Anomaly Detection System of IoT Platform using Machine Learning

기계학습을 활용한 IoT 플랫폼의 이상감지 시스템

As the industry generates a lot of data, it is increasingly dependent on the IoT platform. For this reason, the performance and anomaly detection of IoT platform is becoming an important factor. In this paper, we propose a system model of IoT platform that detects device anomaly without performance issue. The proposed system uses Micro Batch which calculates the data transmission cycle to provide Soft Real-time service. In the industry, it was difficult to collect abnormal data, so the Hotelling's $T^2$ model was applied to the data analysis experiment. And the Hotelling's $T^2$ model successfully detected anomalies.

많은 양의 데이터가 수집되는 산업분야에서의 IoT 플렛폼 활용도가 높아지면서 IoT플랫폼의 성능과 이상 감지가 중요한 요소가 되고 있다. 본 논문에서는 IoT 플랫폼의 데이터 수집 성능을 저해하지 않으면서 산업분야에 활용되는 디바이스의 이상을 감지하는 시스템을 제안한다. 제안한 시스템은 Soft Real-time 서비스를 제공하기 위해 데이터 전송주기를 고려한 Micro Batch를 활용했으며, 실험에는 산업분야의 이상 상황에 대한 자료수집이 사전에 이루어지기 어려운 상황을 고려해 Hotelling's $T^2$를 활용한 분석모델을 적용하였고 Hotelling's $T^2$는 이상징후를 사전에 감지하였다.