본 논문은 디지털 기술과 자동화 시스템이 통합된 현대 스마트 그리드의 사이버 공격 취약성을 다룬다. 기존의 침입 탐지 시스템은 한정된 라벨링된 데이터에 의존하여 새로운 공격을 효과적으로 탐지하는 데 어려움을 겪는다는 점을 지적하며, 라벨링된 데이터와 라벨링되지 않은 데이터를 활용하는 준지도 학습 기반의 사이버 공격 탐지 방법을 제안한다. 일관성 정규화와 의사 라벨링을 통해 예상치 못한 행동 편차를 식별하고 공격 유형을 예측하며, 커리큘럼 학습 방식을 통해 의사 라벨링 성능을 향상시켜 모델의 불확실성을 포착한다. 공개 데이터셋을 사용하여 다양한 사이버 공격 탐지 효율성을 검증하고, 높은 탐지 정확도(99%)와 낮은 오탐율을 달성함을 보여준다.
