In ambito industriale, è fondamentale garantire lo svolgimento dei processi tecnologici ed evitare interruzioni di qualsiasi tipo, come i malfunzionamenti delle apparecchiature, gli errori degli operatori o i cyberattacchi ai sistemi di controllo industriali. In caso di problemi, il rilevamento istantaneo delle anomalie può prevenire l’interruzione dei processi e quindi ridurre i costi dei tempi di inattività, lo spreco di materie prime e altre conseguenze molto gravi. Secondo le stime di Kaspersky, una riduzione del 50% dei tempi di inattività consente a una grande centrale elettrica di risparmiare fino a 1 milione di dollari all’anno e a una raffineria di petrolio fino a 2,5 milioni di dollari. Nasce da queste esigenze la rete neurale di Kaspersky MLAD – Machine Learning for Anomaly Detection.

 

La rete individua le anomalie

La rete neurale di Kaspersky MLAD – Machine Learning for Anomaly Detection analizza in tempo reale la telemetria di vari sensori utilizzati nel processo di produzione. Rileva piccole deviazioni, come un cambiamento nella dinamica dei segnali o nelle correlazioni e le notifica prima che i valori raggiungano soglie critiche e abbiano un impatto sulle prestazioni, permettendo agli operatori dell’impianto di intraprendere azioni preventive. Per poter rilevare le anomalie, la rete neurale si serve dei dati telemetrici storici per riconoscere il comportamento standard della macchina. Se un parametro del processo di produzione cambia (ad esempio viene introdotta una nuova materia prima) o una parte della macchina viene sostituita, l’operatore può eseguire nuovamente il trainer ML per aggiornare la rete neurale. Oltre a un detector basato su ML, è possibile aggiungere su richiesta regole diagnostiche personalizzate per casi specifici.

Kaspersky MLAD

Kaspersky MLAD si integra nell’infrastruttura dell’impianto esistente e non richiede l’installazione di sensori aggiuntivi. Per ottenere i dati e segnalare le anomalie, Kaspersky MLAD si collega ai sistemi di controllo industriale SCADA. In alternativa, può essere integrato con Kaspersky Industrial CyberSecurity for Networks. Il prodotto supporta nativamente protocolli comuni tra cui OPC UA, MQTT, AMQP, così come REST, il che lo rende adatto a sistemi che utilizzano strumenti diversi.

 

Interfaccia di Kaspersky Machine Learning for Anomaly Detection: il report mostra in tempo reale il cambiamento dei parametri del processo di produzione e la presenza di un’anomalia

Kaspersky MLAD fornisce un’interfaccia grafica per l’analisi delle anomalie rilevate. Grazie ai grafici temporali di tutti i processi monitorati, l’esperto può tenere traccia delle anomalie riscontrate, il periodo in cui sono state segnalate e quali parti del sistema hanno interessato.

Interfaccia di Kaspersky Machine Learning for Anomaly Detection: il report mostra in tempo reale il cambiamento dei parametri del processo di produzione e la presenza di un’anomalia (sul grafico in basso)

“Gli avanzati algoritmi di ML e la capacità di adattarsi a particolari processi industriali fanno di Kaspersky Machine Learning for Anomaly Detection uno strumento essenziale per garantire una produzione senza interruzioni. La soluzione ottimizza i sistemi di monitoraggio e l’esperienza degli operatori grazie alla capacità di rilevare le anomalie in un ambiente complesso e permette di evitare  tempi di inattività, guasti alle attrezzature e conseguenze disastrose tramite avvisi tempestivi, indipendentemente dal tipo di malfuzionamento. Kaspersky ha lavorato a questa tecnologia per diversi anni ed è orgogliosa di annunciare che il prodotto è ora disponbile in commerio per permettere ai clienti di ottenere questi vantaggi”, ha dichiarato Andrey Lavrentyev, Head of Technology Research Department di Kaspersky.