В России научили нейросеть защищать от кибератак системы водоснабжения
Сегодня, когда работа большинства предприятий автоматизирована, хакерская атака может привести к инфраструктурному коллапсу и даже экологической катастрофе. Особенно если речь идет о жизненно важных ресурсах вроде воды. Обезопасить от взлома системы водоснабжения и водоотведения решили российские ученые. К этому делу они привлекли искусственный интеллект.
В Санкт-Петербургском Федеральном исследовательском центре РАН решили создать нейросеть, которая умела бы отличать нормальный режим работы, к примеру, водоканала, от сбоев, возникающих при хакерском нападении. Для этого там сделали первый в России стенд сбора и анализа данных с водоочистных сооружений. Это система датчиков, информацию с которых искусственный интеллект получает и анализирует. Благодаря такому подходу ИИ можно научить обнаруживать самые разные типы кибератак, а также предусмотреть меры защиты еще на этапе внедрения систем автоматизации.
В 1990 году в Уфе отравилось более 3000 человек после того, как на местном химическом предприятии произошла утечка фенола; с талыми водами он попал в реку, питающую город-миллионник
Фото: © Фотохроника ТАСС
Микробиологическое заражение питьевой воды ведет к распространению холеры, дизентерии, брюшного тифа, полиомиелита и диареи. От последней, по оценкам экспертов, каждый год умирает около полумиллиона человек. По данным ВОЗ, в прошлом году практически каждый пятый житель планеты пил воду, загрязненную фекалиями. Не менее опасно загрязнение фармацевтическими препаратами, пестицидами, микропластиком.
Отравление воды погубило один из крупнейших городов майя — Тикаль; в его резервуарах накопилось много ртути, фосфатов и продуктов жизнедеятельности цианобактерий Изображение: © TLF Images / Shutterstock / FOTODOM
Специалисты Петербургского Федерального исследовательского центра вообще активно работают с искусственным интеллектом в вопросе кибербезопасности. Недавно там создали алгоритм автоматического обнаружения хакерских атак разного типа, созданный с помощью метода федеративного обучения. При таком подходе нейросеть обрабатывает данные не из одной базы, а с разных устройств обычных пользователей: смартфонов, умных часов или планшетов. При этом частная информация не передается на единый сервер, а значит, остается конфиденциальной.
Разработчики модели экспериментально выяснили, что она быстрее других адаптируется к ранее неизвестным типам цифровых угроз. Исследователи рассчитывают, что их программу станут использовать в системах безопасности с ограниченным доступом к данным — например, в умных домах и на важных инфраструктурных объектах.
