KR102429393B1 - Behavior abnormal detection intelligent sharing system and method in smart factory based on profiling - Google Patents

Behavior abnormal detection intelligent sharing system and method in smart factory based on profiling Download PDF

Info

Publication number
KR102429393B1
KR102429393B1 KR1020200175057A KR20200175057A KR102429393B1 KR 102429393 B1 KR102429393 B1 KR 102429393B1 KR 1020200175057 A KR1020200175057 A KR 1020200175057A KR 20200175057 A KR20200175057 A KR 20200175057A KR 102429393 B1 KR102429393 B1 KR 102429393B1
Authority
KR
South Korea
Prior art keywords
behavior
layer
smart factory
data
sharing
Prior art date
Application number
KR1020200175057A
Other languages
Korean (ko)
Other versions
KR20220085192A (en
Inventor
남기효
Original Assignee
(주)유엠로직스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)유엠로직스 filed Critical (주)유엠로직스
Priority to KR1020200175057A priority Critical patent/KR102429393B1/en
Publication of KR20220085192A publication Critical patent/KR20220085192A/en
Application granted granted Critical
Publication of KR102429393B1 publication Critical patent/KR102429393B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning

Abstract

본 발명은 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는, 각 스마트 공장마다 기설정된 각 계층을 기준으로, 생성되는 행위 데이터를 각각 입력받는 다수의 데이터 입력부(100), 각 스마트 공장 별로 기정의된 표준 벡터 형식을 적용하여, 상기 데이터 입력부(100)에 의해 입력받은 각각의 상기 행위 데이터를 표준 벡터값으로 변환하는 벡터 변환부(200), 상기 벡터 변환부(200)에서 변환한 각 스마트 공장 별 각 계층의 행위 데이터를 취합하여 수집하는 데이터 수집부(300), 상기 데이터 수집부(300)에서 수집한 상기 행위 데이터를 각 계층별로 기저장된 알고리즘을 적용하여, 각 계층의 행위에 대한 정상행위 영역을 설정하고, 설정한 정상행위 영역에 대한 인텔리전트를 생성하는 분석부(400) 및 각 스마트 공장으로 상기 분석부(400)에 의해 생성한 각 계층의 인텔리전트를 공유 전송하는 공유부(500)를 포함하여 구성되는 것을 특징으로 하는 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템에 관한 것이다.The present invention relates to an intelligent sharing system for detecting behavior anomalies in a profiling-based smart factory and a method thereof, and more particularly, to a plurality of units receiving behavior data generated based on each layer preset for each smart factory. A data input unit 100, a vector conversion unit 200 that converts each of the behavior data received by the data input unit 100 into a standard vector value by applying a standard vector format predefined for each smart factory, A data collection unit 300 that collects and collects behavior data of each layer for each smart factory converted by the vector conversion unit 200, and an algorithm pre-stored for each layer by the behavior data collected by the data collection unit 300 Each layer created by the analysis unit 400 with the analysis unit 400 and each smart factory that sets the normal behavior area for the behavior of each layer by applying It relates to an intelligent sharing system for detecting behavior abnormalities in a profiling-based smart factory, characterized in that it includes a sharing unit 500 for sharing and transmitting the intelligence of

Description

프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법 {Behavior abnormal detection intelligent sharing system and method in smart factory based on profiling}Behavior abnormal detection intelligent sharing system and method in smart factory based on profiling}

본 발명은 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 스마트 공장을 구축하여 원격으로 운영 및 이용하는 상황에서, 다양한 스마트 공장 관련자들의 심각한 이상행위를 신속하게 탐지할 수 있는 이상탐지 인텔리전트를 공유할 수 있는 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법에 관한 것이다.The present invention relates to an intelligent sharing system for detecting behavior abnormalities in a profiling-based smart factory and a method therefor, and more particularly, in a situation where a smart factory is built and operated and used remotely, serious abnormal behaviors of various smart factory related persons are quickly detected. It relates to a system and method for sharing behavior anomaly detection intelligence in a profiling-based smart factory that can share anomaly detection intelligence that can be detected quickly.

스마트 제조(smart manufacturing)란, 정보와 통신 기술을 현재 제조 과정에 적극 적용하는 기술을 의미하며, 전 세계 제조 산업 경제를 혁신적으로 변화시키고 있다.Smart manufacturing refers to a technology that actively applies information and communication technology to the current manufacturing process, and is revolutionizing the global manufacturing industry economy.

오늘날 부각되고 있는 4차 산업 혁명은 최첨단 정보통신기술(ICT)을 기반으로 스마트 제조 환경을 구축하는 시대를 의미하며, 정확한 정의는 없으나, 미국 연방정부 주도로 설립된 범국가 차원의 R&D 컨소시엄인 SMLC(Smart Manufacturing Leadership Coalition)는 스마트 제조를 '신제품의 신속한 제조, 제품 수요의 적극적 대응, 생산 및 공급 사슬망의 실시간 최적화를 가능하게 하는 첨단 지능형 시스템의 심화 적용(Intensified Application)'이라고 말하고 있다.The 4th industrial revolution, which is emerging today, refers to the era of building a smart manufacturing environment based on cutting-edge information and communication technology (ICT). (Smart Manufacturing Leadership Coalition) describes smart manufacturing as 'intensified application of advanced intelligent systems that enable rapid manufacturing of new products, proactive response to product demand, and real-time optimization of production and supply chains'.

이를 통해서, 한층 더 진보한 디지털 기술을 생산 시스템과 접목하는 것을 가능케 하며, 수반되는 기술에는 무선통신 기술, 사물 인터넷 기술, 클라우드 컴퓨팅 기술, 재프로그램이 가능한 로봇 기술, 기계 지능화 기술 등이 있다.Through this, it is possible to graft more advanced digital technology with the production system, and the accompanying technologies include wireless communication technology, Internet of Things technology, cloud computing technology, reprogrammable robot technology, and machine intelligence technology.

이러한 스마트 제조의 최종 결과물은 스마트 공장일 것이며, 이러한 스마트 제조의 핵심은 데이터로서, 데이터의 습득, 관리, 사용 방법이 중요하다.The final result of such smart manufacturing will be a smart factory, and the core of such smart manufacturing is data, and how to acquire, manage, and use data is important.

즉, 스마트 공장이란, 설계, 개발, 제조, 유통, 물류 등 생산 전체 과정에 정보통신기술을 적용하여 공장 설비 및 시설에 각종 센서, 통신기기 등을 설치하여 원격으로 공장을 운영하고 모니터링함으로써, 생산성, 품질, 고객 만족도 등을 향상시킬 수 있는 지능형 공장이다.In other words, a smart factory applies information and communication technology to the entire production process, such as design, development, manufacturing, distribution, and logistics, and installs various sensors and communication devices in factory facilities and facilities to remotely operate and monitor the factory. , it is an intelligent factory that can improve quality, customer satisfaction, etc.

최근 비대면 서비스의 증가에 따라 제조업에서도 각종 자동화 시설이 증가하고 있으며, 이와 같이 무인화가 증가하는 환경에서 생산 라인을 보다 효율적으로 운영하기 위한 방법으로 스마트 공장이 급속히 증가하고 있다.With the recent increase in non-face-to-face services, various automated facilities are increasing in the manufacturing industry as well, and smart factories are rapidly increasing as a way to more efficiently operate production lines in an environment where unmannedness is increasing.

이와 같이, 기존의 폐쇄적이었던 각각의 공장 시설에 통신을 접목하여 스마트 공장으로 변경되면서, 외부에 시스템에 개방됨에 따라 공장 운영의 효율성 측면에서는 장점이 있으나, 개방성에 따른 각종 보안위협에 노출되고 있다.As described above, as it is changed to a smart factory by grafting communication to each previously closed factory facility, the system is opened to the outside, which has advantages in terms of efficiency of factory operation, but is exposed to various security threats due to openness.

일 예를 들자면, 스마트 공장을 원격으로 모니터링, 제어하는 단말기가 분실 또는 도난, 악의적인 접속 등에 의해 비정상적으로 동작하는 것이다.For example, a terminal that remotely monitors and controls a smart factory operates abnormally due to loss or theft, malicious access, and the like.

이와 관련하여, 스마트 공장에서의 이상 행위를 탐지하기 위해서, 종래에는 시그니처 기반 이상탐지 기법, 오용 탐지 기법, 인공지능 기법 등을 들 수 있다.In this regard, in order to detect an abnormal behavior in a smart factory, conventionally, a signature-based anomaly detection technique, a misuse detection technique, an artificial intelligence technique, etc. may be used.

시그니처 기반 이상탐지 기법이란, 스마트 공장 이용자(일 예를 들자면, 공장장, 운영자 등)의 이상 행위를 나타낸 규칙을 사전에 생성하여 이를 등록한 후, 운영 과정에서 이러한 규칙과 일치하는 운영 데이터 발생시, 이상 행위로 판단하는 방법이다. 이 기법은 규칙에 해당하는 이벤트가 발생한다면 이를 정확히 이상으로 탐지한다는 측면에서 높은 정확도의 장점이 있으나, 규칙에 등록되지 않은 이상 행위는 탐지할 수 없으며, 규칙의 수가 많아지면 판단하는 시간이 오래 걸리는 단점이 있다.The signature-based anomaly detection technique creates and registers rules that indicate abnormal behaviors of smart factory users (for example, factory managers, operators, etc.) as a way to judge. This technique has the advantage of high accuracy in that it accurately detects an event corresponding to a rule as an abnormality. There are disadvantages.

또한, 오용 탐지 기법이란, 정상 행위의 규칙을 사전에 정의하고, 운영 과정에서 정상 행위를 벗어나는 경우를 이상 행위로 탐지하는 기법이다. 이 기법은 다양한 이상 행위들을 정확히 탐지할 수 있지만, 실제로는 이상 행위가 아님에도 이상 행위로 판단하는 과탐이 많다는 문제점이 있다. 또한, 시그니처 기반 이상탐지 기법과 마찬가지로, 규칙의 수가 많아지면 판단하는 시간이 오래 걸리는 단점이 있다.In addition, the misuse detection technique is a technique in which a rule of a normal behavior is defined in advance and a case where a normal behavior is deviated from the normal behavior is detected as an abnormal behavior. Although this technique can accurately detect various abnormal behaviors, there is a problem in that there are many overestimates that are judged as abnormal behaviors even though they are not actually abnormal behaviors. Also, like the signature-based anomaly detection technique, it takes a long time to determine if the number of rules increases.

마지막으로, 인공지능 기법이란, 정상 행위 또는 이상 행위에 관한 학습 데이터들을 이용하여 인공지능 엔진에서 학습시킨 후, 운영 과정에서 학습된 결과를 이용하여 이상 행위를 탐지하는 기법이다. 이 기법은 앞서 언급한 두 가지의 기법에 비해, 비교적 정확한 탐지를 수행할 수 있지만, 정확한 판단을 위해 학습 데이터를 이용한 학습이 선행되어야 한다. 이 때, 사전 학습을 위한 충분한 학습 데이터가 확보되어야 하지만, 이를 충분히 확보하기 위해서는 각 스마트 공장 별로 상이하게 공장 운영이 이루어지고 스마트 공장 별로 이용 행위 데이터가 학습에 적당한 양까지 수집되기에는 많은 시간이 걸리기 때문에, 단일 스마트 공장에서 수집되는 데이터만으로는 이상 행위 탐지를 하기에는 현실적으로 많은 어려움이 있다.Lastly, the artificial intelligence technique is a technique for detecting abnormal behaviors using the results learned in the operation process after learning from the AI engine using learning data on normal behaviors or abnormal behaviors. Compared to the aforementioned two techniques, this technique can perform relatively accurate detection, but learning using the training data must be preceded for accurate judgment. At this time, sufficient learning data for pre-learning should be secured, but in order to secure it sufficiently, each smart factory operates differently, and it takes a lot of time for the usage behavior data for each smart factory to be collected to an appropriate amount for learning. Therefore, there are many practical difficulties in detecting anomalies using only data collected from a single smart factory.

정부에서는 생산성의 향상을 위해 각 제조 기업에 스마트 공장 설치를 적극 권장하고 있으며 이에 대한 많은 지원이 이루어지고 있다. 뿐만 아니라, 스마트 공장들 간 운영 데이터를 일부 공유함으로써, 스마트 공장을 보다 효율적으로 운영하도록 하는 클라우드 서비스 등도 확대 실시되고 있다.The government is strongly recommending that each manufacturing company install a smart factory to improve productivity, and there is a lot of support for this. In addition, by sharing some operation data between smart factories, cloud services that allow smart factories to operate more efficiently are being expanded.

즉, 제품 개발부터 판매 후 서비스에 이르기까지 제조의 전, 후방의 데이터를 공유/활용하는 것이 세계적인 트랜드로 자리매김하고 있으며, 우리나라 역시도 제조 데이터의 수집, 분석 및 공유 네트워크를 구축하여, 국내 제조 생태계 내 제조 데이터를 공유할 수 있는 기반을 마련하고 있다.In other words, sharing/utilizing data before and after manufacturing, from product development to after-sales service, is becoming a global trend. I am laying the groundwork for sharing my manufacturing data.

이러한 공유 데이터(공공 데이터, Public data)는 각 스마트 공장으로부터 각각의 포맷에 맞춰 생성된 제조 데이터를 수집하고, 수집된 데이터를 정제 및 가공하여 하나의 플랫폼 형태로 구축한 후, 빅 데이터 활용에 이용될 수 있도록 각 스마트 공장으로 재전송하여 공유되고 있다.This shared data (public data) collects manufacturing data generated in accordance with each format from each smart factory, refines and processes the collected data, builds it into a single platform, and uses it for big data utilization It is retransmitted to each smart factory so that it can be shared and shared.

상기 공유 데이터는 각기 다른 스마트 공장의 제조 데이터를 하나의 플랫폼 형태로 구축하고 있기 때문에, 제조 데이터들을 통합 분석하여 제조 데이터들이 갖고 있는 항목들 중 공통되면서 공개할 수 있을 만한 데이터만을 수집하여 생성하게 된다. 그렇기 때문에, 다량의 데이터 값을 얻을 수 있다.Since the shared data builds the manufacturing data of different smart factories in the form of a single platform, the manufacturing data are integrated and analyzed to collect and generate only the data that can be disclosed and common among the items of the manufacturing data. . Therefore, a large amount of data values can be obtained.

이와 관련해서, 국내등록특허 제10-2157031호("서보모터의 전력 소모량을 이용한 이상행위 탐지장치 및 방법")에서는 스마트 팩토리에서 서보모터 전력 소모량을 이용하여 이상행위를 탐지하는 시스템 및 방법을 개시하고 있다.In this regard, Korean Patent Registration No. 10-2157031 (“Abnormal behavior detection device and method using servo motor power consumption”) discloses a system and method for detecting abnormal behavior using servo motor power consumption in a smart factory. are doing

국내등록특허 제10-2157031호(등록일자 2020.09.11.)Domestic Registered Patent No. 10-2157031 (Registration Date 2020.09.11.)

본 발명은 상기한 바와 같은 종래 기술의 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 스마트 공장을 구축하여 원격으로 운영 및 이용하는 상황에서, 다양한 스마트 공장 관련자들의 심각한 이상행위를 신속하게 탐지할 수 있는 이상탐지 인텔리전트를 공유할 수 있는 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법을 제공하는 것이다.The present invention has been devised to solve the problems of the prior art as described above, and an object of the present invention is to quickly detect serious abnormal behaviors of various smart factory related persons in a situation where a smart factory is built and operated and used remotely. It is to provide a system and method for sharing behavior anomaly detection intelligence in a profiling-based smart factory that can share possible anomaly detection intelligence.

본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템은, 각 스마트 공장마다 기설정된 각 계층을 기준으로, 생성되는 행위 데이터를 각각 입력받는 다수의 데이터 입력부(100), 각 스마트 공장 별로 기정의된 표준 벡터 형식을 적용하여, 상기 데이터 입력부(100)에 의해 입력받은 각각의 상기 행위 데이터를 표준 벡터값으로 변환하는 벡터 변환부(200), 상기 벡터 변환부(200)에서 변환한 각 스마트 공장 별 각 계층의 행위 데이터를 취합하여 수집하는 데이터 수집부(300), 상기 데이터 수집부(300)에서 수집한 상기 행위 데이터를 각 계층별로 기저장된 알고리즘을 적용하여, 각 계층의 행위에 대한 정상행위 영역을 설정하고, 설정한 정상행위 영역에 대한 인텔리전트를 생성하는 분석부(400) 및 각 스마트 공장으로 상기 분석부(400)에 의해 생성한 각 계층의 인텔리전트를 공유 전송하는 공유부(500)를 포함하여 구성되는 것이 바람직하다.The intelligent sharing system for detecting behavior abnormality in a profiling-based smart factory according to an embodiment of the present invention is a plurality of data input units 100 that receive generated behavior data based on each layer preset for each smart factory, respectively. , a vector conversion unit 200 that converts each of the behavior data received by the data input unit 100 into a standard vector value by applying a standard vector format predefined for each smart factory, the vector conversion unit 200 ), the data collection unit 300 that collects and collects the behavior data of each layer for each smart factory converted in ), and applies the pre-stored algorithm for each layer to the behavior data collected by the data collection unit 300, Sharing and transmitting the intelligence of each layer generated by the analysis unit 400 to the analysis unit 400 that sets the normal behavior area for the behavior of the layer and generates the intelligence for the set normal behavior area and each smart factory It is preferable to include a sharing unit 500 to

더 나아가, 상기 분석부(400)는 상기 데이터 수집부(300)에서 수집한 각 계층별로 변환 행위 데이터인 각 계층별 표준 벡터값을 SVDD(Support Vector Data Description) 알고리즘에 적용하여, 각 계층별 정상행위 영역을 설정하고, 설정한 상기 각 계층별 정상행위 영역을 반영한 상기 인텔리전트를 생성하는 것이 바람직하다.Furthermore, the analysis unit 400 applies the standard vector value for each layer, which is the conversion behavior data for each layer, collected by the data collection unit 300 to the SVDD (Support Vector Data Description) algorithm, It is preferable to set an action area and generate the intelligent reflecting the set normal action area for each layer.

더 나아가, 상기 데이터 입력부(100)는 각 스마트 공장 별, 각 계층 별로 기설정된 기준에 따라 정상 행위로 판단된 상기 행위 데이터를 입력받는 것이 바람직하다.Furthermore, it is preferable that the data input unit 100 receives the behavior data determined as a normal behavior according to preset criteria for each smart factory and each layer.

더 나아가, 상기 스마트 공장은 상기 공유부(500)를 통해서 상기 분석부(400)에 의해 생성한 각 계층의 인텔리전트를 공유 전송받아, 이 후, 입력되는 각 계층별 행위 데이터의 이상 탐지를 수행하는 것이 바람직하다.Furthermore, the smart factory receives and receives the intelligence of each layer generated by the analysis unit 400 through the sharing unit 500 and then performs abnormal detection of the input behavior data for each layer. it is preferable

더 나아가, 상기 스마트 공장은 공유 전송받은 각 계층의 인텔리전트를 이용하여 수행한 각 계층별 행위 데이터의 이상 탐지 결과에 따라, 기저장된 이상탐지 시스템의 세부 탐지를 제어하는 것이 바람직하다.Furthermore, it is preferable that the smart factory controls the detailed detection of the pre-stored anomaly detection system according to the result of the anomaly detection of the behavior data for each layer performed using the intelligence of each layer shared and transmitted.

본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법은, 데이터 입력부에서, 각 스마트 공장마다 기설정된 각 계층을 기준으로, 각 스마트 공장별 각 계층별 생성되는 행위 데이터를 입력받는 데이터 입력단계(S100), 벡터 변환부에서, 각 스마트 공장마다 기정의된 표준 벡터 형식을 이용하여, 상기 데이터 입력단계(S100)에 의해 입력받은 각각의 행위 데이터를 표준 벡터값으로 변환하는 벡터 변환단계(S200), 데이터 수집부에서, 상기 벡터 변환단계(S200)에 의해 변환한 각 스마트 공장 별 각 계층의 행위 데이터들을 취합하여 수집하는 데이터 취합단계(S300), 분석부에서, 상기 데이터 취합단계(S300)에 의해 취합한 상기 행위 데이터들을 각 계층별로 기저장된 알고리즘을 적용하여, 각 계층별 행위에 대한 정상행위 영역을 설정하는 영역 설정단계(S400), 분석부에서, 상기 영역 설정단계(S400)에 의해 설정한 각 계층별 행위에 대한 정상행위 영역에 대한 인텔리전트 정보를 생성하는 인텔리전트 생성단계(S500) 및 공유부에서, 상기 인텔리전트 생성단계(S500)에 의해 생성한 각 계층별 인텔리전트 정보를 각 스마트 공장으로 공유 전송하는 공유단계(S600)를 포함하여 구성되는 것이 바람직하다.In the intelligent sharing method for detecting behavior abnormality in a profiling-based smart factory according to an embodiment of the present invention, in the data input unit, based on each layer preset for each smart factory, behavior data generated for each layer for each smart factory In the data input step (S100) that receives the input, the vector conversion unit converts each behavior data received by the data input step (S100) into a standard vector value using a standard vector format predefined for each smart factory. In the vector conversion step (S200), in the data collection unit, the data collection step (S300) of collecting and collecting the behavior data of each layer for each smart factory converted by the vector conversion step (S200), in the analysis unit, the A region setting step (S400) of setting a normal behavior region for each layer behavior by applying a pre-stored algorithm for each layer to the behavior data collected by the data collection step (S300), in the analysis unit, setting the region In the intelligent generation step (S500) of generating intelligent information on the normal behavior area for the actions for each layer set by the step (S400) and the sharing unit, the intelligent for each layer generated by the intelligent generation step (S500) It is preferable to include a sharing step (S600) of sharing and transmitting information to each smart factory.

더 나아가, 상기 영역 설정단계(S400)는 ㄴ상기 데이터 취합단계(S300)에 의해 수집한 각 계층별로 변환 행위 데이터인 각 계층별 표준 벡터값을 SVDD(Support Vector Data Description) 알고리즘에 적용하여, 각 계층별 정상행위 영역을 설정하는 것이 바람직하다.Furthermore, in the region setting step (S400), the standard vector value for each layer, which is the conversion behavior data for each layer collected by the data collection step (S300), is applied to the SVDD (Support Vector Data Description) algorithm, each It is desirable to set the normal behavior area for each layer.

더 나아가, 상기 데이터 입력단계(S100)는 각 스마트 공장 별, 각 계층 별로 기설정된 기준에 따라 정상 행위로 판단된 상기 행위 데이터만을 입력받는 것이 바람직하다.Furthermore, in the data input step ( S100 ), it is preferable that only the behavior data determined to be a normal behavior according to preset criteria for each smart factory and each layer is input.

더 나아가, 상기 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법은 상기 공유단계(S600)를 수행하고 난 후, 스마트 공장에서, 상기 공유단계(S600)에 의해 공유 전송받은 각 계층별 인텔리전트 정보를 이용하여, 새롭게 입력되는 각 계층별 행위 데이터의 이상 탐지를 수행하는 이상탐지 단계(S700)를 더 포함하여 구성되는 것이 바람직하다.Furthermore, in the intelligent sharing method for detecting behavior abnormalities in the profiling-based smart factory, after performing the sharing step (S600), in the smart factory, intelligent information for each layer shared and transmitted by the sharing step (S600) It is preferable to further include an anomaly detection step (S700) of performing anomaly detection of newly inputted behavior data for each layer by using .

더 나아가, 상기 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법은 상기 이상탐지 단계(S700)를 수행하고 난 후, 스마트 공장에서, 상기 이상탐짐 단계(S700)의 이상 탐지 결과에 따라, 기설정된 이상탐지 시스템의 세부 탐지를 제어하는 세부탐지 단계(S800)를 더 포함하여 구성되는 것이 바람직하다.Furthermore, in the profiling-based smart factory behavior abnormality detection intelligent sharing method, after performing the abnormality detection step (S700), in the smart factory, according to the abnormality detection result of the abnormality detection step (S700), It is preferable to further include a detailed detection step (S800) for controlling detailed detection of the set anomaly detection system.

상기와 같은 구성에 의한 본 발명의 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법은 스마트 공장을 운영하는 과정에서 발생할 수 있는 여러 가지 보안 위협 중 스마트 공장을 원격으로 모니터링, 제어하는 단말기에 접근할 수 있는 이용자(사용자, 관리자 등)의 심각한 이상 행위를 신속하게 탐지할 수 있는 인텔리전트 정보를 공유할 수 있는 장점이 있다.The intelligent sharing system and method for detecting behavior abnormality in a smart factory based on profiling of the present invention according to the above configuration is a method for remotely monitoring and controlling a smart factory among various security threats that may occur in the process of operating a smart factory. It has the advantage of sharing intelligent information that can quickly detect serious abnormal behaviors of users (users, administrators, etc.) who can access the terminal.

이를 통해서, 스마트 공장을 원격으로 모니터링, 제어하는 단말기에 의한 행위 데이터가 평소와 다르게 비정상적으로 발생할 경우, 이를 탐지하여 발생할 수 있는 각종 보안 사고를 사전에 예방할 수 있는 장점이 있다.Through this, when behavior data by a terminal that remotely monitors and controls the smart factory is abnormally generated, there is an advantage in that it is possible to detect and prevent various security accidents that may occur in advance.

특히, 스마트 공장의 운영 데이터가 공유되는 환경에서, 각각의 스마트 공장을 운영하면서 발생하는 이상 행위 정보를 공유함으로써, 다시 말하자면, 공통되면서 공개할 수 있을 만한 데이터에 의한 이상 행위 정보가 공유되기 때문에, 이를 이용하여 탐지되는 이상행위는 심각한 피해, 치명적인 피해를 끼칠 수 있어 이를 탐지하는 발생할 수 있는 각종 보안 사고를 사전에 예방할 수 있다.In particular, in an environment where operation data of smart factories is shared, by sharing information on abnormal behavior that occurs while operating each smart factory, in other words, because information on abnormal behavior based on common and publicly available data is shared, Abnormal behavior detected using this can cause serious damage or fatal damage, so that various security incidents that can occur can be prevented in advance.

즉, 각각의 스마트 공장에서 독립적으로 수행되는 이상탐지 시스템과 별개로 이상탐지를 수행할 수 있는 인텔리전트 정보를 공유함으로써, 각각의 스마트 공장에서 독립적으로 수행되는 이상탐지 시스의 정확도를 제고하는데 기여하는 장점이 있다.That is, by sharing intelligent information that can perform anomaly detection independently of the anomaly detection system independently performed in each smart factory, the advantage of contributing to improving the accuracy of the anomaly detection system independently performed in each smart factory There is this.

도 1은 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법의 동작 예시도이다.
도 2는 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템을 나타낸 구성 예시도이다.
도 3은 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법을 나타낸 순서 예시도이다.1 is an operation example diagram of an intelligent sharing system for detecting behavior abnormalities in a profiling-based smart factory and a method according to an embodiment of the present invention.
2 is an exemplary configuration diagram illustrating an intelligent sharing system for detecting behavior abnormalities in a profiling-based smart factory according to an embodiment of the present invention.
3 is a flowchart illustrating an intelligent sharing method for detecting behavior abnormalities in a profiling-based smart factory according to an embodiment of the present invention.

