스마트 빌딩용 대규모 언어 모델 기반 침입 탐지 모델
A Large Language Model-based Intrusion Detection Model for Smart Buildings
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
스마트 빌딩의 빌딩 자동화 시스템은 편리성과 효율성을 제공하지만 보안 취약성으로 인해 사이버 공격에노출되기 쉽다. 이를 해결하기 위해 본 논문에서는 스마트 빌딩 환경에 특화된 대규모 언어 모델 기반 침입탐지 모델을 제안한다. 냉난방공조(HAVC) 시스템을 대상으로 정상 및 공격 행위를 식별하여 학습 데이터셋으로 개발하고, LLaMA 3 8B 모델을 파인 튜닝하였다. 정상 데이터는 물리 프로세스와 HMI, PLC, 센서 등의 장치 정보를 기반으로 개발되었으며, 공격 데이터는 MITRE ATT&CK for ICS 매트릭스로부터 네트워크에서 탐지 가능한 공격 전술과 기법을 반영하였다. 파인 튜닝된 모델은 네트워크 공격 행위에 기반하여 생성한 프롬프트 셋에 대해 90%의 정확도를 보였으며, 도메인 지식이 없는 기본 모델 대비 우수한 성능을 보였다. 일부 부정확한 탐지는 학습 데이터 부족에 기인하며, 추가 데이터셋 개발과 재학습을 통해 정확도 개선이가능할 것으로 예상된다. 본 연구는 스마트 빌딩 환경에서 대규모 언어 모델 기반 침입 탐지 시스템의 효과적인 적용 가능성을 입증한다.
Abstract
Smart building automation systems provide convenience and efficiency but remain vulnerable to cyberattacks. This study proposes an intrusion detection model specifically designed for smart buildings using a large language model. Targeting HVAC systems, normal and malicious behaviors were identified to create training datasets, and the LLaMA 3 8B model was fine-tuned. Benign datasets were developed from physical processes and devices such as HMIs, PLCs, and sensors, while malicious datasets incorporated attack tactics and techniques from the MITRE ATT&CK for ICS matrix. The fine-tuned model demonstrated 90% accuracy on evaluation prompts, significantly outperforming the base model. Inaccuracies were attributed to limited training data, suggesting that additional dataset development and retraining could further enhance performance. These results demonstrate the effectiveness of large language models in intrusion detection for smart building environments.
참고문헌 (18)
- S. Ann, "A Preliminary Study on an Intrusion Detection Method using Large Language Models in Industrial Control Systems", 2024 Fifteenth International Conference on Ubiquitous and Future Networks (ICUFN), pp.600~602 (2024)
- H. Kanamaru, "Requirements for IT", OT Cooperation in Safe and Secure IACS, 2020 (2020), 39~44
- "A SANS 2021 Survey:OT/ICS Cybersecurity" (2021)[URL]
- "State of Operational Technology and Cybersecurity Report" (2022)[URL]
- "The State of ICS/OT Cybersecurity in 2022 and Beyond" (2022)[URL]
- J. Beerman, "A Review of Colonial Pipeline Ransomware Attack", 2023 IEEE, 2023, 8~15
- R. Vinayakumar, "Deep Learning Approach for Intelligent Intrusion Detection System", IEEE Access, 7, pp.41525~41550 (2019)[DOI]
- Garcia-Teodoro, Pedro, "Anomaly-based network intrusion detection: Techniques, systems and challenges", computers & security, 28(1-2), pp.18~28 (2009)[DOI]
- R. Vinayakumar, "Applying convolutional neural network for network intrusion detection", 2017 International Conference on Advances in Computing, Communications and Informatics (ICACCI), pp.1222~1228 (2017)
- W. Kastner, "Communication systems for building automation and control", Proceedings of the IEEE, 93(6), pp.1178~1203 (2005)[DOI]
- Domingues, Pedro, "Building automation systems: Concepts and technology review", Computer Standards & Interfaces, 45, pp.1~12 (2016)[DOI]
- Graveto, Vitor, "Security of Building Automation and Control Systems: Survey and future research directions", Computers & Security, 112, pp.102527~ (2022)[DOI]
- G. Goddard, "Model Development and Identification for Fast Demand Response in Commercial HVAC Systems", IEEE Transactions on Smart Grid, 5(4), pp.2084~2092 (2014)[DOI]
- Fong, Kwong Fai, "HVAC system optimization for energy management by evolutionary programming", Energy and buildings, 38(3), pp.220~231 (2006)[DOI]
- "MITRE ATT&CK(Adversarial Tactics, Techniques, and Common Knowledge)"[URL]