Виявлення аномальної активності у plcкерованому обладнанні на основі поведінкового аналізу та машинного навчання

Abstract

В даній статті розглянуто удосконалення методів виявлення аномальної активності у PLC керованих виробничих системах на основі поведінкового аналізу та машинного навчання з урахуванням циклічних виробничих процесів. Проаналізовано архітектуру PLC, методи за хисту та існуючі програмні засоби. Запропоновано метод на основі LSTM-автоенкодера з використанням стандартуThis article discusses the improvement of anomaly detection methods in PLC-controlled production systems based on behavioral analysis and machine learning considering cyclical production processes. The architecture of PLCs, protection methods and existing software tools are analyzed. A method based on LSTM autoencoder using the ISA-88 standard is proposed. The results of experimental verification and economic justification of implementation are presented.