이하 첨부한 도면들을 참조하여 본 발명의 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법을 상세히 설명한다. 다음에 소개되는 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 또한, 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.Hereinafter, with reference to the accompanying drawings, an intelligent sharing system and method for detecting behavior abnormalities in a profiling-based smart factory of the present invention will be described in detail. The drawings introduced below are provided as examples in order to sufficiently convey the spirit of the present invention to those skilled in the art. Accordingly, the present invention is not limited to the drawings presented below and may be embodied in other forms. Also, like reference numerals refer to like elements throughout.

이 때, 사용되는 기술 용어 및 과학 용어에 있어서 다른 정의가 없다면, 이 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 설명은 생략한다.At this time, if there is no other definition in the technical terms and scientific terms used, it has the meaning commonly understood by those of ordinary skill in the art to which this invention belongs, and in the following description and accompanying drawings, the subject matter of the present invention Descriptions of known functions and configurations that may unnecessarily obscure will be omitted.

더불어, 시스템은 필요한 기능을 수행하기 위하여 조직화되고 규칙적으로 상호 작용하는 장치, 기구 및 수단 등을 포함하는 구성 요소들의 집합을 의미한다.In addition, the system refers to a set of components including devices, instruments, and means that are organized and regularly interact to perform necessary functions.

본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법은, 스마트 공장을 운영하는 과정에서 발생할 수 있는 여러 가지 보안 위협 중 스마트 공장을 원격으로 모니터링, 제어하는 단말기에 접근할 수 있는 이용자(사용자, 관리자 등)의 심각한 이상 행위를 신속하게 탐지할 수 있는 인텔리전트 정보를 공유하는 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법에 관한 것이다.An intelligent sharing system and method for detecting behavior abnormalities in a profiling-based smart factory according to an embodiment of the present invention, remotely monitoring and controlling a smart factory among various security threats that may occur in the process of operating a smart factory It relates to a behavior abnormality detection intelligent sharing system and method in a profiling-based smart factory that shares intelligent information that can quickly detect serious abnormal behaviors of users (users, administrators, etc.) who can access a terminal.

즉, 스마트 공장을 원격으로 모니터링, 제어하는 단말기에 의한 행위 데이터가 평소와 다르게 비정상적으로 발생할 경우, 이를 탐지하여 발생할 수 있는 각종 보안 사고를 사전에 예방할 수 있는 장점이 있다.That is, there is an advantage in that it is possible to prevent various security incidents that may occur by detecting when behavior data by a terminal that remotely monitors and controls a smart factory is abnormally generated differently from usual.

특히, 스마트 공장의 운영 데이터가 공유되는 환경에서, 각각의 스마트 공장을 운영하면서 발생하는 이상 행위 정보를 공유함으로써, 다시 말하자면, 공통되면서 공개할 수 있을 만한 데이터에 의한 이상 행위 정보가 공유되기 때문에, 이를 이용하여 탐지되는 이상행위는 심각한 피해, 치명적인 피해를 끼칠 수 있어 이를 탐지하는 발생할 수 있는 각종 보안 사고를 사전에 예방하는 것이 반드시 필요하다.In particular, in an environment where operation data of smart factories is shared, by sharing information on abnormal behavior that occurs while operating each smart factory, in other words, because information on abnormal behavior based on common and publicly available data is shared, Abnormal behavior detected using this can cause serious or fatal damage, so it is essential to prevent various security incidents that may occur to detect it in advance.

이에 따라, 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법은, 도 1에 도시된 바와 같이, 각각의 스마트 공장에서 각 계층의 사용자 별로 행위 데이터를 수집하여 이를 프로파일링하고, 각 계층 별로 프로파일링된 행위 데이터를 사전에 정의한 표준 벡터 형식(각 스마트 공장의 상황을 분석하여 공통적으로 공유 가능하도록 설정한 행위 특성 벡터 형식)에 따라 표준 벡터값으로 변환하는 것이 바람직하다. 또한, 각 스마트 공장으로부터 전달받은 표준 벡터값으로 변환한 행위 데이터들을 미리 설정된 알고리즘을 이용하여 정상행위 범위를 설정하고, 이를 각 스마트 공장에서 이용할 수 있도록 공유함으로써, 심각한 이상행위 탐지에 활용할 수 있다.Accordingly, in a profiling-based intelligent sharing system and method for detecting behavior abnormality in a smart factory according to an embodiment of the present invention, as shown in FIG. 1 , behavior data for each user of each layer in each smart factory is It is collected and profiled, and the behavior data profiled for each layer is converted into a standard vector value according to a predefined standard vector format (behavioral characteristic vector format set for common sharing by analyzing the situation of each smart factory) It is preferable to do In addition, the behavior data converted into standard vector values received from each smart factory can be used to detect serious abnormal behavior by setting the range of normal behavior using a preset algorithm and sharing it for use in each smart factory.

이를 통해서, 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법은, 다양한 유형의 스마트 공장을 이용하는 이용자(스마트 공장을 원격으로 모니터링, 제어하는 단말기에 접근할 수 있는 이용자, 사용자, 관리자 등)의 설정된 계층(역할)에 따른 상이한 행위 형태, 예를 들자면, 공장장 계층이 접근할 수 있는 행위 형태, 중간 관리자 계층이 접근할 수 있는 행위 형태 등에 대해서 각 계층 별로 프로파일링하여 이상 탐지를 수행할 수 있는 공유 가능한 인텔리전트 정보를 생성할 수 있다.Through this, the intelligent sharing system and method for detecting behavior abnormality in a profiling-based smart factory according to an embodiment of the present invention, and a user using various types of smart factories (access to terminals remotely monitoring and controlling the smart factory) Different types of actions according to the set hierarchy (roles) of users, users, managers, etc.) By profiling each, it is possible to generate shareable intelligent information that can perform anomaly detection.

특히, 스마트 공장의 정상행위에 대해서 공통적으로 통합된 정상범위를 포괄적으로 정의(설정)함으로써, 그 밖의 영역에 속하는 행위에 대해서는 모두 치명적인, 심각한 행위 이상으로 탐지할 수 있다.In particular, by comprehensively defining (setting) the common and integrated normal range for the normal behavior of a smart factory, all behaviors belonging to other domains can be detected as more than fatal and serious behaviors.

더불어, 개별적으로 운영되는 스마트 공장의 특성상, 인공지능 학습에 이용하기 위한 학습 데이터의 수집까지 많은 시간이 소요되기 때문에, 초기 이상 탐지가 어려운 문제점이 있으나, 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템 및 그 방법을 통해서, 여러 스마트 공장에서 동시에 수집되는 공유 가능한 행위 데이터를 이용하여 이상 탐지를 수행할 수 있는 인텔리전트 정보를 생성함으로써, 상술한 문제점을 해소할 수 있다.In addition, due to the characteristics of individually operated smart factories, it takes a lot of time to collect learning data for use in AI learning, so there is a problem in that it is difficult to detect anomalies in the initial stage, but based on profiling according to an embodiment of the present invention Through the intelligent sharing system and method for detecting behavior anomalies in a smart factory, it is possible to solve the above problems by generating intelligent information that can perform anomaly detection using sharable behavior data collected at the same time in multiple smart factories. have.

이 때, 인텔리전트(intelligent) 정보란 지식과 추론 능력을 가지며 사용자의 직접적인 참여 없이 정규적으로 정보를 수집하거나 또는 서비스를 수행하는 어플리케이션으로서, 본 발명에서는 입력되는 행위 데이터에 대한 행위 이상여부의 탐지를 수행할 수 있는 어플리케이션을 의미하는 것이 바람직하다.At this time, intelligent information is an application that has knowledge and reasoning ability and that regularly collects information or performs a service without direct participation of the user. It is desirable to mean an application that can do it.

도 2는 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템을 나타낸 구성 예시도이며, 도 2를 참조로 하여 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템을 상세히 설명한다.2 is an exemplary configuration diagram illustrating a behavior abnormality detection intelligent sharing system in a profiling-based smart factory according to an embodiment of the present invention, and with reference to FIG. 2, a profiling-based smart factory according to an embodiment of the present invention The behavioral anomaly detection intelligent sharing system will be described in detail.

본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템은 도 2에 도시된 바와 같이, 다수의 데이터 입력부(100), 벡터 변환부(200), 데이터 수집부(300), 분석부(400) 및 공유부(500)를 포함하여 구성되는 것이 바람직하며, 각 구성들은 다수의 스마트 공장에서 공정(운영)이 이루어지는 동안 수집되는 행위 데이터들에 대한 이상여부를 탐지할 수 있는 인텔리전트 정보를 생성하여 공유하는 것이 바람직하다.As shown in FIG. 2 , the intelligent sharing system for detecting behavior abnormality in a profiling-based smart factory according to an embodiment of the present invention includes a plurality of data input units 100 , a vector conversion unit 200 , and a data collection unit 300 . ), it is preferable to include an analysis unit 400 and a sharing unit 500, each of which can detect abnormalities in the behavior data collected during the process (operation) in a plurality of smart factories. It is desirable to create and share intelligent information with

또한, 각 구성들에서 발생하는 데이터들을 전송받아, 이를 데이터베이스화하여 저장 및 관리하는 데이터베이스부(미도시)를 더 포함하여 구성되는 것이 바람직하며, 각 구성들은 하나의 연산처리수단 또는 각각의 연산처리수단에 구성되어 동작을 수행하게 된다.In addition, it is preferable to further include a database unit (not shown) that receives data generated in each configuration, stores and manages it as a database, and each configuration includes one arithmetic processing means or each arithmetic processing unit. It is configured in the means and performs the operation.

