본 논문은 사이버 물리 시스템(CPS)의 이상 탐지를 위한 증분 메타 학습 기반 접근법인 iADCPS를 제안합니다. iADCPS는 시간 및 공간적 차원에서의 데이터 분포 변화에 적응하여 진화하는 CPS에서 발생하는 오류 및 잠재적 공격을 감지합니다. 시간적 믹스업 전략과 일 클래스 메타 학습 접근 방식을 결합하여 데이터 및 모델 수준의 일반화를 달성하고, 비모수적 동적 임계값을 사용하여 이상 점수의 확률 밀도에 따라 임계값을 적응적으로 조정합니다. PUMP, SWaT, WADI 세 개의 공개 데이터셋을 사용한 실험 결과, iADCPS는 기존 최고 성능(SOTA) 방법보다 우수한 성능을 보였습니다. (각각 99.0%, 93.1%, 78.7%의 F1-Score 달성).
