Новая система демонстрирует на 30% более высокую точность распознавания угроз
Учёные Санкт-Петербургского Федерального исследовательского центра РАН (СПб ФИЦ РАН) создали нейросетевой фреймворк ForecaState для выявления киберугроз на промышленных предприятиях.
Разработка продемонстрировала высокую точность распознавания на разных типах инфраструктуры — количество ошибок при выявлении угроз оказалось на 30% меньше, чем у существующих аналогов.
Алгоритмы глубокого обучения подходят для обработки больших объёмов данных, характерных для промышленных систем IIoT (Industrial Internet of Things).
IIoT объединяет «умные» технологии, включая датчики, контроллеры и роботов, которые собирают данные и передают их оператору для анализа. Это позволяет оптимизировать производство, снизить затраты, повысить качество продукции и прогнозировать возможные отказы оборудования. В России технология активно внедряется в нефтегазовой, энергетической, металлургической и машиностроительной отраслях, но её использование связано с рисками кибератак и утечек данных.
Фреймворк модульный и легко адаптируется к различным производственным задачам. Система была протестирована на данных из сетей очистки воды и электрических трансформаторов. ForecaState может применяться в системах прогностического обслуживания для раннего выявления отказов машин, балансировки нагрузки, предотвращения аварий и контроля качества на производственных линиях.
Читать материалы по теме:
Ростех придумал способ защиты критически важных предприятий от программ-шифровальщиков
Во избежание киберрисков: руководство по безопасной разработке ИИ
