산업제어시스템에서의 패킷 분석을 위한 빅데이터 추출 및 학습 플랫폼 개발

EasyChair Preprint 1276

Abstract

산업제어시스템(ICS: Industrial Control System)은 산업 프로세스 운영 및 자동화에 사용되는 장 치, 시스템, 네트워크 및 제어 장치 등 산업 구조에 따라 다양한 형태로 구성되는 제어시스템과 그 밖의 관 련 기기를 통칭하는 용어이다. 80년대 이후 제조 산업의 급격한 발전과 함께 PLC(Programmable Logic Controller) 형태로 발전했으며, 이는 제어 관점에서의 복잡성을 줄이고 여러 시스템을 동시에 관리할 수 있는 환경을 요구했다. 따라서 다양한 제어 기기들을 하나로 통합하여 운영할 수 있는 Fieldbus와 같은 Et hernet기반의 여러 산업제어시스템 프로토콜이 등장하게 되었다. 그러나 Stuxnet, BlackEnergy, TRIS IS-TRITION, IRONGATE 등과 같은 산업제어시스템을 대상으로 하는 공격들은 EWS(Engineering workstation), HMI(Human Machine Interface), SIS(Safety instrumented system) 등 각 장 치에 대해 비정상적인 작동을 수행시켜 데이터 수집 및 파괴, 변전소 차단 등 산업시스템에 막대한 영향을 끼쳤으며 최근까지도 공격을 시도하고 있다. 이에 따른 산업제어시스템 취약점에 대한 연구가 진행되고 있으 나 폐쇄적인 산업제어시스템의 운용 특성상 각 시스템의 취약점 분석 및 사전 대응을 위한 데이터 셋 확보가 비교적 쉽지 않다. 따라서 본 논문에서는 산업제어시스템에 대한 공격에 대비하기 위해 라즈베리파이 및 각 종 센서를 활용하여 데이터의 통합 관리와 자동 제어를 제공하는 인공지능 산업제어시스템 프레임워크를 구 축하고, 다양한 시나리오에서 발생할 수 있는 데이터 셋을 확보하여 정규화 학습을 통한 사전 공격 대응이 가능한 인공지능 산업제어 시스템을 구현한다.

Keyphrases: Artificial Intelligence, Big Data Analysis, Industrial Control System, Security testbed, vulnerability evaluation

@booklet{EasyChair:1276,
  author    = {Kangbin Yim and Juyoung Seo and Chanmin Kim and Dain Kim and Soyoung Jung},
  title     = {Development of Big Data Extraction and Learning Platform for Packet Analysis in Industrial Control Syste},
  howpublished = {EasyChair Preprint 1276},
  year      = {EasyChair, 2019}}