Üretim süreçlerindeki sapmaları erken kademede ortaya çıkarmak için tasarlanan Kaspersky Machine Learning for Anomaly Detection (MLAD), ticari bir eser olarak kullanıma sunuldu. Tahlil makinelerdeki sensörlerden gelen telemetri datalarını tahlil eden makine öğrenmesi algoritmalarıyla güçlendirildi. Böylelikle üretim süreci parametreleri beklenmedik formda davranmaya başladığında durumu çabucak fark ederek makinelerdeki mümkün arızalara karşı ihtarda bulunabiliyor. Kaspersky MLAD, anormalliklerin detaylı tahlili için güçlü özelliklere sahip grafik arabirimin yanı sıra eseri mevcut sistemlerle entegre ederek operatörlerin panolarına ihtarlar gönderebiliyor.
Endüstriyel ortamlarda teknolojik süreci ülkü şartlarda tutmak, ekipman arızaları, operatör kusurları yahut endüstriyel denetim sistemlerine yönelik siber taarruzlar dahil her türlü kesintiyi önlemek çok kıymetli. Bu noktada erken tespit tahlilleri bir şeylerin zıt gittiğini anlayabilir, aksaklıkları önleyebilir ve münasebetiyle arıza mühletinin maliyetini, hammadde israfını ve başka önemli sonuçların neden olabileceği tesirleri azaltabilir. Kaspersky’nin varsayımlarına nazaran kesinti müddetinde 50 azalma, büyük bir elektrik santrali için yıllık 1 milyon ABD Doları yahut bir petrol rafinerisi için 2,5 milyon ABD Doları tasarruf sağlıyor[1].
Kaspersky Machine Learning for Anomaly Detection’ın yapay hudut ağı, üretim sürecinde kullanılan çeşitli sensörlerden gerçek vakitli olarak toplanan telemetri verisini tahlil ediyor. Böylelikle sinyallerin dinamiklerindeki yahut korelasyonlarındaki değişiklikler üzere küçük sapmalar tespit ediliyor ve kıymetler eşiklerine ulaşmadan ve performansı etkilemeden evvel ikaz veriliyor. Bu da önleyici önlemlerin almasına imkan tanıyor. Anormallikleri tespit edebilmek için hudut ağı, makinenin olağan davranışını geçmiş telemetri datalarından öğreniyor. Üretim sürecinin rastgele bir parametresi değişirse (örneğin, yeni bir hammadde tipi eklenirse) yahut makinenin bir modülü değiştirilirse, operatör hudut ağını güncellemek için ML eğiticisini tekrar çalıştırabiliyor. ML tabanlı dedektöre ek olarak sisteme müşterinin talebi üzerine muhakkak durumlar için özelleştirilmiş tanılama kuralları eklenebiliyor.
Kaspersky MLAD, mevcut tesisin altyapısında çalışıyor ve ek sensör heyetimi gerektirmiyor. Kaspersky MLAD, data elde etmek ve anormallikleri raporlamak için SCADA üzere endüstriyel denetim sistemlerine bağlanıyor. Alternatif olarak, Kaspersky Industrial CyberSecurity for Networks ile de entegre edilebiliyor. Eser, OPC UA, MQTT, AMQP ve çeşitli ekipmanlara sahip sistemlere uygulanabilen REST üzere tanınan protokolleri doğal olarak destekliyor.
Kaspersky MLAD, tespit edilen anormalliklerin tahlili için bir grafik arayüzü de sağlıyor. İzlenen tüm süreçlerin görselleştirilmiş vakit grafikleri sayesinde uzmanlar neyin yanlış gittiğini, ne vakit ve sistemin hangi kısmında olduğunu görebiliyor.
Kaspersky Teknoloji Araştırma Departmanı Lideri Andrey Lavrentyev, şunları tabir ediyor: “Gelişmiş makine tahsili algoritmaları ve muhakkak endüstriyel süreçlere ahenk sağlama yeteneği, Kaspersky Machine Learning for Anomaly Detection çözümümüzü problemsiz üretim sağlamak için gerekli bir araç haline getiriyor. Karmaşık bir ortamdaki anormallikleri tespit etme yeteneğiyle, izleme sistemlerini ve makine operatörlerinin uzmanlığını tamamlıyor. Sapmaların sebebi ne olursa olsun erken ihtarlar sayesinde arıza müddetleri, ekipman arızaları ve felaketler önlenebiliyor. Bu teknolojiyi birkaç yıldır geliştiriyoruz. Bugün müşterilerin bu avantajları elde etmelerine yardımcı olmak için tam teşekküllü eserin genel kullanıma sunulduğunu duyurmaktan memnunluk duyuyoruz.”
Kaynak: (BHA) – Beyaz Haber Ajansı