각 구성에 대해서 자세히 알아보자면,To learn more about each configuration,

상기 데이터 입력부(100)는 각 스마트 공장마다, 미리 설정된 각 계층 별로, 생성되는 행위 데이터를 각각 입력받는 것이 바람직하다. 이를 위해, 상기 데이터 입력부(100)는 다수 개 포함하여 이루어지는 것이 바람직하다.Preferably, the data input unit 100 receives the generated behavior data for each smart factory and for each preset layer. To this end, it is preferable that the data input unit 100 includes a plurality.

상세하게는, 상기 데이터 입력부(100)는 각 스마트 공장마다, 미리 설정된 각 계층(레벨, 역할 등) 별로 생성되는 각각의 행위 데이터를 입력받는 것이 바람직하다. 일 예를 들자면, A 스마트 공장으로부터 공장장 계층에서 생성되는 행위 데이터는 a 데이터 입력부로 입력되는 것이 바람직하며, B 스마트 공장으로부터 운영자 계층에서 생성되는 행위 데이터는 b 데이터 입력부로 입력되는 것이 바람직하다.In detail, it is preferable that the data input unit 100 receives respective action data generated for each preset layer (level, role, etc.) for each smart factory. For example, it is preferable that behavior data generated in the factory manager layer from the smart factory A is input to the data input unit a, and the behavior data generated in the operator layer from the smart factory B is preferably input in the data input unit b.

이 때, 상기 데이터 입력부(100)는 각 스마트 공장 별로, 미리 설정된 기준에 따라 정상 행위로 판단된 상기 행위 데이터만을 입력받는 것이 바람직하다.At this time, it is preferable that the data input unit 100 receives only the behavior data determined to be a normal behavior according to a preset standard for each smart factory.

일 예를 들자면, A 스마트 공장으로부터 공장장 계층에서 생성되는 행위 데이터는 제어 데이터 입력 행위/결과 데이터 확인 행위까지 정상 행위로 판단될 경우, 상기 데이터 입력부(100)는 A 스마트 공장으로부터 공장장 계층에서 생성되는 행위 데이터로 '제어 데이터 입력 행위/결과 데이터 확인 행위'를 입력받는 것이 바람직하며, B 스마트 공장으로부터 운영자 계층에서 생성되는 행위 데이터는 제어 데이터 확인 행위/결과 데이터 입력 행위까지 정상 행위로 판단될 경우, 상기 데이터 입력부(100)는 B 스마트 공장으로부터 운영자 계층에서 생성되는 행위 데이터로 '제어 데이터 확인 행위/결과 데이터 입력 행위'를 입력받는 것이 바람직하다. 물론, 스마트 공장의 운영 특성에 따라 공장장 계층이라 할지라도 제어 데이터 입력 행위가 허용되지 않을 수 있다. 이 경우, 정상 행위로 판단되는 상기 행위 데이터만을 입력받는 것이 바람직하다.For example, if the behavior data generated in the factory manager layer from the smart factory A is determined to be a normal behavior up to the control data input action/result data confirmation action, the data input unit 100 is generated in the factory manager layer from the smart factory A It is desirable to receive 'control data input behavior/result data confirmation behavior' as behavior data, and behavior data generated at the operator layer from B smart factory is judged to be a normal behavior until the control data validation behavior/result data input behavior, It is preferable that the data input unit 100 receives 'control data confirmation action/result data input action' as action data generated in the operator layer from the smart factory B. Of course, depending on the operating characteristics of the smart factory, the act of inputting control data may not be allowed even for the factory manager layer. In this case, it is preferable to receive only the behavior data determined to be a normal behavior.

상기 벡터 변환부(200)는 각 스마트 공장 별로 미리 정의된 표준 벡터 형식을 적용하여, 상기 데이터 입력부(100)에 의해 입력받는 각각의 상기 행위 데이터를 표준 벡터값으로 변환하는 것이 바람직하다.Preferably, the vector conversion unit 200 converts each of the behavior data received by the data input unit 100 into a standard vector value by applying a standard vector format predefined for each smart factory.

이 때, 미리 정의된 표준 벡터 형식이란, 각각의 스마트 공장의 상황을 분석하여 공통적으로 공유 가능하도록 설정한 계층별 행위 특성 벡터 형식을 의미한다. 즉, 각 스마트 공장의 계층별 프로파일링한 정상 행위 데이터를 공유하기 위해, 사전에 각 스마트 공장의 특성에 맞게 정립한 표준화된 벡터 형식을 이용하여 상기 데이터 입력부(100)에 의해 입력받는 각각의 상기 행위 데이터를 표준 벡터값으로 변환하는 것이 바람직하다.In this case, the predefined standard vector format means a behavioral characteristic vector format for each layer, which is set to be shared in common by analyzing the situation of each smart factory. That is, in order to share the profiled normal behavior data for each layer of each smart factory, each said It is desirable to convert the behavior data into a standard vector value.

상기 데이터 수집부(300)는 상기 벡터 변환부(200)에서 변환한 각 스마트 공장 별 각 계층의 행위 데이터들을 취합하여 수집하는 것이 바람직하다.It is preferable that the data collection unit 300 collects and collects the behavior data of each layer for each smart factory converted by the vector conversion unit 200 .

즉, 각각의 변환 단계를 수행한 각 스마트 공장의 각 계층들의 행위 데이터를 통합함으로써, 개별 운영이 이루어지는 다수의 스마트 공장들의 행위 데이터들 중 공유할 수 있는 데이터들을 취합하여 수집하는 것이 바람직하다.That is, by integrating the behavior data of each layer of each smart factory that has performed each transformation step, it is desirable to collect and collect data that can be shared among the behavior data of a plurality of smart factories that are individually operated.

상기 분석부(400)는 상기 데이터 수집부(300)에서 수집한 변환한 각 스마트 공장 별 각 계층의 행위 데이터들을 각 계층별로 미리 저장된 알고리즘을 적용하여, 각 계층의 행위에 대한 정상행위 영역을 설정하고, 설정한 정상행위 영역에 대한 인텔리전트 정보를 생성하는 것이 바람직하다.The analysis unit 400 applies an algorithm stored in advance for each layer to the converted behavior data of each layer for each smart factory collected by the data collection unit 300, and sets the normal behavior area for the behavior of each layer. and to generate intelligent information on the set normal behavior area.

상세하게는, 상기 분석부(400)는 상기 데이터 수집부(300)에서 수집한 변환한 각 스마트 공장 별 각 계층의 행위 데이터들인 각 계층별 표준 벡터값들을 SVDD(Support Vector Data Description) 알고리즘에 적용하여, 각 계층별 정상행위 영역을 설정하는 것이 바람직하다.In detail, the analysis unit 400 applies standard vector values for each layer, which are behavior data of each layer for each smart factory, collected by the data collection unit 300 and converted to a Support Vector Data Description (SVDD) algorithm. Therefore, it is desirable to set the normal behavior area for each layer.

여기서, SVDD 알고리즘이란, 학습 데이터(각 계층별 표준 벡터값들)의 feature space를 통해 정상 데이터를 둘러싸는 가장 작은 구(정상행위 영역)를 설정하고, 이를 통해서 이상치 탐지를 수행할 수 있는 알고리즘이다.Here, the SVDD algorithm is an algorithm that can perform outlier detection by setting the smallest sphere (normal behavior region) surrounding the normal data through the feature space of the training data (standard vector values for each layer). .

또한, 상기 분석부(400)는 설정한 각 계층별 정상행위 영역을 반영한 상기 인텔리전트 정보를 생성하는 것이 바람직하며, 정상 데이터를 둘러싸는 가장 작은 구가 갖는 중심점, 반지름 등을 통해서 상기 인텔리전트 정보를 생성하게 된다.In addition, it is preferable that the analysis unit 400 generates the intelligent information reflecting the set normal behavior area for each layer, and generates the intelligent information through the center point and radius of the smallest sphere surrounding the normal data. will do

상기 공유부(500)는 각각의 스마트 공장으로, 상기 분석부(400)에 의해 생성한 각 계층의 인텔리전트 정보를 공유 전송하는 것이 바람직하며, 이 때, 상기 인텔리전트 정보를 공유 전송받는 스마트 공장으로는 상기 데이터 입력부(100)를 통해서 행위 데이터를 입력한 스마트 공장인 것이 가장 바람직하다.It is preferable that the sharing unit 500 share and transmit the intelligent information of each layer generated by the analysis unit 400 to each smart factory. Most preferably, it is a smart factory in which behavior data is input through the data input unit 100 .

개별적으로 각각의 상기 스마트 공장은 상기 공유부(500)를 통해서 상기 분석부(400)에 의해 생성한 각 계층의 인텔리전트 정보를 공유 전송받아, 이 후, 입력되는 각 계층별 행위 데이터의 이상 탐지를 수행할 수 있다. 이 때, 상기 분석부(400)에 의해 생성한 각 계층의 인텔리전트 정보는 상술한 바와 같이, 각 스마트 공장들 간의 공유 가능한 범위 내에서의 행위 데이터를 입력받아 생성되게 된다.Individually, each smart factory receives the intelligent information of each layer generated by the analysis unit 400 through the sharing unit 500 to share and transmit, and then detects anomalies in the input behavior data for each layer. can be done At this time, as described above, the intelligent information of each layer generated by the analysis unit 400 is generated by receiving action data within a shareable range between each smart factory.

