A cyber-physical system of systems (CPSoS) is a system composed of multiple constituent systems that interact with both physical and cyber environments. Self-adaptivity is essential for CPSoS because it works on both cyber and physical uncertainties in various environments. Two obstacles to achieving self-adaptive CPSoS are time constraints and system anomalies. An adaptation should be processed within a certain period and consider anomalies caused by system changes due to mechanical faults, cyber-attacks, or emergent behaviors. However, since existing adaptation approaches cannot fully handle both aspects, this paper proposes an advanced approach, A$^4$, for a self-adaptive system that can handle known anomalies without enormous time in runtime. This approach learns the known anomalies before runtime and mitigates their impact when they are detected. The research evaluated the A$^4$ approach for virtual and physical CPSoS and showed that A$^4$ is more efficient than other approaches.
사이버 물리 시스템 오브 시스템즈 (CPSoS)는 물리적, 사이버 환경에서 소통하는 구성 시스템들로 이루어진 시스템으로 다양한 환경에서 작동하므로, 자가 적응성을 갖추는 것이 매우 중요하다. 하지만, CPSoS의 자가 적응성을 위해서 시간 제약과 변칙이라는 두 가지 과제가 있다. 시스템의 적응은 정해진 시간 제약 내에 이루어져야 하며, 기계적 결함, 사이버 공격, 혹은 창발적 특성 등에서 오는 시스템의 변화에서 생기는 변칙을 고려할 수 있어야 한다. 하지만, 존재하는 기법은 두 측면을 완벽하게 처리하지 못하고 있다. 이 연구에서는 런타임에 큰 시간을 소모하지 않고, 알려진 시스템 변칙을 처리하는 새로운 기법, A$^4$를 제시한다. 이 기법은 런타임 전에 알려진 시스템 변칙을 학습하고, 해당 변칙이 감지될 때, 그 영향을 완화하는 기법이다. 이 연구에서는 A$^4$와 다른 기법을 가상, 물리적 CPSoS에서 평가하였으며, A$^4$가 다른 기법과 비교해 충분히 효율적임을 보여준다.
