Флант и Цифра будут развивать IIoT на полностью российском стеке ПО

Флант и Цифра будут развивать IIoT на полностью российском стеке ПО

Флант и Цифра будут развивать IIoT на полностью российском стеке ПО

Сегодня на площадке ЦИПР «Флант» и ГК «Цифра» подписали соглашение, согласно которому компании будут развивать проекты в области IIoT. В планах — предложить промышленности технологии полностью на российском софтовом стеке.

Так называемый Меморандум о совместной реализации проектов в области промышленного интернета вещей подписали Александр Титов, управляющий партнёр АО «Флант», и генеральный директор ГК «Цифра» Сергей Емельченков.

Компании обещают развивать партнёрство а ключевым направлением называют создание комплексного предложения цифровых продуктов — Kubernetes-платформы Deckhouse (от «Флант») и ZIIoT (от «Цифры»).

Deckhouse, как известно, предназначена для поддержания безопасной отказоустойчивой среды и упрощает развертывание и масштабирование промышленных решений. ZIIoT помогает с задачами класса MES по управлению производством.

По словам представителей «Флант» и ГК «Цифра», сотрудничество поможет российским промышленным предприятиям активнее внедрять современные ИТ-продукты и получить максимальный экономический эффект от использования технологий интернета вещей.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

Челябинские ученые предложили систему защиты от сбоев промышленных систем

Чтобы защитить промышленные системы от атак и сбоев, коллектив исследователей из Южно-Уральского государственного университета (ЮУрГУ) предложил подход, основанный на принципах поведенческой аналитики. В основе решения лежит нейросеть Кохонена.

Результаты исследования российских специалистов опубликованы в сборнике International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM).

Разработанная в ЮУрГУ система работает в два этапа. Сначала она анализирует функционирование объекта в нормальном режиме и формирует эталонную модель. Затем переходит в режим мониторинга и оценивает поступающие данные, сравнивая их с полученной «нормой». При обнаружении значительных отклонений нейросеть подаёт сигнал о потенциально опасной ситуации.

Во время тестирования система правильно классифицировала 94% данных. Обучение нейросети заняло около 3,5 минут. Кроме того, решение успешно выявило действия, характерные для кибератак на промышленные объекты.

Разработчики планируют повысить точность модели и расширить её возможности для распознавания различных, в том числе сложных, сценариев атак.

«Ключевое преимущество нашего подхода — использование нейросети Кохонена, которая способна работать с большими массивами данных, когда показателей много и они тесно взаимосвязаны. Классические алгоритмы часто не справляются с такими объёмами и сложностью», — рассказал РИА Новости заведующий кафедрой «Защита информации» ЮУрГУ Александр Соколов.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru