습니다. 이상 탐지 알고리즘 성능과 예측 신뢰도를 시각화하기 위해 새로운 히스토그램 기반 접근 방식이 도입됩니다. 제안된 알고리즘의 결정 점수 및 예측 신뢰도를 활용한 비교 성능 분석이 제시됩니다. 결과는 고립 숲이 정확성, 정밀도, 재현율, F1 점수 측면에서 고려된 일곱 가지 공격 시나리오에서 단일 클래스 신경망, 단일 클래스 서포트 벡터 머신 및 이전 연구보다 우수함을 보여줍니다. 변량 분석 및 투키의 범위 검정을 포함한 통계 가설 검정이 제시된 결과를 검증하는 데 사용되었습니다.