Selecting Optimal Cybersecurity Measures for Power Systems Using Complex Intuitionistic Fuzzy Rough Frank Aggregation Operators

기술 요약: 복합 직관적 퍼지 러프 프랭크 집계 연산자를 이용한 전력 시스템의 최적 사이버 보안 조치 선정

문제 정의
현대 전력 시스템은 클라우드 컴퓨팅, 사물인터넷(IoT), 5G 통신의 통합으로 인해 복잡한 사이버-물리 시스템으로 진화했습니다. 이러한 기술들은 효율성과 그리드의 유연성을 높여주지만, 동시에 공격 표면을 크게 확장하여 전력망을 정교한 사이버 공격(예: Stuxnet, 우크라이나 전력 정전)에 취약하게 만듭니다. 이러한 핵심 인프라를 위한 최적의 사이버 보안(CS) 조치를 선정하는 것은 높은 불확실성, 부정확성, 그리고 상충하는 기준(예: 비용 대 보안 효과)을 특징으로 하는 다기준 의사결정(MCDM) 문제입니다. 기존의 의사결정 방법들은 불확실성의 이중적 성격, 즉 전문가 판단의 모호함(vagueness)과 불완전한 데이터에 내재된 거칠기(roughness, 경계 모호성)를 적절히 모델링하는 데 한계가 있습니다. 또한, 기존의 집계 연산자들은 동적인 환경에서 발생하는 의사결정 데이터의 복잡하고 진동하는 특성을 처리하는 유연성이 부족합니다.

방법론
본 논문은 프랭크 t-노름(Frank t-norm) 및 t-코노름(t-conorm) 연산을 통합한 **복합 직관적 퍼지 러프 집합(Complex Intuitionistic Fuzzy Rough Sets, CIFRSs)**에 기반한 새로운 MCDM 프레임워크를 제안합니다. 방법론은 다음과 같이 진행됩니다:

1. 이론적 기초: 저자들은 위상 항(phase terms)을 포함하여 소속도, 비소속도, 망설임(hesitancy)을 처리하는 복합 직관적 퍼지 집합과 러프 집합(하한 및 상한 근사 처리)을 결합한 CIFRSs에 대한 수학적 정의를 확립합니다.
2. 연산 법칙: 프랭크 연산을 사용하여 복합 직관적 퍼지 러프 수(CIFRNs)에 대한 새로운 연산 법칙을 개발합니다. 여기에는 $\lambda \neq 1$인 매개변수 $\lambda$를 통해 조절 가능한 유연성을 제공하는 프랭크 합, 곱, 스칼라 곱이 포함됩니다.
3. 집계 연산자(AOs): 두 가지 특정 집계 연산자가 도입됩니다:
   • CIFR 프랭크 가중 평균(CIFRFWA): 프랭크 연산을 기반으로 가중 평균 접근 방식을 사용하여 입력을 집계합니다.
   • CIFR 프랭크 가중 기하(CIFRFWG): 가중 기하 접근 방식을 사용하여 입력을 집계합니다.
   • 본 논문은 이 연산자들의 항등성(idempotency), 유계성(boundedness), 단조성(monotonicity)에 대한 엄밀한 증명을 제공합니다.
4. 의사결정 알고리즘: 단계별 MCDM 알고리즘이 구성됩니다:
   • CIFR 의사결정 행렬 구축.
   • 기준의 정규화 (이득형 vs 비용형 유형).
   • CIFRFWA 또는 CIFRFWG 연산자를 사용하여 대안 집계.
   • 대안 순위를 매기기 위한 점수 및 정확도 함수 계산.

사례 연구 및 결과
제안된 접근 방식의 타당성을 검증하기 위해, 저자들은 전국 단위 전력망을 위한 최적의 CS 조치를 선정하는 사례 연구를 수행했습니다.

