[논문 리뷰] Digital Twin Virtualization with Machine Learning for IoT and Beyond 5G Networks: Research Directions for Security and Optimal Control

Jithin Jagannath, Keyvan Ramezanpour외 1명|arXiv (Cornell University)|2022. 04. 05.

Digital Transformation in Industry인용 수 4

한 줄 요약

이 논문은 실시간, 데이터 기반 제어 및 IoT 및 베이징-5G 네트워크를 넘어서는 네트워크에서의 보안을 위한 기계학습과 가상화를 활용한 디지털 트윈(DT) 프레임워크를 제안한다. SDN 및 NFV를 영감으로 삼은 클라우드 기반 계층 아키텍처를 통해 제어 논리를 물리적 장치에서 분리함으로써, 온라인 학습, 몬테카를로 계획, 제로 트러스트 보안 통합이 가능해져 대규모 사이버-물리 시스템에서의 구현 위험을 크게 줄이고 혁신을 가속화한다.

ABSTRACT

Digital twin (DT) technologies have emerged as a solution for real-time data-driven modeling of cyber physical systems (CPS) using the vast amount of data available by Internet of Things (IoT) networks. In this position paper, we elucidate unique characteristics and capabilities of a DT framework that enables realization of such promises as online learning of a physical environment, real-time monitoring of assets, Monte Carlo heuristic search for predictive prevention, on-policy, and off-policy reinforcement learning in real-time. We establish a conceptual layered architecture for a DT framework with decentralized implementation on cloud computing and enabled by artificial intelligence (AI) services for modeling, event detection, and decision-making processes. The DT framework separates the control functions, deployed as a system of logically centralized process, from the physical devices under control, much like software-defined networking (SDN) in fifth generation (5G) wireless networks. We discuss the moment of the DT framework in facilitating implementation of network-based control processes and its implications for critical infrastructure. To clarify the significance of DT in lowering the risk of development and deployment of innovative technologies on existing system, we discuss the application of implementing zero trust architecture (ZTA) as a necessary security framework in future data-driven communication networks.

연구 동기 및 목표

• 대규모 IoT 및 베이징-5G 시스템에서 실시간 데이터 처리, 제어 및 보안의 과제를 해결하기 위해.
• 실제 구현 이전에 제어 정책을 가상화하고 테스트할 수 있는 환경을 제공함으로써 혁신 기술의 안전하고 저비용의 구현을 가능하게 하기 위해.
• 디지털 트윈 기반 실시간 모니터링과 신뢰 평가를 통해 동적이고 데이터 기반 네트워크에 제로 트러스트 아키텍처(ZTA)를 통합하기 위해.
• 확장 가능한 AI 강화 디지털 트윈 프레임워크를 통해 온라인 학습과 시뮬레이션 기반 계획을 통합하기 위해.
• 지능형 제어 및 이면 감지 기능을 지원하는 탈중앙화된 클라우드 기반 디지털 트윈 배포를 위한 개념적 계층 아키텍처 수립하기 위해.

제안 방법

• 제어 논리를 물리적 데이터 평면에서 분리하는 클라우드 기반 계층 아키텍처를 제안하여 SDN 원칙을 모방한다.
• 실시간 데이터 분석을 위해 기계학습을 활용하며, 정책 기반 및 비정책 기반 강화 학습과 예측 제어를 위한 몬테카를로 히우리스틱 검색을 포함한다.
• 공격자에 대한 내성적 저항력을 평가하기 위해 감지, 회피, 추출, 시뮬레이션, 공격 모델링의 다섯 가지 전용 평면을 포함한 가상화된 보안 평면을 도입한다.
• 데이터 기반 모델링과 시뮬레이션을 통해 디지털 트윈을 물리적 시스템과 동기화하여 제어 정책의 사전 구현 검증을 가능하게 한다.
• 실시간 분석과 모델 간의 상호연결을 통해 네트워크 보안 상태를 동적으로 모델링함으로써 제로 트러스트 아키텍처(ZTA)를 적용한다.
• 신규 물리적 엔티티(예: 5G 기지국, 재생 가능 에너지 자원 등)를 실제 설치 없이 시뮬레이션 환경에서 통합함으로써 CAPEX 및 OPEX를 감소시킨다.

실험 결과

연구 질문

• RQ1 디지털 트윈은 대규모 IoT 및 베이징-5G 네트워크에서 실시간, 데이터 기반 제어 및 계획을 어떻게 가능하게 하는가?
• RQ2 사이버-물리 시스템에서 확장 가능하고 안전하며 탈중앙화된 디지털 트윈 배포를 위한 아키텍처 원칙은 무엇인가?
• RQ3 기계학습은 디지털 트윈 프레임워크 내에서 예측 모델링과 제어 정책 최적화를 어떻게 향상시킬 수 있는가?
• RQ4 디지털 트윈은 어떻게 동적이고 신뢰할 수 없는 네트워크 환경에서 제로 트러스트 아키텍처의 강성과 보안을 향상시킬 수 있는가?
• RQ5 가상화된 디지털 트윈 평면을 통해 센서 데이터에 대한 공격자 공격를 어떻게 모델링하고 완화할 수 있는가?

주요 결과

• 디지털 트윈 프레임워크는 온라인 학습과 실시간 몬테카를로 계획을 가능하게 하여 최적의 제어 정책에의 수렴 속도를 크게 향상시킨다.
• 제어 논리를 물리적 장치에서 분리함으로써, 실제 구현 이전에 제어 정책의 안전한 가상 테스트가 가능해져 실패 위험과 운영 비용을 감소시킨다.
• 제로 트러스트 아키텍처(ZTA)와의 통합을 통해 실시간 보안 분석과 모델 간 상호연결을 통해 사용자, 장치 및 네트워크 자산 전반에 걸쳐 지속적인 데이터 기반 신뢰 평가가 가능해진다.
• 감지, 회피, 추출, 시뮬레이션, 공격 모델링의 가상화된 보안 평면은 기계학습 모델의 공격자 내성 저항력을 체계적으로 평가할 수 있도록 한다.
• 디지털 트윈은 실제 설치 없이도 신규 물리적 엔티티(예: 5G 기지국, 재생 가능 에너지 자원 등)를 시뮬레이션함으로써 시스템 계획 및 설계 검증을 가능하게 하여 개발 시간과 비용을 감소시킨다.
• 프레임워크는 SDN 및 NFV 원칙을 일반화하여 물리적 프로세스와 물체로의 가상화를 확장함으로써 이질적인 IoT 인fra에서 프로그래밍 가능하고 확장 가능한 제어를 가능하게 한다.