Исследователи Южно-Уральского государственного университета (ЮУрГУ) создали инновационный способ обезопасить промышленные системы от кибератак и неполадок в оборудовании. Итоги работы представлены в материалах Международной конференции по промышленной инженерии, применению технологий и производству (ICIEAM).
Промышленные комплексы — это многокомпонентные системы, включающие различные устройства. Например, в системах очистки воды установлено множество датчиков, которые постоянно контролируют многочисленные параметры: уровень жидкости, давление и химический состав.
Человек не в состоянии одновременно обрабатывать все эти данные и своевременно замечать отклонения, которые могут указывать на возможную неисправность или киберугрозу для промышленной инфраструктуры. Чтобы решить эту задачу и выявлять скрытые риски, специалисты ЮУрГУ предложили новый метод наблюдения за промышленными сетями.
В основе метода лежит нейросетевая модель, работающая в два этапа. Сначала система "изучает" нормальное состояние объекта, анализируя сигналы всех датчиков в стандартном режиме и создавая карту типичных параметров.
После обучения модель переходит в режим постоянного мониторинга, оценивая новые данные и сопоставляя их с эталонной картиной. При значительных несоответствиях, например, внезапном падении давления в трубопроводе без технических причин, нейросеть сразу же сообщает о возможной аномалии как потенциальной угрозе.
По словам ученых ЮУрГУ, эффективность разработанного подхода подтверждена высокой точностью и скоростью работы системы. Во время испытаний модель правильно распознавала 94% поступающей информации.
Начальное обучение на данных штатного функционирования занимает около 3,5 минут. "Главное преимущество нашего решения — использование нейросети Кохонена, которая способна эффективно обрабатывать большие объемы сложных, взаимосвязанных данных.
Традиционные алгоритмы часто не справляются с таким масштабом и уровнем сложности", — отметил Александр Соколов, руководитель кафедры «Защита информации» ЮУрГУ.