Noul Kaspersky Machine Learning for Anomaly Detection, conceput pentru a identifica abateri în procesele de producție încă din stadiul incipient, este acum disponibil ca produs comercial. Detectorul este optimizat cu algoritmi ML care analizează telemetria de la senzorii utilajelor. Avertizează cu privire la defecțiunile utilajelor, trimițând alerte de îndată ce parametrii procesului de fabricație încep să devieze de la valorile normale. Kaspersky MLAD oferă o interfață grafică bogată în funcții, pentru analiza detaliată a anomaliilor, precum și instrumente care pot integra produsul cu sistemele existente, pentru a furniza alerte tablourilor de bord ale operatorilor.
În mediile industriale, este esențială menținerea procesului tehnologic pe o cale optimă și evitarea întreruperilor de orice fel, inclusiv defecțiuni ale echipamentelor, erori ale operatorului sau atacuri cibernetice la sistemele de control industrial. Dacă ceva nu merge bine, detectarea timpurie poate preveni întreruperea producției și, prin urmare, poate reduce costul perioadelor de nefuncționare, risipa de materii prime și impactul altor consecințe grave. Conform estimărilor Kaspersky, o reducere cu 50% a timpilor de nefuncționare permite economii anuale de până la 1 milion de dolari pentru o centrală mare sau 2,5 milioane de dolari pentru o rafinărie de petrol.
Rețeaua neuronală Kaspersky Machine Learning for Anomaly Detection analizează telemetria în timp real de la diferiți senzori utilizați în procesul de producție. Aceasta detectează abateri minore, cum ar fi o schimbare a dinamicii sau corelațiilor semnalelor, și oferă alerte înainte ca valorile să atingă pragurile și performanța impactului. Acest lucru permite operatorilor de instalații să ia măsuri preventive. Pentru a putea detecta anomalii, rețeaua neuronală învață comportamentul normal al mașinii din datele istorice de telemetrie. Dacă se modifică un parametru al procesului de producție (de exemplu, se introduce un nou tip de materie primă) sau se înlocuiește o parte a mașinii, un operator poate rula din nou procesul de „învățare” al ML pentru a actualiza rețeaua neuronală. În plus față de un detector bazat pe ML, la cererea clientului pot fi adăugate reguli de diagnostic personalizate pentru cazuri specifice.
Kaspersky MLAD funcționează cu infrastructura instalației existente și nu necesită instalarea unor senzori suplimentari. Pentru a obține date și pentru a raporta anomaliile, Kaspersky MLAD se conectează la sisteme de control industrial precum SCADA. Alternativ, poate fi integrat cu Kaspersky Industrial CyberSecurity for Networks. Produsul acceptă în mod nativ protocoale populare, inclusiv OPC UA, MQTT, AMQP, precum și REST, ceea ce îl face aplicabil sistemelor cu echipamente diverse.
Kaspersky MLAD oferă o interfață grafică pentru analiza anomaliilor detectate. Datorită graficelor cu indicații de timp pentru toate procesele monitorizate, un expert poate vedea ce nu a funcționat în regulă, când și în ce parte a sistemului.
Interfața Kaspersky Machine Learning for Anomaly Detection: raportul arată modul în care parametrii procesului de fabricație se schimbă în timp real și faptul că există o anomalie (în graficul de jos)
„Algoritmii ML avansați și capacitatea de adaptare la anumite procese industriale fac din Kaspersky Machine Learning for Anomaly Detection un instrument esențial pentru a asigura o funcționare optimă a producției. Aceștia completează expertiza sistemelor de monitorizare și a operatorilor de mașini cu capacitatea de a detecta anomalii într-un mediu complex. Indiferent de cauzele abaterilor, timpul de oprire, defectarea echipamentelor și dezastrele pot fi prevenite datorită alertelor timpurii. Dezvoltăm tehnologia de câțiva ani și astăzi suntem bucuroși să anunțăm disponibilitatea generală a produsului complet pentru a ajuta clienții să obțină aceste beneficii”, spune Andrey Lavrentyev, șeful departamentului de cercetare tehnologică de la Kaspersky.
