«Лаборатория Касперского» вывела систему раннего обнаружения аномалий Kaspersky MLAD на широкий рынок.

Продукт оснащён алгоритмами машинного обучения, которые анализируют телеметрию с датчиков оборудования, и предоставляет многофункциональный графический интерфейс для детального анализа аномалий.
В промышленности критически важно поддерживать нормальное течение технологического процесса и избегать любых факторов, способных его нарушить: перебоев в работе оборудования, ошибок операторов, кибератак. Обнаружение отклонений в технологическом процессе на ранних этапах может предотвратить опасную ситуацию и таким образом сократить издержки, связанные с простоем оборудования, излишним расходом сырья, и минимизировать другие серьёзные последствия. По оценкам «Лаборатории Касперского»[1], сокращение времени простоя на 50% позволяет крупной электростанции ежегодно экономить до миллиона долларов США, а нефтеперерабатывающему заводу — 2,5 миллиона долларов США.
Нейронная сеть решения Kaspersky MLAD анализирует в режиме реального времени телеметрию с различных датчиков, используемых в технологическом процессе. Она обнаруживает незначительные отклонения, такие как изменение динамики сигналов или корреляций, и отправляет уведомления до того, как показатели достигнут пороговых значений и повлияют на производительность. Это позволяет операторам АСУ ТП принимать превентивные меры. Чтобы своевременно обнаруживать аномалии, нейронная сеть изучает уже существующий поток телеметрии технологического процесса. Если изменяется параметр производства (например, вводится новый тип сырья) или заменяется часть оборудования, оператор может переобучить нейронную сеть. В дополнение к детектору на основе машинного обучения могут быть добавлены индивидуальные диагностические правила для конкретных случаев.
Решение Kaspersky MLAD работает в существующей инфраструктуре завода и не требует установки дополнительных датчиков. Для получения данных и сообщений об аномалиях оно подключается к промышленным системам управления, таким как SCADA. Продукт может быть интегрирован с Kaspersky Industrial CyberSecurity for Networks, а также поддерживает популярные протоколы, включая OPC UA, MQTT, AMQP и REST, благодаря чему может использоваться в системах с различным оборудованием.
Решение Kaspersky MLAD предоставляет графический интерфейс для анализа обнаруженных отклонений. Благодаря визуализированным временным диаграммам всех отслеживаемых процессов эксперт (технолог или оператор) может видеть, что пошло не так, когда и в какой части системы.



Интерфейс Kaspersky MLAD: отчёт показывает, как изменяются параметры производственного процесса в режиме реального времени, а также демонстрирует существующее отклонение (в нижней части графика)

  «Передовые алгоритмы машинного обучения и возможность адаптации под конкретные производственные процессы делают Kaspersky MLAD важным инструментом в деле обеспечения бесперебойного производства. Решение дополняет системы мониторинга и опыт операторов АСУ ТП, помогая обнаруживать аномалии в сложных средах. Оповещение на ранних этапах позволяет избежать простоев и поломок оборудования вне зависимости от причины сбоя. Мы разрабатывали эту технологию несколько лет и рады представить полноценный продукт широкому кругу клиентов», — комментирует Андрей Лаврентьев, руководитель отдела перспективных технологий «Лаборатории Касперского».

Более подробная информация о решении Kaspersky Machine Learning for Anomaly Detection доступна по ссылке: https://mlad.kaspersky.ru/.
[1] Оценка основана на анализе различных параметров, таких как продолжительность простоев оборудования, параметры экономической деятельности организаций, и моделировании.