그렇기 때문에, 이를 통해서 생성된 각 계층의 인텔리전트 정보에 의한 이상 탐지 결과에 의해 이상 행위로 판단될 경우, 공통적으로 포괄한 이상 행위이기 때문에 치명적인 이상 행위일 가능성이 매우 높다. 그렇기 때문에, 개별적으로 각각의 상기 스마트 공장은 상기 인텔리전트 정보에 의한 이상 탐지 결과에 따라, 미리 저장된 각각의 이상탐지 시스템의 세부 탐지를 제어하는 것이 바람직하다.Therefore, when it is judged to be an abnormal behavior based on the abnormal detection result by the intelligent information of each layer generated through this, it is highly probable that it is a fatal abnormal behavior because it is a common abnormal behavior. Therefore, it is preferable that each of the smart factories individually control the detailed detection of each anomaly detection system stored in advance according to the abnormality detection result by the intelligent information.

즉, 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템은, 각각의 스마트 공장에 맞춤형 이상 행위 탐지가 아닌 공통적으로 포괄한 이상 행위 탐지가 가능하기 때문에, 각각의 스마트 공장에선 개별적으로 맞춤화되어 있는 각각의 이상탐지 시스템과는 별개로 동작을 수행하는 것이 바람직하다.That is, since the intelligent sharing system for detecting behavior abnormalities in a profiling-based smart factory according to an embodiment of the present invention is capable of detecting abnormal behaviors that are not customized to each smart factory, but common abnormal behavior detection, each In smart factories, it is desirable to perform operations independently of each individually customized anomaly detection system.

도 3은 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법을 나타낸 순서 예시도이며, 도 3을 참조하여 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법을 상세히 설명하도록 한다.3 is a flowchart illustrating an intelligent sharing method for detecting behavior abnormalities in a profiling-based smart factory according to an embodiment of the present invention, and in the profiling-based smart factory according to an embodiment of the present invention with reference to FIG. Describe in detail the method of sharing intelligent behavioral anomaly detection.

본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법은 도 3에 도시된 바와 같이, 데이터 입력단계(S100), 벡터 변환단계(S200), 데이터 취합단계(S300), 영역 설정단계(S400), 인텔리전트 생성단계(S500) 및 공유단계(S600)를 포함하여 구성되는 것이 바람직하다.As shown in FIG. 3, the method for intelligent sharing of behavior anomaly detection in a profiling-based smart factory according to an embodiment of the present invention includes a data input step (S100), a vector conversion step (S200), and a data collection step (S300). , it is preferably configured to include a region setting step (S400), an intelligent generation step (S500) and a sharing step (S600).

상기 데이터 입력단계(S100)는 상기 데이터 입력부(100)에서, 각 스마트 공장마다, 미리 설정된 각 계층 별로, 생성되는 행위 데이터를 각각 입력받는 것이 바람직하다. 상세하게는, 상기 데이터 입력단계(S100)는 각 스마트 공장마다, 미리 설정된 각 계층(레벨, 역할 등) 별로 생성되는 각각의 행위 데이터를 입력받는 것이 바람직하다. 일 예를 들자면, A 스마트 공장으로부터 공장장 계층에서 생성되는 행위 데이터는 a 데이터 입력부로 입력되는 것이 바람직하며, B 스마트 공장으로부터 운영자 계층에서 생성되는 행위 데이터는 b 데이터 입력부로 입력되는 것이 바람직하다.In the data input step ( S100 ), it is preferable that the data input unit 100 receives the generated behavior data for each smart factory and for each preset layer. In detail, in the data input step ( S100 ), it is preferable to receive each action data generated for each preset layer (level, role, etc.) for each smart factory. For example, it is preferable that behavior data generated in the factory manager layer from the smart factory A is input to the data input unit a, and the behavior data generated in the operator layer from the smart factory B is preferably input in the data input unit b.

이 때, 상기 데이터 입력단계(S100)는 각 스마트 공장 별로, 미리 설정된 기준에 따라 정상 행위로 판단된 상기 행위 데이터만을 입력받는 것이 바람직하다.At this time, in the data input step ( S100 ), it is preferable that only the behavior data determined as a normal behavior according to a preset standard for each smart factory is input.

상기 벡터 변환단계(S200)는 상기 벡터 변환부(200)에서, 각 스마트 공장 별로 미리 정의된 표준 벡터 형식을 적용하여, 상기 데이터 입력단계(S100)에 의해 입력받는 각각의 상기 행위 데이터를 표준 벡터값으로 변환하는 것이 바람직하다.In the vector conversion step (S200), the vector conversion unit 200 applies a standard vector format predefined for each smart factory, and converts each of the behavior data received by the data input step (S100) to a standard vector. It is preferable to convert it to a value.

이 때, 미리 정의된 표준 벡터 형식이란, 각각의 스마트 공장의 상황을 분석하여 공통적으로 공유 가능하도록 설정한 계층별 행위 특성 벡터 형식을 의미한다. 즉, 각 스마트 공장의 계층별 프로파일링한 정상 행위 데이터를 공유하기 위해, 사전에 각 스마트 공장의 특성에 맞게 정립한 표준화된 벡터 형식을 이용하여 상기 데이터 입력단계(S100)에 의해 입력받는 각각의 상기 행위 데이터를 표준 벡터값으로 변환하는 것이 바람직하다.In this case, the predefined standard vector format means a behavioral characteristic vector format for each layer, which is set to be shared in common by analyzing the situation of each smart factory. That is, in order to share the profiled normal behavior data for each layer of each smart factory, each data input received by the data input step (S100) using a standardized vector format established in advance for the characteristics of each smart factory Preferably, the behavior data is converted into a standard vector value.

상기 데이터 취합단계(S300)는 상기 데이터 수집부(300)에서, 상기 벡터 변환단계(S200)에 의해 변환한 각 스마트 공장 별 각 계층의 행위 데이터들을 취합하여 수집하는 것이 바람직하다.In the data collection step (S300), it is preferable that the data collection unit 300 collects and collects behavior data of each layer for each smart factory converted by the vector conversion step (S200).

즉, 각각의 변환 단계를 수행한 각 스마트 공장의 각 계층들의 행위 데이터를 통합함으로써, 개별 운영이 이루어지는 다수의 스마트 공장들의 행위 데이터들 중 공유할 수 있는 데이터들을 취합하여 수집하는 것이 바람직하다.That is, by integrating the behavior data of each layer of each smart factory that has performed each transformation step, it is desirable to collect and collect data that can be shared among the behavior data of a plurality of smart factories that are individually operated.

상기 영역 설정단계(S400)는 상기 분석부(400)에서, 상기 데이터 취합단계(S300)에 의해 수집한 변환한 각 스마트 공장 별 각 계층의 행위 데이터들을 각 계층별로 미리 저장된 알고리즘을 적용하여, 각 계층의 행위에 대한 정상행위 영역을 설정하는 것이 바람직하다.In the region setting step (S400), the analysis unit 400 applies the pre-stored algorithm for each layer to the converted behavior data of each layer for each smart factory collected by the data collection step (S300), It is desirable to set the normal behavior area for the behavior of the hierarchy.

상세하게는, 상기 영역 설정단계(S400)는 상기 데이터 취합단계(S300)에 의해 수집한 변환한 각 스마트 공장 별 각 계층의 행위 데이터들인 각 계층별 표준 벡터값들을 SVDD(Support Vector Data Description) 알고리즘에 적용하여, 각 계층별 정상행위 영역을 설정하는 것이 바람직하다.In detail, the area setting step (S400) is the SVDD (Support Vector Data Description) algorithm for the standard vector values for each layer, which are the behavior data of each layer for each smart factory converted by the data collection step (S300). It is desirable to set the normal behavior area for each layer.

여기서, SVDD 알고리즘이란, 학습 데이터(각 계층별 표준 벡터값들)의 feature space를 통해 정상 데이터를 둘러싸는 가장 작은 구(정상행위 영역)를 설정하고, 이를 통해서 이상치 탐지를 수행할 수 있는 알고리즘이다.Here, the SVDD algorithm is an algorithm that can perform outlier detection by setting the smallest sphere (normal behavior region) surrounding the normal data through the feature space of the training data (standard vector values for each layer). .

상기 인텔리전트 생성단계(S500)는 상기 분석부(400)에서, 상기 영역 설정단계(S400)에 의해 설정한 각 계층별 행위에 대한 정상행위 영역에 대한 인텔리전트 정보를 생성하는 것이 바람직하다. 즉, In the intelligent generating step (S500), it is preferable that the analysis unit 400 generates intelligent information on the normal behavior area for the actions for each layer set by the area setting step (S400). in other words,

상기 인텔리전트 생성단계(S500)는 상기 영역 설정단계(S400)에 의해 설정한 각 계층별 정상행위 영역을 반영한 상기 인텔리전트 정보를 생성하는 것이 바람직하며, 정상 데이터를 둘러싸는 가장 작은 구가 갖는 중심점, 반지름 등을 통해서 상기 인텔리전트 정보를 생성하게 된다.In the intelligent generation step (S500), it is preferable to generate the intelligent information reflecting the normal behavior area for each layer set by the area setting step (S400), and the center point and radius of the smallest sphere surrounding the normal data and the like to generate the intelligent information.

