[論文レビュー] Deep Learning-Based Anomaly Detection in Cyber-Physical Systems: Progress and Opportunities

Yuan Luo, Ya Xiao+3 more|arXiv (Cornell University)|Mar 30, 2020

Anomaly Detection Techniques and Applications参考文献 116被引用数 50

ひとこと要約

サイバーフィジカルシステムにおける深層学習ベースの異常検知手法の包括的な調査で、攻撃・故障・データ入力・モデル・評価指標を分類する分類法を提案し、今後の研究の指針を提供します。

ABSTRACT

Anomaly detection is crucial to ensure the security of cyber-physical systems (CPS). However, due to the increasing complexity of CPSs and more sophisticated attacks, conventional anomaly detection methods, which face the growing volume of data and need domain-specific knowledge, cannot be directly applied to address these challenges. To this end, deep learning-based anomaly detection (DLAD) methods have been proposed. In this paper, we review state-of-the-art DLAD methods in CPSs. We propose a taxonomy in terms of the type of anomalies, strategies, implementation, and evaluation metrics to understand the essential properties of current methods. Further, we utilize this taxonomy to identify and highlight new characteristics and designs in each CPS domain. Also, we discuss the limitations and open problems of these methods. Moreover, to give users insights into choosing proper DLAD methods in practice, we experimentally explore the characteristics of typical neural models, the workflow of DLAD methods, and the running performance of DL models. Finally, we discuss the deficiencies of DL approaches, our findings, and possible directions to improve DLAD methods and motivate future research.

研究の動機と目的

• 深層学習ベースの異常検知手法を CPS で系統的にレビューし、故障と攻撃を検出する。
• 攻撃タイプ、検出戦略、評価指標に基づく分類法を提案し、既存の研究を整理する。
• ICS、スマートグリッド、ITS、航空系システムにおける領域特性と傾向を特定する。
• DLAD ソリューションの構築における限界、未解決の問題、実践的な指針を議論する。
• ニューラルモデルとワークフローを実験的に検討し、DLAD の性能に関する実践的な洞察を提供する。

提案手法

• (i) 異常の種類（攻撃と故障）、(ii) 検出戦略（入力データ、ニューラルネット設計、異常スコア）、(iii) 実装と評価指標という軸で整理された分類法を提案する。
• 分類法の下で会議・ジャーナルの同僚査読付き CPS DLAD 論文をレビュー・分類する。
• 典型的なニューラルモデルを実験的に検討し、CPS データを特徴づけ、DLAD のワークフローとモデルの実行性能を示す。
• CPS における DL アプローチの欠点を議論し、DLAD 手法の改善方向を提案する。

実験結果

リサーチクエスチョン

• RQ1 既存の DLAD アプローチの特徴は何か、脅威モデル、検出戦略、実装、評価指標でどのように分類できるか。
• RQ2 CPS 異常検知に DL モデルを適用する方法、ニューラルモデルの特徴と DLAD ワークフローを含む。
• RQ3 CPS 異常検知に適用した DLAD 手法の限界と欠陥は何か。
• RQ4 研究者はこれらの限界にどう対処し、DLAD 手法を改善できるか。

主な発見

• 著者らは、異常タイプ、検出戦略、実装/評価指標に基づく CPS における DLAD の分類法を提示する。
• 代表的な CPS ドメイン（ICS、スマートグリッド、ITS、航空系システム）を特定し、領域特性と傾向を要約する。
• 典型的なニューラルモデルを実験的に検討し、DLAD のワークフローと実行性能を概説して実践的な指針を提供する。
• DL アプローチの限界と未解決問題を議論し、DLAD 手法の改善方向を強調する。
• 本研究はDLベースのCPS異常検知の進展・課題・将来の研究方向を統合し、今後の研究を促進する。