La nouvelle solution MLAD de Kaspersky anticipe les dysfonctionnements dans les processus de production

Kaspersky annonce le lancement et la disponibilité globale de Machine Learning for Anomaly Detection (MLAD), une solution conçue pour détecter les anomalies dès leur apparition dans les processus de production. Le détecteur de la solution s’appuie sur des algorithmes de machine learning qui analysent les données de télémétrie transmises par les capteurs posés sur les équipements industriels. La solution Kaspersky MLAD signale les dysfonctionnements matériels en émettant des alertes dès que les paramètres du processus de fabrication commencent à afficher des valeurs inattendues. Son interface graphique dispose de nombreuses fonctionnalités qui facilitent l’analyse détaillée des anomalies. Kaspersky MLAD peut également s’intégrer aux systèmes de contrôle existants pour diffuser des alertes sur les tableaux de bord des opérateurs.

En cybersécurité, le temps, c’est de l’argent

Dans les environnements industriels, il est essentiel de maintenir de façon optimale les processus technologiques et d’éviter les interruptions, qu’elles soient dues à des dysfonctionnements matériels, à des erreurs humaines ou à des cyberattaques visant des systèmes de contrôle. Si un problème survient, une détection rapide peut permettre d’éviter les perturbations et donc de réduire les coûts inhérents aux temps d'arrêt, au gaspillage de matières premières et à l’impact d’autres conséquences importantes. D’après les estimations de Kaspersky, une réduction de 50 % des temps d’arrêt représente une économie annuelle pouvant aller jusqu’à 1 million d’USD pour une grande centrale électrique et de 2,5 millions d’USD pour une raffinerie^[1].

Une analyse en temps-réel pour une anticiper les réactions et prévenir.

Le réseau neuronal de la solution Kaspersky MLAD analyse en temps réel les données de télémétrie issues des différents capteurs utilisés lors du processus de production. Il détecte ainsi les écarts mineurs tels que les changements de dynamique ou de corrélation au niveau des signaux et émet une alerte avant que les valeurs n’atteignent leur seuil minimal et n’affectent les performances. Cela permet aux opérateurs d’anticiper et de mettre en œuvre des actions de prévention. Pour pouvoir détecter les anomalies, le réseau neuronal commence par mémoriser le comportement habituel de la machine à partir de l’historique des données de télémétrie. Si un paramètre du processus de production change — par exemple, si un nouveau type de matière première est introduit — ou si une partie de l’équipement est remplacée, un opérateur peut réexécuter le module de machine learning pour mettre à jour le réseau neuronal.

En plus du détecteur basé sur le machine learning, il est possible d’ajouter, à la demande du client, des règles de diagnostic personnalisées pour des cas spécifiques. La solution MLAD de Kaspersky s’intègre dans l’infrastructure existante de l’usine et ne nécessite pas l'installation de capteurs supplémentaires. Pour collecter les données et signaler les anomalies, Kaspersky MLAD se connecte aux systèmes de contrôle industriels tels que SCADA. Elle peut également être associée à la solution Kaspersky Industrial CyberSecurity for Networks. La solution intègre nativement les protocoles courants tels que OPC UA, MQTT, AMQP et REST, ce qui permet de l’utiliser avec des systèmes dotés d’équipements différents.

Kaspersky MLAD dispose également d’une interface graphique pour analyser les anomalies détectées. En consultant les graphiques temporels de l’ensemble des processus monitorés, un expert peut voir ce qui a cessé de fonctionner, à quel moment et dans quelle partie du système.

Interface de Kaspersky MLAD : le rapport montre l’évolution en temps réel des paramètres du processus de production et indique une anomalie au niveau de la courbe inférieure

« Grâce à ses algorithmes de machine learning avancés et à sa capacité d’adaptation aux processus industriels spécifiques, la solution Machine Learning for Anomaly Detection de Kaspersky est un outil essentiel pour maintenir la fluidité des processus de production. Il est complémentaire des systèmes de surveillance et de l’expertise des opérateurs via sa capacité à détecter les anomalies dans des environnements complexes. Quelle que soit la cause des écarts, il permet d’anticiper et d’éviter les temps d'arrêt, les pannes matérielles et les catastrophes industrielles en émettant des alertes instantanées. Après avoir mis des années à développer cette technologie, nous sommes fiers d’annoncer que la solution complète est désormais à disposition des utilisateurs qui bénéficieront de tous ses avantages », commente Andrey Lavrentyev, Head of Technology Research Department, Kaspersky.

Pour en savoir plus sur la solution Machine Learning for Anomaly Detection de Kaspersky, rendez-vous sur https://mlad.kaspersky.com/.

A propos de Kaspersky

Kaspersky est une société internationale de cybersécurité et de protection de la vie privée numérique fondée en 1997. L’expertise de Kaspersky en matière de « Threat Intelligence » et sécurité informatique vient constamment enrichir la création de solutions et de services de sécurité pour protéger les entreprises, les infrastructures critiques, les autorités publiques et les particuliers à travers le monde. Le large portefeuille de solutions de sécurité de Kaspersky comprend la protection avancée des terminaux ainsi que des solutions et services de sécurité dédiés afin de lutter contre les menaces digitales sophistiquées et en constante évolution. Les technologies de Kaspersky aident plus de 400 millions d’utilisateurs et 240 000 entreprises à protéger ce qui compte le plus pour eux. Pour en savoir plus : www.kaspersky.fr.