该检测器得到了机器算法的增强,能够分析来自机械传感器的遥测数据。一旦生产过程参数(标签)出现异常状况,它就会发出警报,提醒机器出现故障。卡巴斯基MLAD提供了功能丰富的图形界面,可以对异常进行详细分析,同时还拥有可与现有系统集成的工具,以向操作员的仪表板发送警报。

在工业环境中,保持技术流程处在最佳路径上,避免出现任何形式的中断非常重要,需要避免的情况包括:设备故障、操作人员失误或工业控制系统遭受网络攻击。如果出现问题,早期检测可以避免出现生产中断,从而减少停工的成本,减少原材料的浪费以及降低其他严重后果的影响。根据卡巴斯基的估计,停机时间减少50%,就可以使一个大型发电厂每年节省高达100万美元,或让一个炼油厂节省250万美元[1]。

卡巴斯基异常检测机器学习的神经网络能够实时分析在生产过程中使用的各种传感器传回的遥测数据。它可以检测微小的偏差,例如信号动态变化或相关性变化,在数字达到阈值并影响性能之前发出警告。这能够让工厂运营者采取预防性措施。为了检测异常,该神经网络从历史遥测数据中学习机器的正常行为。如果生产过程中的某个参数发生变化(例如一种新型的原材料被使用)或部分机器被替换,运营人员可以重新运行机器学习训练程序,以便对神经网络进行更新。除了基于机器学习的检测器,还可应客户要求添加针对特定情况的自定义诊断规则。

卡巴斯基MLAD可与现有的工厂基础设施集成,不需要安装额外的传感器。为了获取数据和报告异常,卡巴斯基MLAD需要连接到工业控制系统(如SCADA)。或者,该产品还可以与卡巴斯基工业网络安全集成。该产品原生支持常见的协议,包括OPC UA、MQTT、AMQP以及REST,这使得它适用于具有不同设备的系统。

卡巴斯基MLAD提供了一个用于分析检测到异常的图形界面。借助所有监视过程的可视化时间图,专家可以看到问题出在哪里,何时出的问题以及系统哪个部分出现问题。

new-kaspersky-machine-learning.png

卡巴斯基异常检测机器学习界面:报告显示了生产过程参数如何实时变化,并且出现了一个异常(在最下面的图表中)

“高级机器学习算法以及能够与特定的工业流程适配的能力使得卡巴斯基异常检测机器学习成为确保顺利生产必不可少的工具。它可以检测复杂环境中的异常情况,补充了监测系统和机器操作员的专业知识。无论是什么原因引起的偏差,都可以通过早期预警来防止停机、设备故障和灾难的发生。我们已经开发这项技术多年,今天我们很高兴地宣布,该成熟产品的全面上市可以帮助客户实现这些优势,”卡巴斯基技术研究部门负责人Andrey Lavrentyev评论说。

要了解更多有关卡巴斯基异常检测机器学习的详情,请访问https://mlad.kaspersky.com/.

关于卡巴斯基

卡巴斯基是一家成立于1997年的全球网络安全和数字隐私公司。卡巴斯基不断将深度威胁情报和安全技术转化成最新的安全解决方案和服务,为全球的企业、关键基础设施、政府和消费者提供安全保护。公司提供全面的安全产品组合,包括领先的端点保护解决方案以及多种针对性的安全解决方案和服务,全面抵御复杂的和不断演化的数字威胁。全球有超过4亿用户使用卡巴斯基技术保护自己,我们还帮助全球240,000家企业客户保护最重要的东西。要了解更多详情,请访问www.kaspersky.com.

[1] 这次估计基于卡巴斯基对不同参数的分析,例如停机持续时间、组织的经济活动参数和建模。

最新的卡巴斯基异常检测机器学习可预测生产过程故障

卡巴斯基异常检测机器学习现已作为一款商业产品被推出,该产品旨在揭示生产过程中的偏差。
Kaspersky Logo