САНКТ-ПЕТЕРБУРГ, 5 сентября. /ТАСС/. Ученые Санкт-Петербургского Федерального исследовательского центра РАН (СПб ФИЦ РАН) создали нейросетевой фреймворк - набор цифровых инструментов для выявления киберугроз на индустриальных предприятиях. Разработка продемонстрировала высокий уровень распознавания на разных типах инфраструктуры - на 30% меньше ошибок по сравнению с существующими аналогами, сообщили ТАСС в пресс-службе учреждения.
"Для повышения эффективности выявления кибератак и снижения числа ошибок в мониторинговых индустриальных системах мы разработали фреймворк ForecaState с использованием алгоритмов искусственного интеллекта. Модели глубокого обучения нейросетей, которые мы используем, хорошо подходят для обработки больших объемов данных, характерных для технологий IIoT (Интернет вещей - прим, ТАСС). Их использование позволило на 30% снизить вероятность ошибки при выявлении угроз по сравнению с существующими аналогами", - привели в пресс-службе слова научного сотрудника лаборатории проблем компьютерной безопасности СПб ФИЦ РАН Дианы Левшун.
Уточняется, что Интернет вещей (Industrial Internet of Things, IIoT) интегрирует "умные" технологии в промышленные процессы и включает в себя датчики, контроллеры, роботы и другие устройства, которые собирают данные и передают их оператору для обработки и принятия решений. Это позволяет оптимизировать производство, снизить затраты, повысить качество продукции и прогнозировать возможные отказы оборудования и аварии.
В России внедрение IIoT набирает обороты, особенно в отраслях нефтегазовой промышленности, энергетики, металлургии и машиностроении. В то же время использование технологии связано с рядом рисков и угроз в цифровом пространстве: защищенность устройств может серьезно пострадать в результате кибератак, утечек конфиденциальных данных и ошибок в программном обеспечении.
"Эксперименты на данных различных типов промышленных систем показывают, что наш набор инструментов может быть использован для решения самых разных задач. <…> Кроме того, в отличие от некоторых специализированных подобных решений наш фреймворк является модульным - то есть его функционал может быть легко расширен и адаптирован к многообразным производственным потребностям", - рассказал старший научный сотрудник лаборатории проблем компьютерной безопасности СПб ФИЦ РАН Дмитрий Левшун.
По данным пресс-службы, ученые тестировали свою систему на двух больших наборах данных из различных областей промышленности - с системы очистки воды и с сети электрических трансформаторов. Применение и интеграция ForecaState могут быть реализованы в системах прогностического обслуживания на производстве для раннего выявления отказов машин, улучшения балансировки нагрузки, предотвращения аварий и техногенных катастроф, а также в системах контроля качества на производственных линиях для сокращения отходов и обеспечения стандартов качества.