L’IA peut aider à protéger les réseaux vitaux, selon les experts

Des experts internationaux en intelligence artificielle ont proposé d’utiliser l’IA pour aider à protéger les infrastructures critiques, notamment les réseaux d’électricité, d’eau et de communication.

L’Université Flinders et des experts brésiliens ont travaillé sur un nouveau modèle pour fournir une identification précoce des attaques de virus logiciels, des activités de pirates ou des défaillances générales du système dans les réseaux vitaux sur lesquels des millions de personnes comptent chaque jour.

« Nous avons développé un nouvel algorithme pour détecter les défaillances dans les réseaux de données qui est robuste aux incohérences dans les données des capteurs. Cet algorithme est capable de signaler le début de perturbations majeures, qui pourraient avoir des conséquences considérables », explique le Dr Paulo Santos, Professeur associé en intelligence artificielle et robotique au Collège des sciences et de l’ingénierie de l’Université Flinders.

« Cela pourrait être avancé pour constituer une protection efficace contre les pannes d’équipement dans les réseaux de données des systèmes électriques et pourrait remplacer les méthodes de diagnostic plus traditionnelles à la fois dans l’alimentation et dans d’autres infrastructures critiques.

« Il s’agit de l’une des premières études complètes de ce système de test d’analyseurs paracohérents dans une grande simulation d’un système électrique complexe. »

L’attaque par le ver Stuxnet, conçue pour cibler et perturber les systèmes de contrôle industriels, en particulier ceux utilisés dans le programme nucléaire iranien, est un exemple de violation critique des systèmes, en 2010.

Le professeur agrégé Santos, avec les co-auteurs Hyghor Miranda Côrtes du Centro Universitário da FEI, et João Inácio da Silva Filho de l’Universidade Santa Cecília Brazil, ont publié leurs découvertes dans un nouvel article de la revue Systèmes experts avec applications.

Les chercheurs affirment que l’IA peut être utilisée pour améliorer les applications logicielles et d’autres systèmes de diagnostic des pannes qui aident à prévenir les erreurs dans les systèmes d’ingénierie complexes, les usines de fabrication et d’autres infrastructures critiques.

L’analyse de données, l’apprentissage automatique et l’apprentissage basé sur des règles sont déjà utilisés pour développer des systèmes de diagnostic de pannes.

« Cependant, nous avons développé ces approches pour ajouter un » filtre de preuves « au processus de diagnostic du système afin de prendre en compte les preuves contradictoires en considérant un degré de confiance dans les données du capteur », explique le professeur agrégé Santos.

« Avec un développement ultérieur, ce nouveau modèle d’analyse, que nous appelons ‘Cubic Paraconsistent Analyzer with Evidence Filter and Temporal Analysis’ (ou CPAet), pourrait être consolidé pour faire face à des défaillances technologiques de plus en plus sophistiquées dans les systèmes critiques qui soutiennent les principales industries, l’ensemble de la ville. réseaux, etc. »