Earticle

현재 위치 Home

산업 제어 시스템에서 심층강화학습 기반 동적 임계값 최적화 모델 구현
Implementation of Dynamic Threshold Optimization Model Based on Deep Reinforcement Learning in Industrial Control Systems

첫 페이지 보기
  • 발행기관
    국제차세대융합기술학회 바로가기
  • 간행물
    차세대융합기술학회논문지 KCI 등재 바로가기
  • 통권
    제10권 1호 (2026.01)바로가기
  • 페이지
    pp.11-19
  • 저자
    기한결, 이혜강, 하재철
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A479263

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

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.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. CPS에서의 이상징후 탐지
2.1 이상징후 탐지 모델 분석
2.2 심층 강화학습
2.3 Deep Q-network
Ⅲ. 제안하는 이상징후 탐지 모델
3.1 ADT 기본 모델
3.2 Delta Network
3.3 제안하는 DN-based ADT
Ⅳ. 제안 모델의 최적화 구현
4.1 이상징후 탐지 데이터셋
4.2 DQDN 모델 훈련 및 추론
4.3 DQDN 모델 성능 평가
Ⅴ. 결론
REFERENCES

키워드

심층강화학습 ADT DQN 이상징후 탐지 Delta Network Deep Reinforcement Learning ADT DQN Anomaly Detection Delta Network

저자

  • 기한결 [ Han-Gyeol Kee | 호서대학교 컴퓨터공학부 학생 ]
  • 이혜강 [ Hye-Gang Lee | 호서대학교 컴퓨터공학부 학생 ]
  • 하재철 [ Jae-Cheol Ha | 호서대학교 컴퓨터공학부 교수 ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제차세대융합기술학회 [International Next-generation Convergence technology Association]
  • 설립연도
    2017
  • 분야
    복합학>기술정책
  • 소개
    Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.

간행물

  • 간행물명
    차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
  • 간기
    월간
  • pISSN
    2508-8270
  • 수록기간
    2017~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 506 DDC 606

이 권호 내 다른 논문 / 차세대융합기술학회논문지 제10권 1호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.