Medoid Prototype Alignment for Cross-Plant Unknown Attack Detection in Industrial Control Systems

"Medoid Prototype Alignment for Cross-Plant Unknown Attack Detection in Industrial Control Systems" 논문에 대한 상세한 기술 요약입니다.

1. 문제 정의

이 논문은 산업 제어 시스템 (ICS) 플랜트 간 침입 탐지 시스템 (IDS) 배포의 중요한 과제를 다룹니다.

• 도메인 시프트: 센서, 프로토콜, 제어 공정의 차이로 인해 ICS 트래픽은 사이트 의존성이 매우 높습니다. 한 플랜트 (Source) 에서 훈련된 모델은 다른 플랜트 (Target) 에 배포될 때 종종 실패합니다.
• 데이터 부족 및 미지 공격: 생산 환경에서 라벨이 지정된 공격 데이터를 수집하는 것은 비용이 많이 들고 위험합니다. 또한, 대상 플랜트는 훈련 중에 보지 못한 "미지 공격"에 직면하는 경우가 많아 표준 지도 학습이 효과적이지 않습니다.
• 기존 방법의 한계: 현재 전이 학습 접근법은 주로 전역 특징 정렬(모든 소스 및 대상 샘플 정렬) 에 의존합니다. 버스트 통신, 노이즈, 구조적 불균형을 포함하는 ICS 환경에서 이러한 무차별적인 정렬은 국소 패턴을 흐리게 하고 불안정한 탐지로 이어질 수 있습니다.

2. 방법론: Medoid Prototype Alignment (MPA)

제안된 프레임워크는 플랜트 간 탐지를 프로토타입 기반 적응 문제로 재구성합니다. 개별 데이터 포인트를 정렬하는 대신 운영 영역의 견고한 구조적 요약 (프로토타입) 을 정렬합니다. 파이프라인은 네 가지 주요 단계로 구성됩니다.

A. 공유 표현 구성

소스 및 대상 도메인이 서로 다른 특징 차원 ($d_s \neq d_t$) 을 가질 수 있으므로, 이 방법은 먼저 트래픽 특징을 독립적으로 표준화합니다. 그런 다음 주성분 분석 (PCA) 을 사용하여 두 도메인을 공유된 저차원 표현 공간 ($Z_s$ 및 $Z_t$) 으로 투영합니다. 이는 비교를 위한 균일한 기준을 생성합니다.

B. Medoid 프로토타입 추출

클러스터 중심 (평균) 대신, 이 방법은 PCA 투영 데이터에 K-Medoids 클러스터링을 적용합니다.

• Medoids: 이는 클러스터 내 비유사성을 최소화하는 데이터셋의 실제 관측치입니다.
• 장점: Medoids 는 물리적으로 의미 있는 운영 지점을 나타내며, 산업 트래픽에서 흔히 발생하는 노이즈 및 희귀한 교란에 대해 평균 기반 중심보다 더 견고합니다.
• 그 결과 소스 프로토타입 ($P_s$) 과 대상 프로토타입 ($P_t$) 의 집합이 생성됩니다.

C. 프로토타입 보정 적응

핵심 학습 목표는 표현 인코더 ($f_\theta$) 와 분류기 ($g_\phi$) 를 포함합니다. 이 방법은 세 가지 손실 구성 요소를 정의합니다.

1. 프로토타입 정렬 손실 ($L_{proto}$): 유클리드 거리를 기반으로 한 소프트맥스 유사성을 사용하여 대상 프로토타입과 소스 프로토타입 간의 소프트 대응 관계를 계산합니다. 이는 대상 프로토타입과 가중치 부여된 소스 프로토타입 간의 거리를 최소화합니다.
2. 지도 분류 손실 ($L_{sup}$): 라벨이 지정된 소스 도메인에서 모델이 판별력을 유지하도록 보장합니다.
3. 엔트로피 정규화 ($L_{ent}$): 예측 엔트로피를 최소화함으로써 라벨이 지정되지 않은 대상 도메인에서 확신 있는 예측을 장려합니다.