• 대안: 다섯 가지 조치가 평가되었습니다: 방화벽 및 네트워크 분할(FNS), 침입 탐지 및 방지 시스템(IDPS), 액세스 제어 메커니즘(ACM), 암호화 기술(CT), 보안 정보 및 이벤트 관리(SIEM).
• 기준: 평가는 효과성, 확장성, 통합 용이성, 응답 시간, 준거성라는 다섯 가지 기준을 바탕으로 수행되었으며, 각각의 가중치는 0.4, 0.3, 0.1, 0.1, 0.1로 할당되었습니다.
• 결과:
  • CIFRFWA 연산자를 사용했을 때, SIEM이 1위(점수: 0.61647)로 선정되었으며, FNS, IDPS, ACM, CT가 그 뒤를 이었습니다.
  • CIFRFWG 연산자를 사용했을 때도 SIEM이 다시 1위(점수: 0.58809)를 차지했으나, 나머지 대안들의 상대적 순위는 약간 변동되었습니다(FNS가 2위, ACM이 3위).
  • 두 시나리오 모두에서 SIEM이 가장 견고한 솔루션으로 나타났으며, 이는 복잡하고 불확실한 데이터를 처리하여 일관된 최적의 선택을 도출해내는 모델의 능력을 입증합니다.

주요 기여

1. 새로운 집계 연산자: 본 논문은 CIFRS 프레임워크 내에서 프랭크 연산 법칙을 적용한 첫 사례를 도입하여, CIFRFWA 및 CIFRFWG 연산자를 생성했습니다.
2. 강화된 불확실성 모델링: 복합 직관적 퍼지 집합과 러프 집합 근사를 통합함으로써, 모델은 데이터의 위상 기반 복잡성과 전문가 지식의 경계적 거칠기를 모두 포착하며, 이는 표준 퍼지 또는 러프 집합보다 더 포괄적인 불확실성 표현을 제공합니다.
3. 조절 가능한 유연성: 프랭크 연산자의 사용은 매개변수 $\lambda$를 통해 집계 동작을 조정할 수 있게 하여, 고정된 연산자(예: 대수적 또는 아인슈타인 t-노름)에 비해 다양한 의사결정 맥락에 더 높은 적응성을 제공합니다.
4. 실제적 적용: 본 연구는 전력 시스템의 사이버 보안 조치 선정을 위한 구체적이고 검증된 프레임워크를 제공하며, 이는 의사결정 오류가 심각한 국가 안보 및 경제적 결과를 초래할 수 있는 영역입니다.

의의 및 주장
저자들은 제안된 CIFR-MCDM 기법이 기존 방법론들에 비해 우수한 유연성, 정확성 및 견고성을 제공한다고 주장합니다. Garg와 Rani, Fang 등, Yahya 등, Hussain 등, Khan 등, 그리고 Ahmmad 등의 연구와 비교 분석을 통해, 본 논문은 다음과 같이 주장합니다:

• 퍼지 러프 집합만을 사용하는 방법과 달리, 제안된 접근 방식은 직관적 불확실성(망설임)과 복합 값 데이터(위상 항)를 포함하여, 진동하고 동적인 의사결정 시나리오에 적합합니다.
• 고정된 집계 연산자를 사용하는 방법과 달리, 프랭크 기반 연산자는 조절 가능한 엄격성을 제공하여 의사결정자가 리스크의 특성에 따라 더 잘 적응할 수 있게 합니다.
• 러프 집합 근사(하한 및 상한)의 통합은 대안 간의 변별력을 높여 더욱 안정적인 순위를 도le도록 합니다.

본 논문은 이 프레임워크가 사이버 보안 전문가를 위한 신뢰할 수 있는 의사결정 지원 도구 역할을 하며, 현대 전력 인프라를 위한 보호 조치를 보다 체계적이고 탄력적으로 선정할 수 있게 한다고 결론짓습니다. 저자들은 향후 연구 과제로 이 프레임워크 내에서 다른 집계 연산자를 탐색하고 더 큰 규모의 실증적 데이터셋에 모델을 적용하는 것을 언급했습니다.