Kaspersky Machine Learning for Anomaly Detection ist ab sofort kommerziell erhältlich.
Kaspersky Machine Learning for Anomaly Detection [1] ist ab sofort kommerziell erhältlich. Damit lassen sich Abweichungen in den Produktionsprozessen frühzeitig erkennen und Ausfallzeiten reduzieren. Die Lösung ist mit Machine-Learning-Algorithmen ausgestattet, die die Telemetrie von Maschinensensoren analysieren. Sie warnt vor Maschinenfehlern, indem Warnungen ausgelöst werden, sobald sich die Parameter des Herstellungsprozesses (Tags) unerwartet verhalten. Kaspersky Machine Learning for Anomaly Detection bietet darüber hinaus eine funktionsreiche visuelle Oberfläche für die detaillierte Analyse der Anomalien sowie Tools, mit denen das Produkt in vorhandene Systeme integriert werden kann, um Warnungen an die Dashboards der Nutzer zu senden.
In industriellen Umgebungen ist ein reibungsloser Ablauf unabdingbar; Fehlfunktionen der Gerätschaften, Bedienungsfehler oder Cyberangriffe auf die industriellen Steuerungssysteme müssen vermieden werden. Im Falle des Falles kann jedoch eine frühzeitige Erkennung dabei helfen, die Kosten für Ausfallzeiten, die Verschwendung von Rohstoffen und die Auswirkungen anderer schwerwiegender Folgen zu senken. Nach Schätzungen von Kaspersky ermöglicht eine Reduzierung der Ausfallzeiten um 50 Prozent jährliche Einsparungen von bis zu 1 Mio. US-Dollar für ein großes Kraftwerk oder 2,5 Mio. US-Dollar für eine Ölraffinerie [2].
Das neuronale Netzwerk von Kaspersky Machine Learning for Anomaly Detection analysiert in Echtzeit die Telemetrie verschiedener Sensoren, die im Produktionsprozess verwendet werden. Die Lösung erkennt bereits geringfügige Abweichungen, wie beispielsweise eine Änderung der Signaldynamik oder Signalkorrelationen, und benachrichtigt die Nutzer, bevor die Werte ihre Grenzbereiche erreichen und die Leistung beeinflussen. Dadurch können Anlagenbetreiber vorbeugende Maßnahmen ergreifen. Um Anomalien erkennen zu können, lernt das neuronale Netzwerk das normale Verhalten der Maschine aus historischen Telemetriedaten. Sollte sich ein Parameter des Produktionsprozesses ändern, weil zum Beispiel eine neue Art von Rohmaterial eingeführt oder ein Teil der Maschine ersetzt wird, kann ein Bediener das Machine-Learning-Training erneut ausführen, um das neuronale Netzwerk zu aktualisieren. Zusätzlich zu einem Machine-Learning-basierten Detektor können auch individuelle Diagnoseregeln für bestimmte Fälle hinzugefügt werden.
Kaspersky Machine Learning for Anomaly Detection kann in der Infrastruktur der vorhandenen Anlage eingesetzt werden und erfordert keine Installation zusätzlicher Sensoren. Um Daten zu erhalten und die Anomalien zu melden, stellt Kaspersky Machine Learning for Anomaly Detection eine Verbindung zu industriellen Steuerungssystemen wie SCADA her. Alternativ kann die Lösung in Kaspersky Industrial CyberSecurity for Networks [3] integriert werden. Das Produkt unterstützt nativ gängige Protokolle wie OPC UA, MQTT, AMQP sowie REST, wodurch es auf Systemen mit unterschiedlichen Geräten anwendbar ist.
Kaspersky Machine Learning for Anomaly Detection bietet eine visuelle Oberfläche für die Analyse erkannter Anomalien. Aufgrund der visualisierten Diagramme aller überwachten Prozesse kann ein Experte sehen, was wann und in welchem Teil des Systems schiefgelaufen ist.
„Fortschrittliche Machine-Learning-Algorithmen und die Fähigkeit, sich an bestimmte industrielle Prozesse anzupassen, machen Kaspersky Machine Learning for Anomaly Detection zu einem unverzichtbaren Tool für eine reibungslose Produktion“, so Andrey Lavrentyev, Head of Technology Research Department bei Kaspersky. „Die Lösung ergänzt Monitoring-Dienste und das Fachwissen der Maschinenbediener um die Fähigkeit, Anomalien in einer komplexen Umgebung zu erkennen. Unabhängig davon, was die Abweichungen verursacht, können Ausfallzeiten, Geräteausfälle und Katastrophen mithilfe frühzeitiger Warnungen verhindert werden. Wir entwickeln die Technologie seit mehreren Jahren und freuen uns, heute die allgemeine Verfügbarkeit des vollwertigen Produkts bekannt zu geben, damit Kunden diese Vorteile nutzen können.“
Weitere Informationen zu Kaspersky Machine Learning for Anomaly Detection sind verfügbar unter https://mlad.kaspersky.com/
[1] https://mlad.kaspersky.com/
[2] Die Schätzung basiert auf der Analyse verschiedener Parameter wie Ausfalldauer, wirtschaftliche Aktivität von Organisationen und Modellierung.
[3] https://www.kaspersky.de/enterprise-security/industrial
Nützliche Links:
- Kaspersky Machine Learning for Anomaly Detection: https://mlad.kaspersky.com/
- Kaspersky Industrial CyberSecurity: https://www.kaspersky.de/enterprise-security/industrial
Über Kaspersky
Kaspersky ist ein internationales Unternehmen für Cybersicherheit und digitale Privatsphäre, das im Jahr 1997 gegründet wurde. Die tiefgreifende Threat Intelligence sowie Sicherheitsexpertise von Kaspersky dient als Grundlage für innovative Sicherheitslösungen und -dienste, um Unternehmen, kritische Infrastrukturen, Regierungen und Privatanwender weltweit zu schützen. Das umfassende Sicherheitsportfolio des Unternehmens beinhaltet führenden Endpoint-Schutz sowie eine Reihe spezialisierter Sicherheitslösungen und -Services zur Verteidigung gegen komplexe und sich weiter entwickelnder Cyberbedrohungen. Über 400 Millionen Nutzer und 240.000 Unternehmenskunden werden von den Technologien von Kaspersky geschützt. Weitere Informationen zu Kaspersky unter https://www.kaspersky.de/