상기 공유단계(S600)는 상기 공유부(500)에서, 상기 인텔리전트 생성단계(S500)에 의해 생성한 각 계층의 인텔리전트 정보를 공유 전송하는 것이 바람직하며, 이 때, 상기 인텔리전트 정보를 공유 전송받는 스마트 공장으로는 상기 데이터 입력단계(S100)에 의해 행위 데이터를 입력한 스마트 공장인 것이 가장 바람직하다.In the sharing step (S600), it is preferable that the sharing unit 500 share and transmit the intelligent information of each layer generated by the intelligent generation step (S500). The factory is most preferably a smart factory in which behavior data is input by the data input step (S100).

개별적으로 각각의 상기 스마트 공장은 상기 공유단계(S600)를 수행하고 난 후, 도 3에 도시된 바와 같이, 이상탐지 단계(S700) 및 세부탐지 단계(S800)를 더 포함하여 구성되는 것이 바람직하다.Each of the smart factories individually after performing the sharing step (S600), as shown in Figure 3, it is preferable to further include an anomaly detection step (S700) and a detailed detection step (S800) .

상기 이상탐지 단계(S700)는 개별적으로 각각의 상기 스마트 공장에서, 상기 공유단계(S600)에 의해 공유 전송받은 각 계층의 인텔리전트 정보를 이용하여, 이 후, 새롭게 입력되는 각 계층별 행위 데이터의 이상 탐지를 수행할 수 있다.The anomaly detection step (S700) is performed individually in each smart factory by using the intelligent information of each layer shared and transmitted by the sharing step (S600), and thereafter, the abnormality of the behavior data for each layer newly inputted detection can be performed.

여기서, 각 계층의 인텔리전트 정보는 상술한 바와 같이, 각 스마트 공장들 간의 공유 가능한 범위 내에서의 행위 데이터를 입력받아 생성되게 된다. 그렇기 때문에, 생성된 각 계층의 인텔리전트 정보에 의한 이상 탐지 결과에 의해 이상 행위로 판단될 경우, 공통적으로 포괄한 이상 행위이기 때문에 치명적인 이상 행위일 가능성이 매우 높다. 이에 따라, 개별적으로 각각의 상기 스마트 공장은 상기 인텔리전트 정보에 의한 이상 탐지 결과에 따라, 미리 저장된 각각의 이상탐지 시스템의 세부 탐지를 제어하는 것이 바람직하다.Here, as described above, the intelligent information of each layer is generated by inputting behavior data within a sharable range between each smart factory. Therefore, when it is judged to be an abnormal behavior based on an abnormality detection result based on the generated intelligent information of each layer, since it is a common abnormal behavior, the possibility of fatal abnormal behavior is very high. Accordingly, it is preferable that each of the smart factories individually control the detailed detection of each anomaly detection system stored in advance according to the abnormality detection result based on the intelligent information.

즉, 상기 세부탐지 단계(S800)를 통해서, 상기 이상탐지 단계(S700)의 상기 인텔리전트 정보에 의한 이상 탐지 결과에 따라, 미리 저장된 각각의 이상탐지 시스템의 세부 탐지를 제어하는 것이 바람직하다.That is, through the detailed detection step (S800), it is preferable to control the detailed detection of each anomaly detection system stored in advance according to the abnormality detection result based on the intelligent information in the abnormality detection step (S700).

이는, 본 발명의 일 실시예에 따른 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법은, 각각의 스마트 공장에 맞춤형 이상 행위 탐지가 아닌 공통적으로 포괄한 이상 행위 탐지가 가능하기 때문에, 각각의 스마트 공장에선 개별적으로 맞춤화되어 있는 각각의 이상탐지 시스템과는 별개로 상기 세부탐지 단계(S800)의 동작을 수행하는 것이 바람직하다.This is because the intelligent sharing method for detecting behavior abnormalities in a profiling-based smart factory according to an embodiment of the present invention enables detection of abnormal behaviors in common rather than detection of abnormal behaviors customized to each smart factory. In the smart factory, it is preferable to perform the operation of the detailed detection step (S800) separately from each individually customized anomaly detection system.

이상과 같이 본 발명에서는 구체적인 구성 소자 등과 같은 특정 사항들과 한정된 실시예 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것 일 뿐, 본 발명은 상기의 일 실시예에 한정되는 것이 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.As described above, in the present invention, specific matters such as specific components and the like and limited embodiment drawings have been described, but these are only provided to help a more general understanding of the present invention, and the present invention is not limited to the above one embodiment. No, various modifications and variations are possible from these descriptions by those of ordinary skill in the art to which the present invention pertains.

따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허 청구 범위뿐 아니라 이 특허 청구 범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.Therefore, the spirit of the present invention should not be limited to the described embodiments, and not only the claims to be described later, but also all those with equivalent or equivalent modifications to the claims will be said to belong to the scope of the spirit of the present invention. .

100 : 데이터 입력부
200 : 벡터 변환부
300 : 데이터 수집부
400 : 분석부
500 : 공유부100: data input unit
200: vector conversion unit
300: data collection unit
400: analysis unit
500: common

Claims (10)

