⚙️ H Security Dataset 이상탐지 모델링

#DL/AI #Anomaly Detection

👩‍💻 주요 역할: 데이터 전처리, 모델링 및 최적화

📋 프로젝트 개요

• 데이터 환경 Hardware-In-the-Loop (HIL) 시뮬레이터 기반의 실제 산업 제어 시스템(ICS) 테스트베드

• 테스트베드 구성 증기-터빈 발전 및 양수-저장 수력 발전 모방(보일러 공정/터빈 공정/수처리 공정/HIL 시뮬레이션)

• 시계열 데이터 시간 연속성을 만족하는 데이터로, 여러 CSV 파일로 구성

• 공격 라벨 마지막 4개 열은 공격 여부를 나타내는 라벨 데이터 (정상: 0, 공격: 1)

🧩 평가지표

TaPR (Temporal Precision and Recall): 시계열 이상 탐지 성능 평가 지표

• Temporal Precision: 탐지된 이상 구간 중 실제 이상이 포함된 비율
• Temporal Recall: 실제 이상 구간 중 탐지된 비율
• F1-Score: Precision과 Recall의 균형을 평가하는 척도

🎯 모델링 결과

• 데이터 전처리
  • 특징 생성: 55만 개의 데이터에서 평균, 표준편차, 중앙값을 활용하여 비대칭도(skew) 계산
  • 결측값 처리: NaN 값이 포함된 칼럼 제거
  • 스케일링: RobustScaler를 사용한 데이터 정규화
  • 클래스 불균형 해결: SMOTE 적용
• 모델링 및 최적화
  • 모델 선택: Autoencoder 기반 이상 탐지 모델
  • 하이퍼파라미터 최적화: Optuna를 활용하여 모델의 하이퍼파라미터 최적화
  • 이상 탐지 기준: 재구성 오류를 기준으로 95%, 98%, 동적 임계값 설정
• 결과
  • 모델 성능: 0.5327의 TaPR 성능 달성