함정전투체계 무장체계 연동통제를 위한 AI 기반 이상탐지 연구
Research on AI-based anomaly detection for ship combat system weapon system interlocking control
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 함정전투체계의 무장 체계 연동 통제 환경에서의 AI를 통한 이상 탐지 기능의 가능성을 확인하고자 LSTM AutoEncoder를 이용한 이상 탐지 활용방안에 대해 제안한다. 전투체계 로그와 Metric 데이터 등 성능 데이터를 ELK Stack으로 수집하고 시계열화하는 전처리를 수행하였다. LSTM 네트워크 기반의 Eocder를 사용하여 데이터를 압축 및 차원을 축소하고, Decoder를 이용해 입력데이터와 유사한 형태로 복원하는 LSTM AutoEncoder 모델을 정상 환경 데이터만으로훈련 시켜 완성하였다. 이후, 정상과 비정상 상황을 모의하여 생성한 시험 데이터를 이용하여 성능 평가를 하여 Accuracy 0.99, Precision 0.97, Recall 0.87, F1-Score 0.92로 높은 점수가 출력되었다. 이를 통해 함정전투체계 무장 체계 연동 통제 환경 이상 탐지 시에 기계학습을 통해 생성한 모델의 적용 가능성을 확인하였다.
Abstract
This paper proposes the use of anomaly detection using LSTM AutoEncoder to verify the possibility of anomaly detection function through AI in the control environment of the interlocking weapon system of a naval combat system.. Performance data such as combat system logs and metric data were collected and time-series preprocessed with the ELK Stack. The LSTM AutoEncoder model, which uses the LSTM network-based Eocder to compress and dimensionally reduce data, and the Decoder to restore the input data to a similar form, was trained using only normal environmental data. Afterwards, the performance was evaluated using test data generated by simulating normal and abnormal situations, and a high score of Accuracy 0.99, Precision 0.97, Recall 0.87, and F1-Score 0.92 was output. This study confirmed the applicability of the model generated through machine learning in the detection of anomalies in the control environment of the interlocking weapon system of a naval combat system.