[논문 리뷰] An unsupervised spatiotemporal graphical modeling approach to anomaly detection in distributed CPS

Chao Liu, Sambuddha Ghosal외 2명|arXiv (Cornell University)|2016. 04. 11.

Anomaly Detection Techniques and Applications참고 문헌 24인용 수 35

한 줄 요약

이 논문은 기호 역학을 활용하여 인과적 상호작용 특징을 추출하고, 제한된 볼츠만 기계(Restricted Boltzmann Machine, RBM)를 사용해 전반적인 정상 상태 패턴을 모델링함으로써 분산된 사이버-물리 시스템(CPS)에서 이상 탐지에 적합한 비지도 스펙트로시분포 그래픽 모델링 프레임워크를 제안한다. 주요 기여는 RBM의 자유 에너지 차이가 정상 상태와 이상 상태 간에 효과적으로 이상 탐지를 가능하게 하며, 여러 정상 모드에 걸쳐도 성능을 유지한다는 점이다.

ABSTRACT

Modern distributed cyber-physical systems (CPSs) encounter a large variety of physical faults and cyber anomalies and in many cases, they are vulnerable to catastrophic fault propagation scenarios due to strong connectivity among the sub-systems. This paper presents a new data-driven framework for system-wide anomaly detection for addressing such issues. The framework is based on a spatiotemporal feature extraction scheme built on the concept of symbolic dynamics for discovering and representing causal interactions among the sub-systems of a CPS. The extracted spatiotemporal features are then used to learn system-wide patterns via a Restricted Boltzmann Machine (RBM). The results show that: (1) the RBM free energy in the off-nominal conditions is different from that in the nominal conditions and can be used for anomaly detection; (2) the framework can capture multiple nominal modes with one graphical model; (3) the case studies with simulated data and an integrated building system validate the proposed approach.

연구 동기 및 목표

• 강한 하위시스템 상호연결성으로 인해 고장 전파가 흔한 분산된 사이버-물리 시스템(CPS)에서 이상을 탐지하는 문제에 대응하기 위해.
• 라벨이 부여된 이상 데이터에 의존하지 않고도 미세한 이상을 식별할 수 있는 데이터 기반 프레임워크를 개발하기 위해.
• 단일 통합 그래픽 모델 내에서 여러 정상 작동 모드를 포괄하여 내성적 강건성을 향상시키기 위해.
• 하위시스템 간의 시공간적 의존성과 인과적 상호작용을 모델링하여 이상의 조기 탐지를 가능하게 하기 위해.

제안 방법

• 원시 센서 시계열 데이터를 시간 패턴과 CPS 하위시스템 간의 인과적 상호작용을 인코딩하는 기호 시퀀스로 변환하기 위해 기호 역학을 적용한다.
• 기호 시퀀스에서 시공간적 특징을 추출하여 상호연결된 하위시스템의 동적 행동을 표현한다.
• 추출된 시공간적 특징에 대해 제한된 볼츠만 기계(Restricted Boltzmann Machine, RBM)를 훈련시어 정상 시스템 상태의 기저 공동 확률 분포를 학습한다.
• RBM의 자유 에너지를 이상 점수로 사용한다—정상 상태에서는 자유 에너지가 낮고, 비정상 상태에서는 높은 값을 보이며 이는 이격을 나타낸다.
• 에너지 기반 표현을 통해 RBM이 암묵적으로 여러 정상 모드를 모델링할 수 있는 능력을 활용한다.
• 성능 평가를 위해 시뮬레이션 데이터와 실제 통합 건물 시스템을 모두 활용해 프레임워크를 검증한다.

실험 결과

연구 질문

• RQ1 기호 역학은 CPS 하위시스템 간의 인과적 상호작용을 표현하는 시공간적 특징을 효과적으로 추출할 수 있는가?
• RQ2 이러한 특징에 기반해 훈련된 RBM이 정상 패턴에서의 자유 에너지 이격을 식별함으로써 이상을 탐지할 수 있는가?
• RQ3 특정 모드에 맞춘 훈련 없이도 단일 RBM이 여러 다른 정상 작동 모드를 포괄할 수 있는가?
• RQ4 제안된 프레임워크는 시뮬레이션 환경과 실제 세계의 CPS 환경 모두에서 이상 탐지에 얼마나 효과적인가?

주요 결과

• 비정상 상태에서는 정상 상태보다 RBM의 자유 에너지가 상당히 높게 나타나, 신뢰할 수 있는 이상 탐지가 가능하다.
• 프레임워크는 단일 그래픽 모델 내에서 여러 정상 작동 모드를 성공적으로 모델링하여 시스템의 변동성에 대한 강건성을 입증한다.
• 시뮬레이션 데이터를 활용한 사례 연구에서는 다양한 고장 시나리오에서 일관된 이상 탐지 성능을 보였다.
• 통합 건물 시스템에 대한 검증을 통해 프레임워크의 실용성과 실제 고장에 대한 민감성을 확인하였다.
• 기호 역학을 통해 유도된 시공간적 특징은 고장 전파 분석에 핵심적인 인과 관계를 효과적으로 포착한다.
• 이러한 방법은 고장 유형에 대한 사전 지식이나 라벨이 부여된 이상 데이터가 없이도 비지도 이상 탐지를 달성한다.