사이버물리시스템(CPS)의 이상 탐지기는 흔히 하나의 운영점에서 정밀도·재현율·F1으로만 비교되지만, 이 점수는 탐지기가 물리 과정을 얼마나 잘 표현하는지와 경보 임계값을 얼마나 잘 설정했는지를 뒤섞는다. 이 연구는 CPS 이상 탐지기를 관측값을 잔차로 매핑하는 1단계와 잔차를 경보로 매핑하는 2단계로 나눠, 정규화된 잔차 에너지로 1단계만 독립적으로 평가하는 방법을 제안한다. 이 지표는 쿨백-라이블러 발산과 정확히 연결돼 특정 경보 규칙에 의존하지 않고 공격 분리도, 훈련-테스트 간 안정성, 탐지기의 정보 압축 정도를 따로 측정할 수 있다. GDN, FuSAGNet, TranAD, NSIBF, GeCo 5개 탐지기를 SWaT, WADI, HAI 3개 CPS 벤치마크에 적용한 결과, SWaT에서는 ROC-AUC가 비슷했지만 동일한 오경보율 기준 성능은 10배 이상 차이가 났고, 테스트베드에 따라 순위도 뒤바뀌었다(TranAD는 HAI 1위·SWaT 꼴찌, NSIBF는 WADI 1위·HAI 꼴찌).
- •CPS 이상 탐지기를 잔차 생성(1단계)과 경보 판정(2단계)으로 분리해 독립 평가하는 방법 제안
- •경보 규칙에 무관한 정규화 잔차 에너지 지표를 KL 발산과 연결해 사용
- •5개 탐지기를 SWaT·WADI·HAI 3개 벤치마크에 적용, ROC-AUC 유사해도 실성능은 10배 이상 차이
- •테스트베드별로 순위가 뒤바뀌말: TranAD는 HAI 1위지만 SWaT 꿀짜, NSIBF는 반대 양상
- •WADI에서는 국소적 공격이 전체 채널을 종합하는 탐지기를 회피할 수 있음을 확인
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
What the Detector Can See: Evaluating CPS Anomaly Detectors Independently of the Decision Rule
본문 미리보기
arXiv:2608.02821v1 Announce Type: new Abstract: Anomaly detectors are often the last line of defense for cyber-physical systems (CPS). But detectors built in very different ways, from deep neural networks to invariant templates, are usually compared using precision, recall, or F1 at a single operating point. These scores mix two separate things: how well the detector represents the physical process, and how well its alarm threshold is set. We therefore treat a CPS anomaly detector as a two-stag
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:58AI 초안
