연구진은 데이터 기반 동적 보안 평가(DSA)의 한계를 극복하기 위해 표 기반 파운데이션 모델(TFM)을 활용하는 새로운 접근 방식을 제시했어요.
기존 방식은 많은 양의 레이블 데이터와 개별 모델 튜닝이 필요했지만, TFM은 인컨텍스트 학습을 통해 재훈련 없이 다양한 상황에 적용 가능해요.
IEEE 68-버스 시스템 사례 연구에서 TFM은 120개의 레이블 데이터만으로 약 90%의 Macro F1 점수를 달성하며, 새로운 상황에서도 기존 방식의 전이 학습 모델 성능을 능가했어요.