Kaspersky har nyligen lanserat en kommersiell manskininlärningsprodukt för anomalidetektering särskilt utvecklad för att identifiera avvikelser i produktionsprocesser i ett tidigt skede.
Kaspersky Machine Learning for Anomaly Detection (MLAD) har maskininlärningsalgoritmer som analyserar telemetri från maskinsensorer i realtid. Om parametrar i produktionsprocessen gör oväntade avvikelser varnar systemet om driftstörningen. Kaspersky MLAD har en användarvänlig interaktionsdesign med flera funktioner som kan ge en detaljerad felanalys.
Inom industrin är det inte sällan avgörande att tekniska processer är optimerade och inte avbryts av oväntade händelser så som driftstörningar, operatörsfel eller cyberattacker. Skulle olyckan väl vara framme, så kan en tidig upptäckt förhindra större störningar och på så sätt förhindra eller begränsa kostsamma driftsstopp eller andra oönskade konsekvenser.
Kaspersky MLAD kan integreras direkt i den befintliga anläggningen och kräver inga extra sensorer. På så sätt kan en operatör meddelas direkt på den befintliga instrumentpanelen om ett fel upptäcks. För att kunna larma om avvikelser i systemet används data från anläggningens kontrollsystem som exempelvis SCADA eller med Kaspersky Industrial CyberSecurity for Networks. MLAD har stöd för populära protokoll som OPC UA, MQTT, AMQP och REST vilket gör att produkten fungerar med de flesta system.
Kaspersky MLAD har ett grafiskt gränssnitt för analys av upptäckta avvikelser. Genom att visualisera processerna kan en expert se vad som gått fel, när och i vilken del av systemet.
– Avancerade maskininlärningsalgoritmer och förmågan att kunna anpassas till särskilda processer gör Kaspersky MLAD till ett viktigt verktyg för att säkerställa en smidig produktion, säger Andrey Lavrentyev, Head of Technology Research Department på Kaspersky.
Lösningen kompletterar bevakningssystem och maskinoperatörers expertis med möjligheten att kunna upptäcka avvikelser i komplexa miljöer tidigt, vilket kan förhindra större olyckor.
