हाल के एक अध्ययन के अनुसार, अनियोजित डाउनटाइम से उद्योग को सालाना अनुमानित US$50 बिलियन का नुकसान होता है। विसंगति का पता लगाने के लिए कैस्पर्सकी मशीन लर्निंग प्रारंभिक चरण में उत्पादन प्रक्रियाओं में विचलन की पहचान करने में मदद करती है और इस प्रकार डाउनटाइम्स को कम करती है। Kaspersky MLAD सुरक्षा के लिए 2022 के शीर्ष उत्पादों में से एक है। Kaspersky MLAD ने कंप्यूटर एंड ऑटोमेशन मैगज़ीन के रीडर्स पोल में "सेफ्टी एंड सिक्योरिटी" श्रेणी में तीसरा स्थान प्राप्त किया।
समाधान मशीन लर्निंग एल्गोरिदम से लैस है जो वास्तविक समय में मशीन सेंसर से टेलीमेट्री का विश्लेषण करता है। जैसे ही निर्माण प्रक्रिया के पैरामीटर (टैग) अप्रत्याशित रूप से व्यवहार करते हैं, चेतावनियां चालू हो जाती हैं। अभिनव दृष्टिकोण की हाल ही में अमेरिकी पेटेंट द्वारा पुष्टि की गई थी।
मशीन लर्निंग के माध्यम से विसंगतियों का पता लगाएं
समाधान मशीन लर्निंग एल्गोरिदम से लैस है जो मशीन सेंसर से टेलीमेट्री का विश्लेषण करता है। जब विनिर्माण प्रक्रिया पैरामीटर (टैग) अप्रत्याशित रूप से व्यवहार करते हैं तो यह अलर्ट ट्रिगर करके मशीन विफलताओं की चेतावनी देता है। एनोमली डिटेक्शन के लिए कास्परस्की मशीन लर्निंग भी विस्तृत विसंगति विश्लेषण के लिए फीचर से भरपूर विज़ुअल इंटरफ़ेस और उपयोगकर्ताओं के डैशबोर्ड पर अलर्ट भेजने के लिए मौजूदा सिस्टम के साथ उत्पाद को एकीकृत करने के लिए टूल प्रदान करता है।
औद्योगिक वातावरण में, सुचारू संचालन आवश्यक है; औद्योगिक नियंत्रण प्रणालियों पर उपकरणों की खराबी, परिचालन त्रुटियों या साइबर हमलों से बचा जाना चाहिए। हालांकि, जब सबसे खराब होता है, तो शुरुआती पहचान डाउनटाइम, बर्बाद संसाधनों और अन्य गंभीर परिणामों के प्रभाव को कम करने में मदद कर सकती है। कास्परस्की के अनुमान के अनुसार, डाउनटाइम में 50 प्रतिशत की कमी से एक बड़े बिजली संयंत्र के लिए $1 मिलियन तक की वार्षिक बचत या तेल रिफाइनरी के लिए $2,5 मिलियन की वार्षिक बचत संभव हो जाती है।
डाउनटाइम में अरबों डॉलर खर्च होते हैं
Kaspersky Machine Learning for Anomaly Detection तंत्रिका नेटवर्क वास्तविक समय में उत्पादन प्रक्रिया में उपयोग किए जाने वाले विभिन्न सेंसर की टेलीमेट्री का विश्लेषण करता है। समाधान मामूली विसंगतियों का भी पता लगाता है, जैसे सिग्नल डायनेमिक्स या सिग्नल सहसंबंधों में बदलाव, और उपयोगकर्ताओं को उनकी सीमा तक पहुंचने और प्रदर्शन को प्रभावित करने से पहले सूचित करता है। यह संयंत्र संचालकों को निवारक उपाय करने में सक्षम बनाता है। विसंगतियों का पता लगाने में सक्षम होने के लिए, तंत्रिका नेटवर्क ऐतिहासिक टेलीमेट्री डेटा से मशीन के सामान्य व्यवहार को सीखता है।
क्या उत्पादन प्रक्रिया का एक पैरामीटर बदल जाता है, उदाहरण के लिए क्योंकि एक नए प्रकार का कच्चा माल पेश किया जाता है या मशीन का एक हिस्सा बदल दिया जाता है, एक ऑपरेटर तंत्रिका नेटवर्क को अपडेट करने के लिए मशीन सीखने के प्रशिक्षण को फिर से चला सकता है। मशीन लर्निंग आधारित डिटेक्टर के अलावा, विशिष्ट मामलों के लिए कस्टम डायग्नोस्टिक नियम भी जोड़े जा सकते हैं। विसंगति का पता लगाने के लिए कास्परस्की मशीन लर्निंग पता लगाई गई विसंगतियों का विश्लेषण करने के लिए एक दृश्य इंटरफ़ेस प्रदान करता है। सभी निगरानी प्रक्रियाओं के विज़ुअलाइज़्ड आरेखों के कारण, एक विशेषज्ञ यह देख सकता है कि सिस्टम के किस भाग में, कब और क्या गलत हुआ।
Kaspersky.com पर अधिक
Kaspersky के बारे में Kaspersky 1997 में स्थापित एक अंतरराष्ट्रीय साइबर सुरक्षा कंपनी है। Kaspersky की डीप थ्रेट इंटेलिजेंस और सुरक्षा विशेषज्ञता दुनिया भर में व्यवसायों, महत्वपूर्ण बुनियादी ढांचे, सरकारों और उपभोक्ताओं की सुरक्षा के लिए नवीन सुरक्षा समाधानों और सेवाओं की नींव के रूप में कार्य करती है। कंपनी के व्यापक सुरक्षा पोर्टफोलियो में जटिल और उभरते साइबर खतरों से बचाव के लिए अग्रणी एंडपॉइंट सुरक्षा और विशेष सुरक्षा समाधानों और सेवाओं की एक श्रृंखला शामिल है। 400 मिलियन से अधिक उपयोगकर्ता और 250.000 कॉर्पोरेट ग्राहक Kaspersky प्रौद्योगिकियों द्वारा सुरक्षित हैं। www.kaspersky.com/ पर Kaspersky के बारे में अधिक जानकारी