본 연구는 스마트 그리드에서 발생하는 사이버 물리적 공격과 자연 발생적인 사고를 구분하는 방법을 모색합니다. MSU/ORNL 전력 시스템 공격 데이터셋을 활용하여 머신러닝과 유전 알고리즘 기반 특징 선택을 결합했습니다. Extra Trees 모델이 가장 효과적인 성능을 보였으며, 특징 선택 후 112개 속성을 27.4개로 줄였습니다.
특징 선택을 통해 macro-F1 점수가 0.9118에서 0.9212로, ROC-AUC 점수가 0.9791에서 0.9837로 향상되었습니다. 이는 위상 기반 특징의 소량 집합으로도 정확하고 해석 가능한 이상 감지가 가능하다는 것을 의미합니다.
연구 결과, 스마트 그리드에서 물리적으로 유용한 PMU/IED 측정값의 소량 집합으로도 신뢰성 있는 이상 감지가 가능합니다.