기술 요약: NuTwin – 실시간 원자로 디지털 트윈을 위한 제로 트러스트(Zero-Trust), 기밀 클라우드 아키텍 제어

1. 문제 정의

본 논문은 현대 원자력 발전소(NPP) 모니터링의 핵심적인 계산 및 보안 딜레마를 다룬다. 고충실도 수치 솔버(예: MCNP, RELAPIX)는 초 단위 미만의 실시간 디지털 트윈 동기화를 수행하기에는 계산 집약도가 너무 높다. 반면, 표준 딥러닝 모델(예: 제약 없는 LSTM)은 물리적 결정론이 부족하여 보존 법칙을 위반하고 "물리적 환각(physical hallucinations)"을 생성하는 경우가 잦다. 또한, 안전 필수적인 1E급 시스템의 엄격한 "에어갭(air-gap)" 보안을 위반하며 공용 클라우드로 텔레메트리를 전송하는 것은 사이드 채널 공격, 하이퍼바이저 도청, 무단 작동 등의 보안 취약점을 유발한다.

2. 방법론

저자는 물리 정보 신경망(PINN)과 하드웨어 기반 기밀 컴퓨팅(Confidential Computing)을 결합하여, 보안이 확보된 실시간 추론을 클라우드에서 가능하게 하는 시스템인 NuTwin을 제안한다.

A. 물리 정보 기반 정식화 (Physics-Informed Formulation)

시스템의 핵심은 6개 지연 중성자 전구체 그룹과 통합 열수력 피드백이 적용된 **점 반응로 동특성 방정식(PRKE)**에 의해 직접 제약되는 대리 모델(Surrogate Model)이다.

• 지배 방정식: 모델은 중성자 밀도($n$), 전구체 농도($C_i$), 연료 온도($T_f$), 냉각재 온도($T_c$)에 대한 결합 미분 방정식을 해결한다.
• 손실 함수 (Loss Function): 학습 목표는 다음을 포함하는 복합 손실 함수($L_{total}$)를 최소화하는 것이다:
  • 데이터 손실 ($L_{data}$): 관측된 텔레메트리에 대한 적합도.
  • 물리 손실 ($L_{PRKE}$): 점 반응로 동특성 방정식의 잔차(Residuals).
  • 열수력 손실 ($L_{TH}$): 열 피드백 방정식의 잔차.
  • 초기 조건 손실 ($L_{IC}$): 초기 상태에 대한 준수 여부.
• 아키텍처: 시간($t$)을 9개의 출력 상태로 매핑하는 4개의 은닉층(각 128개 뉴런, tanh 활성화 함수)을 가진 완전 연결 신경망(Fully Connected Network) 구조이다.

B. 제로 트러스트 클라우드 아키텍처

추론 파이프라인은 클라우드 인프라에 대한 신뢰를 배제하도록 설계되었다:

1. 텔레메트리 수집: 실시간 데이터(PyRK를 통해 시뮬레이션됨)가 단방향 상호 TLS(mTLS)를 통해 AWS IoT Core로 스트리밍된다.
2. 보안 라우팅: AWS IoT Rule이 데이터를 EC2 호스트로 전달하며, 이 호스트는 오직 전달자 역할만 수행한다.
3. 기밀 실행 (Confidential Execution): 데이터는 내부 가상 소켓(vsock)을 통해 AWS Nitro Enclave 내부로 전달된다.
   • 엔클레이브는 휘발성(Ephemeral)이며, 영구 저장소가 없고 외부 네트워크 인터페이스를 갖지 않는다.
   • 이는 부모 호스트 OS나 루트 관리자가 메모리에 접근하거나 프로세스를 조사할 수 없는 암호학적으로 격리된 환경에서 작동한다.
   • 실행 전 AWS KMS를 통해 검증(Attestation) 절차를 거친다.
4. 출력: 결과값(예측 상태, 이상 점수)은 vsock을 통해 대시보드로 반환되며, 클라우드는 엄격한 '읽기 전용 관찰자' 역할을 유지한다.

3. 주요 기여

1. 물리적 경계가 설정된 대리 모델 (Physics-Bounded Surrogate): 6개 그룹 지연 중성자 전구체 PRKE와 결합된 열수력 역학에 의해 직접 제약되는 PINCl 아키텍처를 통해, 예측값이 물리적 보존 법칙을 반드시 준수하도록 보장한다.
2. 암호학적으로 격리된 파이프십 (Cryptographically Isolated Pipeline): 추론이 오직 휘발성 AWS Nitro Enclave 내에서만 실행되고 로컬 커널 수준의 vsock 엔드포인트를 통해서만 통신함으로써, 데이터 유출 및 외부 공격 표면을 제거한 제로 트러스트 구현을 달성했다.
3. 실시간 성능: 제어봉 낙하 과도 현상 발생 시에도 100ms 미만의 추론 지연 시간과 마이크로 수준의 물리적 잔차 준수 성능을 입증하였다.

4. 실험 결과

시스템은 PyRK 그라운드 트루스(RK4 솔버) 및 표준 제약 없는 LSTM과 비교 검증되었다.

• 지연 시간 (Latency): NuTwin은 단계당 42.8ms의 추론 지연 시간을 달성하여, 실시간 모니터링을 위한 초 단위 미만의 요구 사항을 충족했다.
• 정확도 (Accuracy): 모델은 중성자 플럭스 평균 제곱 오차(MSE) $1.1 \times 10^{-5}$를 기록하며, 제약 없는 LSTM($8.4 \times 10^{-3}$)보다 월등한 성능을 보였다.
• 물리적 준수 (Physical Compliance): 물리적 보존 잔차($L_{PRKE}$)는 $1.38 \times 10^{-4}$로 제한되었다. 반면, 제약 없는 LSTM은 $4.8 \times 10^{-1}$의 잔차를 보이며 심각한 물리적 위반을 나타냈다.
• 보안 (Security): 메모리가 호스트에 노출되는 베이스라인 환경과 달리, NuTwin의 엔클레이브 실행은 암호학적으로 격리되어 있어 부모 인스턴스로의 데이터 유출이 전혀 없음을 보장한다.

5. 의의 및 주장

본 논문은 NuTwin이 초 단위 미만의 예측 성능, 물리적 결정론, 그리고 제로 트러스트 클라우드 격리라는 세 가지 상충하는 요구 사항을 성공적으로 조화시켰다고 주장한다. 손실 함수에 PRKE를 직접 삽입함으로써, 시스템은 심각한 과도 현상(예: 스크램) 중에도 비물리적인 예측을 방지한다. 동시에, AWS Nitro Enclave을 사용하여 공용 클라우드 인프라와 관련된 사이버 공격 표면을 제거함으로써, 안전 필수 텔레메트리에 대한 규제적 신뢰 문제를 해결한다.

저자는 본 연구를 기존 문헌에서 흔히 볼 수 있는 오프라인의 제약 없는 GPU 워크스테이션을 넘어, 하드웨어 기반의 암호학적 격리를 실시간 클라우드 추론에 구현하여 보여준 첫 번째 사례로 위치시킨다.

향후 로드맵 (저자 명시):

• 국부적인 축 방향 제논 진동(Axial Xenon Oscillations) 모델링을 위해 점 반응로 모델에서 공간 3D 모달 확장(Modal-expansion) PINN으로 확장.
• Nitro Enclave 내에서 AWS Inferentia 타겟으로 추론 엔진을 컴파일하여 5ms 미만의 응답 시간 달성.
• 물리적 플랜트-클라우드 간 격리 인증을 위한 하드웨어 FPGA 데이터 다이오드 통합.