메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
고객센터 ENG
주제분류

산업제어시스템의 안정성 향상을 위한 어텐션 기반 RNN 오토인코더 이상 탐지 기법 Attention-Based Recurrent Neural Network Autoencoder for Anomaly Detection to Enhance Stability of Industrial Control Systems

논문 기본 정보

저자정보
(전남대학교) (전남대학교) (전남대학교) (전남대학교) (아스타나IT대학교) (전남대학교)
저널정보
한국디지털콘텐츠학회 디지털콘텐츠학회논문지 디지털콘텐츠학회논문지 제27권 제1호
발행연도
수록면
187 - 196 (10page)
DOI
10.9728/dcs.2026.27.1.187
오류 신고하기

피인용 0

산업제어시스템의 안정성 향상을 위한 어텐션 기반 RNN 오토인코더 이상 탐지 기법
검색

    초록·키워드

    산업 제어 시스템에서는 센서들 간의 복잡한 상호작용을 가지고 있어 단일 장애가 연쇄적인 이상으로 발생하기 쉽기 때문에 이상 징후를 초기에 발견할 수 있는 이상 탐지 기술이 필수적이다. 따라서 본 연구는 SWaT 데이터세트를 활용하여, 표준 순환 신경망 오토인코더와 여기에 어텐션 메커니즘을 추가한 RNN-AE(Recurrent Neural Network Autoencoder)의 이상 탐지 성능을 비교하였다. 또한 재구성 오류를 세 가지(Max, Mean, Top-3) 방식으로 집계하여 이상 점수의 계산이 성능에 미치는 영향을 분석하였다. 실험 결과, 어텐션 기반 GRU(Gated Recurrent Unit)-AE에 Max 집계 방식을 결합한 경우가 기준선 대비 Precision, Recall, F1-Score를 각각 0.3134, 0.0305, 0.1475만큼 향상시켜 탐지 오류를 줄였다. 이를 통해 제안한 방식이 이상 탐지의 민감도와 시스템의 실질적인 운영 안정성을 동시에 향상시킬 수 있음을 확인하였다.

    최근 본 자료 전체보기

      UCI(KEPA) : I410-151-26-02-096131970