다수 개 구성되어, 각 스마트 공장마다, 기설정된 각각의 계층을 기준으로 각 계층 별로 생성되는 각각의 행위 데이터를 각각 입력받는 데이터 입력부(100);
각 스마트 공장 별로 기정의된 표준 벡터 형식을 적용하여, 상기 데이터 입력부(100)에 의해 입력받은 각각의 상기 행위 데이터를 표준 벡터값으로 변환하는 벡터 변환부(200);
상기 벡터 변환부(200)에서 변환한 각 스마트 공장 별 각 계층의 행위 데이터를 취합하여 수집하는 데이터 수집부(300);
상기 데이터 수집부(300)에서 수집한 상기 행위 데이터를 각 계층별로 기저장된 알고리즘을 적용하여, 각 계층의 행위에 대한 정상행위 영역을 설정하고, 설정한 정상행위 영역에 대한 인텔리전트를 생성하는 분석부(400); 및
각 스마트 공장으로 상기 분석부(400)에 의해 생성한 각 계층의 인텔리전트를 공유 전송하는 공유부(500);
를 포함하여 구성되며,
상기 데이터 입력부(100)는
해당하는 각 스마트 공장 별로 기설정된 기준에 따라 독립적으로 수행되는 이상탐지 시스템의 탐지 결과, 정상 행위로 판단뒨 행위 데이터를 입력받으며,
각 스마트 공장은
각각의 스마트 공장 별로 기설정된 기준에 따라 독립적으로 수행되는 이상탐지 시스템과는 별개로, 상기 공유부(500)를 통해서 상기 분석부(400)에 의해 생성한 각 계층의 인텔리전트를 공유 전송받아, 이 후, 입력되는 각 계층별 행위 데이터의 이상 탐지를 수행하는 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템.
a data input unit 100 that is configured in plurality and receives respective action data generated for each layer based on each preset layer for each smart factory;
a vector conversion unit 200 for converting each of the behavior data received by the data input unit 100 into a standard vector value by applying a standard vector format predefined for each smart factory;
a data collection unit 300 for collecting and collecting behavior data of each layer for each smart factory converted by the vector conversion unit 200;
An analysis unit that applies a pre-stored algorithm for each layer to the behavior data collected by the data collection unit 300 to set a normal behavior region for the behavior of each layer, and generates an intelligent intelligence for the set normal behavior region (400); and
a sharing unit 500 for sharing and transmitting the intelligence of each layer generated by the analysis unit 400 to each smart factory;
It consists of
The data input unit 100 is
Receives behavior data that is determined as normal behavior as a result of detection of an anomaly detection system independently performed according to preset standards for each corresponding smart factory;
Each smart factory
Separately from the anomaly detection system independently performed according to a preset standard for each smart factory, the intelligence of each layer generated by the analysis unit 400 is shared and transmitted through the sharing unit 500, and this Behavioral anomaly detection intelligent sharing system in a profiling-based smart factory that performs anomaly detection of inputted behavioral data for each layer afterward.
 제 1항에 있어서,
상기 분석부(400)는
상기 데이터 수집부(300)에서 수집한 각 계층별로 변환 행위 데이터인 각 계층별 표준 벡터값을 SVDD(Support Vector Data Description) 알고리즘에 적용하여, 각 계층별 정상행위 영역을 설정하고, 설정한 상기 각 계층별 정상행위 영역을 반영한 상기 인텔리전트를 생성하는 것을 특징으로 하는 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템.
The method of claim 1,
The analysis unit 400 is
By applying the standard vector value for each layer, which is the conversion behavior data for each layer, collected by the data collection unit 300 to the SVDD (Support Vector Data Description) algorithm, a normal behavior area for each layer is set, and each of the set Behavior abnormality detection intelligent sharing system in a profiling-based smart factory, characterized in that generating the intelligent reflecting the normal behavior area for each layer.
 삭제delete 삭제delete 제 1항에 있어서,
상기 스마트 공장은
공유 전송받은 각 계층의 인텔리전트를 이용하여 수행한 각 계층별 행위 데이터의 이상 탐지 결과에 따라, 기저장된 이상탐지 시스템의 세부 탐지를 제어하는 것을 특징으로 하는 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 시스템.
The method of claim 1,
The smart factory
Behavior anomaly detection intelligence in a profiling-based smart factory, characterized in that it controls the detailed detection of a pre-stored anomaly detection system according to the anomaly detection result of the behavior data for each layer performed using the shared and transmitted intelligence of each layer shared system.
 데이터 입력부에서, 각 스마트 공장마다 기설정된 각 계층을 기준으로, 각 스마트 공장별 각 계층별 생성되는 각각의 행위 데이터를 입력받는 데이터 입력단계(S100);
벡터 변환부에서, 각 스마트 공장마다 기정의된 표준 벡터 형식을 이용하여, 상기 데이터 입력단계(S100)에 의해 입력받은 각각의 행위 데이터를 표준 벡터값으로 변환하는 벡터 변환단계(S200);
데이터 수집부에서, 상기 벡터 변환단계(S200)에 의해 변환한 각 스마트 공장 별 각 계층의 행위 데이터들을 취합하여 수집하는 데이터 취합단계(S300);
분석부에서, 상기 데이터 취합단계(S300)에 의해 취합한 상기 행위 데이터들을 각 계층별로 기저장된 알고리즘을 적용하여, 각 계층별 행위에 대한 정상행위 영역을 설정하는 영역 설정단계(S400);
분석부에서, 상기 영역 설정단계(S400)에 의해 설정한 각 계층별 행위에 대한 정상행위 영역에 대한 인텔리전트 정보를 생성하는 인텔리전트 생성단계(S500); 및
공유부에서, 상기 인텔리전트 생성단계(S500)에 의해 생성한 각 계층별 인텔리전트 정보를 각 스마트 공장으로 공유 전송하는 공유단계(S600);
를 포함하여 구성되며,
상기 데이터 입력단계(S100)는
해당하는 각 스마트 공장 별로 기설정된 기준에 따라 독립적으로 수행되는 이상탐지 시스템의 탐지 결과, 정상 행위로 판단된 행위 데이터만을 입력받으며,
상기 공유단계(S600)를 수행하고 난 후, 각각의 스마트 공장에서, 각 스마트 공장 별로 기설정된 기준에 따라 독립적으로 수행되는 이상탐지 시스템과는 별개로, 상기 공유단계(S600)에 의해 공유 전송받은 각 계층별 인텔리전트 정보를 이용하여, 이 후, 새롭게 입력되는 각 계층별 행위 데이터의 이상 탐지를 수행하는 이상탐지 단계(S700);
를 더 포함하는 것을 특징으로 하는 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법.
A data input step (S100) of receiving, in the data input unit, each action data generated for each layer for each smart factory based on each layer preset for each smart factory (S100);
A vector conversion step (S200) of converting each behavior data input by the data input step (S100) into a standard vector value using a standard vector format predefined for each smart factory in the vector conversion unit;
In the data collection unit, a data collection step (S300) of collecting and collecting the behavior data of each layer for each smart factory converted by the vector conversion step (S200);
a region setting step (S400) of setting, in the analysis unit, a normal behavior region for each layer behavior by applying a pre-stored algorithm for each layer to the behavior data collected by the data aggregation step (S300);
an intelligent generation step (S500) of generating, in the analysis unit, intelligent information on a normal behavior region for each layer-specific behavior set by the region setting step (S400); and
a sharing step (S600) of sharing and transmitting, in the sharing unit, the intelligent information for each layer generated by the intelligent generation step (S500) to each smart factory;
It consists of
The data input step (S100) is
Receives only behavior data determined to be normal behavior as a result of detection of an anomaly detection system independently performed according to preset standards for each corresponding smart factory,
After performing the sharing step (S600), in each smart factory, the shared transmission received by the sharing step (S600) separately from the anomaly detection system independently performed according to a preset standard for each smart factory An anomaly detection step (S700) of performing anomaly detection of newly inputted behavior data for each layer by using the intelligent information for each layer;
Behavior anomaly detection intelligent sharing method in a profiling-based smart factory, characterized in that it further comprises.
 제 6항에 있어서,
상기 영역 설정단계(S400)는
상기 데이터 취합단계(S300)에 의해 수집한 각 계층별로 변환 행위 데이터인 각 계층별 표준 벡터값을 SVDD(Support Vector Data Description) 알고리즘에 적용하여, 각 계층별 정상행위 영역을 설정하는 것을 특징으로 하는 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법.
7. The method of claim 6,
The area setting step (S400) is
A standard vector value for each layer, which is conversion behavior data for each layer collected by the data collection step (S300), is applied to an SVDD (Support Vector Data Description) algorithm, characterized in that the normal behavior area for each layer is set. An intelligent sharing method for detecting behavior anomalies in a profiling-based smart factory.
 삭제delete 삭제delete 제 6항에 있어서,
상기 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법은
상기 이상탐지 단계(S700)를 수행하고 난 후, 스마트 공장에서, 상기 이상탐지 단계(S700)의 이상 탐지 결과에 따라, 기설정된 이상탐지 시스템의 세부 탐지를 제어하는 세부탐지 단계(S800);
를 더 포함하여 구성되는 것을 특징으로 하는 프로파일링 기반 스마트 공장에서의 행위 이상탐지 인텔리전트 공유 방법.7. The method of claim 6,
The intelligent sharing method for detecting behavior abnormalities in the profiling-based smart factory is
After performing the anomaly detection step (S700), in the smart factory, a detailed detection step (S800) of controlling the detailed detection of a preset anomaly detection system according to the abnormality detection result of the anomaly detection step (S700);
Behavior anomaly detection intelligent sharing method in a profiling-based smart factory, characterized in that it further comprises a.
KR1020200175057A 2020-12-15 2020-12-15 Behavior abnormal detection intelligent sharing system and method in smart factory based on profiling KR102429393B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200175057A KR102429393B1 (en) 2020-12-15 2020-12-15 Behavior abnormal detection intelligent sharing system and method in smart factory based on profiling

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200175057A KR102429393B1 (en) 2020-12-15 2020-12-15 Behavior abnormal detection intelligent sharing system and method in smart factory based on profiling

Publications (2)

Publication Number Publication Date
KR20220085192A KR20220085192A (en) 2022-06-22
KR102429393B1 true KR102429393B1 (en) 2022-08-04

Family

ID=82216351

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200175057A KR102429393B1 (en) 2020-12-15 2020-12-15 Behavior abnormal detection intelligent sharing system and method in smart factory based on profiling

Country Status (1)

Country Link
KR (1) KR102429393B1 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101679578B1 (en) * 2015-05-27 2016-11-25 주식회사 윈스 Apparatus and method for providing controlling service for iot security
KR101750760B1 (en) * 2016-11-24 2017-07-11 (주)유엠로직스 System and method for anomaly behavior detection of smart home service

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180042557A (en) * 2016-10-18 2018-04-26 삼성전자주식회사 Electronic device for monitoring a status of a machine and control method thereof
KR102157031B1 (en) 2018-12-27 2020-09-18 동서대학교 산학협력단 Device and method for detecting abnormal behavior using server motor electric power consumption

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101679578B1 (en) * 2015-05-27 2016-11-25 주식회사 윈스 Apparatus and method for providing controlling service for iot security
KR101750760B1 (en) * 2016-11-24 2017-07-11 (주)유엠로직스 System and method for anomaly behavior detection of smart home service

Also Published As

Publication number Publication date
KR20220085192A (en) 2022-06-22

Similar Documents

Publication Publication Date Title
Lee et al. Service innovation and smart analytics for industry 4.0 and big data environment
KR102073085B1 (en) Dynamic monitoring system based on FBD machine learning and method thereof
KR102086451B1 (en) Smart Factory remote collaboration CMS system in augmented reality and Drive method of the Same
Jansen et al. Mitigating risks of digitalization through managed industrial security services
Pacella et al. Using recurrent neural networks to detect changes in autocorrelated processes for quality monitoring
Tedeschi et al. A cost estimation approach for IoT modular architectures implementation in legacy systems
US7869887B2 (en) Discoverable services
US11833685B2 (en) System using natural conversation for monitoring a facility
US20220221832A1 (en) A Method for Configuring a Monitoring System Used to Monitor Industrial Processes and Industrial Assets
JP2019523512A (en) System and method for analyzing and authenticating scenarios and actions performed in a plant or factory
Stokic et al. Self-learning embedded services for integration of complex, flexible production systems
Galar et al. Fusion of maintenance and control data: a need for the process
Queiroz et al. Agent-based distributed data analysis in industrial cyber-physical systems
CN101149606A (en) Industrial process evaluation device and industrial process evaluation method
KR102429393B1 (en) Behavior abnormal detection intelligent sharing system and method in smart factory based on profiling
KR102476392B1 (en) Smart factory operation analysis system and method
Larrinaga et al. Implementation of a reference architecture for cyber physical systems to support condition based maintenance
KR102417694B1 (en) Anomaly detection system and method in smart manufacturing environment using multiple AI techniques
KR102417752B1 (en) System and method for threat detecting based on AI in OT/ICS
KR102489119B1 (en) Smart FMEA system and process management system and method using thereof
Stokic et al. Generic self-learning context sensitive solution for adaptive manufacturing and decision making systems
Backhaus et al. Deployment architecture for the local delivery of ML-Models to the industrial shop floor
Scholze et al. Reliable self-learning production systems based on context aware services
Ganesh et al. The Industry 4.0 for Secure and Smarter Manufacturing
CN113469343A (en) Industrial time sequence data processing method and system

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant