Kaspersky Machine Learning for Anomaly Detection kullanıma sunuldu

- Kaspersky Teknoloji Araştırma Departmanı Başkanı Andrey Lavrentyev: - "Gelişmiş makine öğrenimi algoritmaları ve belirli endüstriyel süreçlere uyum sağlama yeteneği, Kaspersky Machine Learning for Anomaly Detection çözümümüzü sorunsuz üretim sağlamak için gerekli bir araç haline getiriyor"

07 Haziran 2021 Pazartesi 11:23
Kaspersky Machine Learning for Anomaly Detection kullanıma sunuldu

İSTANBUL (AA) - Üretim süreçlerindeki sapmaları erken aşamada ortaya çıkarmak için tasarlanan Kaspersky Machine Learning for Anomaly Detection (MLAD), ticari bir ürün olarak kullanıma sunuldu.

Kaspersky'den yapılan açıklamaya göre, endüstriyel ortamlarda teknolojik süreci ideal koşullarda tutmak, ekipman arızaları, operatör hataları veya endüstriyel kontrol sistemlerine yönelik siber saldırılar dahil her türlü kesintiyi önlemek çok önemli oluyor. Bu noktada erken tespit çözümleri bir şeylerin ters gittiğini anlayabiliyor, aksaklıkları önleyebiliyor ve dolayısıyla arıza süresinin maliyetini, ham madde israfını ve diğer ciddi sonuçların neden olabileceği etkileri azaltabiliyor.

Kaspersky’nin tahminlerine göre, kesinti süresinde yüzde 50 azalma, büyük bir elektrik santrali için yıllık 1 milyon ABD doları veya bir petrol rafinerisi için 2,5 milyon ABD doları tasarruf sağlıyor.

Kaspersky Machine Learning for Anomaly Detection'ın yapay sinir ağı, üretim sürecinde kullanılan çeşitli sensörlerden gerçek zamanlı olarak toplanan telemetri verisini analiz ediyor. Böylece sinyallerin dinamiklerindeki veya korelasyonlarındaki değişiklikler gibi küçük sapmalar tespit ediliyor ve değerler eşiklerine ulaşmadan ve performansı etkilemeden önce uyarı veriliyor. Bu da önleyici tedbirlerin alınmasına olanak tanıyor. Anormallikleri tespit edebilmek için sinir ağı, makinenin normal davranışını geçmiş telemetri verilerinden öğreniyor. Üretim sürecinin herhangi bir parametresi değişirse (örneğin, yeni bir ham madde türü eklenirse) veya makinenin bir parçası değiştirilirse operatör sinir ağını güncellemek için ML eğiticisini yeniden çalıştırabiliyor. ML tabanlı dedektöre ek olarak sisteme müşterinin talebi üzerine belirli durumlar için özelleştirilmiş kurallar eklenebiliyor.

Kaspersky MLAD, mevcut tesisin altyapısında çalışıyor ve ek sensör kurulumu gerektirmiyor. Kaspersky MLAD, veri elde etmek ve anormallikleri raporlamak için SCADA gibi endüstriyel kontrol sistemlerine bağlanıyor. Alternatif olarak, Kaspersky Industrial CyberSecurity for Networks ile de entegre edilebiliyor. Ürün, OPC UA, MQTT, AMQP ve çeşitli ekipmanlara sahip sistemlere uygulanabilen REST gibi popüler protokolleri doğal olarak destekliyor.

Kaspersky MLAD, tespit edilen anormalliklerin analizi için bir grafik arayüzü de sağlıyor. İzlenen tüm süreçlerin görselleştirilmiş zaman grafikleri sayesinde uzmanlar neyin yanlış gittiğini, ne zaman ve sistemin hangi bölümünde olduğunu görebiliyor.

Açıklamada görüşlerine yer verilen Kaspersky Teknoloji Araştırma Departmanı Başkanı Andrey Lavrentyev, şunları kaydetti:

"Gelişmiş makine öğrenimi algoritmaları ve belirli endüstriyel süreçlere uyum sağlama yeteneği, Kaspersky Machine Learning for Anomaly Detection çözümümüzü sorunsuz 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 uyarılar sayesinde arıza süreleri, ekipman arızaları ve felaketler önlenebiliyor. Bu teknolojiyi birkaç yıldır geliştiriyoruz. Bugün müşterilerin bu avantajları elde etmelerine yardımcı olmak için tam teşekküllü ürünün genel kullanıma sunulduğunu duyurmaktan mutluluk duyuyoruz."

Anahtar Kelimeler:
Kaspersky
Yorumlar
Avatar
Adınız
Yorum Gönder
Kalan Karakter:
Yorumunuz onaylanmak üzere yöneticiye iletilmiştir.×
Dikkat! Suç teşkil edecek, yasadışı, tehditkar, rahatsız edici, hakaret ve küfür içeren, aşağılayıcı, küçük düşürücü, kaba, müstehcen, ahlaka aykırı, kişilik haklarına zarar verici ya da benzeri niteliklerde içeriklerden doğan her türlü mali, hukuki, cezai, idari sorumluluk içeriği gönderen Üye/Üyeler’e aittir.