총 목적 함수는 다음과 같습니다: $L = L_{sup} + \alpha L_{proto} + \beta L_{ent}$.

3. 주요 기여

1. 새로운 문제 정의: 직접적인 전역 인스턴스 매칭에서 프로토타입 수준 전이로 패러다임을 전환하여 국소 구조적 요약의 전이에 중점을 둡니다.
2. 프레임워크 설계: PCA 압축, K-Medoids 추출, 프로토타입 보정 도메인 적응을 결합한 특정 아키텍처를 제안합니다. 이 설계는 이질적이고 노이즈가 많으며 라벨이 부족한 산업 환경에 맞춰져 있습니다.
3. 실증적 엄격성: 단일 작업 정확도보다 배포 신뢰성에 대한 더 현실적인 시각을 제공하기 위해 평균 교차 작업 성능, 방향성 전이 행동(비대칭성), 그리고 최악의 경우 견고성에 초점을 맞춰 평가를 재설계했습니다.

4. 실험 결과

이 방법은 천연가스 제어 시스템 (G) 과 수조 시스템 (W) 의 두 가지 서로 다른 산업 시스템에서 평가되었습니다. 네 가지 교차 도메인 미지 공격 전이 작업 (예: 가스 시스템에서 수조 시스템으로의 DoS 공격) 이 테스트되었습니다.

• 성능 지표:
  • MPA는 평균 정확도 0.843과 F1-점수 0.838을 달성했습니다.
  • 이는 베이스라인 (ANN, SVM, RF, KNN, NBM) 보다 크게 우월했습니다. 예를 들어, 가장 강력한 베이스라인 (ANN) 과 비교하여 MPA 는 평균 정확도를 62.8% 향상시키고 F1-점수를 109.4% 향상시켰습니다.
• 견고성:
  • 낮은 분산: MPA 는 가장 낮은 변동 계수 (CV) 와 가장 작은 "복합 방향성 격차"를 보여주어 전이 방향 (가스→수조 vs 수조→가스) 에 관계없이 일관된 성능을 나타냈습니다.
  • 최악의 경우 안정성: 가장 어려운 전이 작업에서도 MPA 는 최소 정확도 0.81과 F1-점수 0.80을 유지한 반면, 베이스라인은 크게 하락했습니다 (예: ANN 은 정확도가 0.50 으로 하락).
• 전이 비대칭성: 이 연구는 전이가 비대칭적임을 확인했습니다. 가스 시스템을 소스로 사용하는 것이 더 풍부한 제어 의미론으로 인해 일반적으로 수조 시스템을 소스로 사용하는 것보다 더 좋은 결과를 낳았습니다. 그러나 MPA 는 어려운 역전환 설정에서 성능 저하를 최소화했습니다.

5. 중요성 및 결론

이 논문은 Medoid Prototype Alignment가 플랜트 간 침입 탐지를 위한 실용적이고 견고한 해결책임을 보여줍니다.

• 밀도보다 안정성: 밀집된 샘플 집합 대신 컴팩트한 Medoid 요약을 정렬함으로써, 이 방법은 산업 데이터의 전역 정렬에 내재된 노이즈와 불안정성을 피합니다.
• 배포 준비 상태: 높은 최악의 경우 성능과 낮은 분산은 도메인 시프트 하에서의 신뢰성이 중요한 실제 세계 배포에 MPA 가 적합함을 시사합니다.
• 향후 방향: 저자들은 이 접근 방식을 오픈셋 라벨링, 온라인 적응, 실시간 모니터링으로 확장할 것을 제안합니다.

요약하자면, 이 작업은 기존의 도메인 적응에 대한 구조적으로 근거 있는 대안을 제공하며, 산업 사이버 보안에서 이질성과 라벨 부족을 처리하는 데 견고한 국소 운영 구조 (Medoids 를 통해) 를 활용하는 것이 우월함을 입증합니다.