Plant Sim

R&D разработка комплекса программ для машинного обучения

Данный проект объединяет в себе технологии 3D-визуализации, математического моделирования, машинного обучения и работу с реальным промышленным оборудованием для генерации датасетов, используемых в обучении алгоритмов обнаружения кибер-физической атаки на предприятии.
На основе модели Tennessee Eastman Process (мы реализовали на языке Python математическую модель для симуляции физических процессов) и модели TANECO (реализована в OpenModelica), а в виде программы для ПЛК реализовали логику для управления физической моделью (Unity). Для отображения симулируемых процессов мы реализовали 3D-модель TEP / TANECO и связали ее с генерируемой физической моделью и ПЛК телеметрией. Для управления стендом мы реализовали специализированную консоль на iPad, которая позволяет симулировать множество сценариев кибератак, равно как и произвести всестороннее тестирование алгоритмов MLAD (технология MLAD от Лаборатории Касперского — Machine Learning for Anomaly Detection — позволяет повысить качество обнаружения атак на ОТ с помощью машинного обучения. Эта технология дает возможность создать еще один важный уровень в защите кибер-физических систем и предназначена для защиты OT-процессов — вне зависимости от природы атаки.) Стенд разворачивается на одном ноутбуке — на нем работает математическая модель TEP и TANECO, ее 3D визуализация, Kaspersky Industrial Cyber-Security и MLAD. В качестве ПЛК используется контроллер Schneider. С помощью свитча трафик между ПЛК и матмоделью зеркалируется на Kaspersky Industrial Cyber-Security. Kaspersky Industrial Cyber-Security взаимодействует с MLAD.

Заказчик: Лаборатория Касперского