3 جولای 2023توسط دانشگاه فلیندرز-اعتبار: سیستم های خبره با برنامه های کاربردی (2023). DOI:
کارشناسان بین المللی هوش مصنوعی استفاده از هوش مصنوعی را برای کمک به حفاظت از زیرساخت های حیاتی از جمله برق، آب و شبکه های ارتباطی پیشنهاد کرده اند.
دانشگاه فلیندرز و کارشناسان برزیلی روی مدل جدیدی کار کرده‌اند تا شناسایی زودهنگام حمله ویروس نرم‌افزار، فعالیت هکرها یا خرابی کلی سیستم در شبکه‌های حیاتی را که میلیون‌ها نفر روزانه به آن تکیه می‌کنند، ارائه دهند.
دکتر پائولو سانتوس دانشیار هوش مصنوعی و رباتیک در کالج علوم و مهندسی دانشگاه فلیندرز می‌گوید: “ما یک الگوریتم جدید برای تشخیص خرابی در شبکه‌های داده ایجاد کرده‌ایم که در برابر ناهماهنگی‌های داده‌های حسگر مقاوم است. این الگوریتم می‌تواند سیگنال شروع اختلالات بزرگ باشد که می‌تواند پیامدهای گسترده‌ای داشته باشد.”.
این می‌تواند برای محافظت مؤثر در برابر خرابی تجهیزات در شبکه‌های داده سیستم‌های الکتریکی پیشرفته باشد و می‌تواند جایگزین روش‌های تشخیص سنتی‌تر هم در نیرو و هم در سایر زیرساخت‌های حیاتی شود.
این یکی از اولین بررسی های کامل این سیستم آزمایش آنالایزرهای پاراسازگار در یک شبیه سازی بزرگ از یک سیستم الکتریکی پیچیده است.
یکی از نمونه‌های نقض حیاتی سیستم‌ها، در سال 2010، حمله کرم استاکس‌نت بود که برای هدف قرار دادن و اختلال در سیستم‌های کنترل صنعتی – به‌ویژه آن‌هایی که در برنامه هسته‌ای ایران استفاده می‌شوند، طراحی شد.
دانشیار سانتوس به همراه نویسندگان همکار Hyghor Miranda Côrtes از Centro Universitário da FEI و João Inácio da Silva Filho از دانشگاه Santa Cecília برزیل، یافته های خود را در مقاله جدیدی در مجله Expert Systems with Applications منتشر کرده اند.
محققان می‌گویند که هوش مصنوعی می‌تواند برای بهبود برنامه‌های نرم‌افزاری و سایر سیستم‌های تشخیص عیب که به جلوگیری از خطاها در سیستم‌های مهندسی پیچیده، یا کارخانه‌های تولیدی و سایر زیرساخت‌های حیاتی کمک می‌کنند، استفاده شود.
در حال حاضر تجزیه و تحلیل داده ها، یادگیری ماشین و یادگیری مبتنی بر قوانین برای توسعه سیستم های تشخیص عیب استفاده می شود.
پروفسور سانتوس می‌گوید: «با این حال، ما این رویکردها را گسترش داده‌ایم تا یک «فیلتر شواهد» را به فرآیند تشخیص سیستم اضافه کنیم تا با در نظر گرفتن درجه‌ای از اعتماد به داده‌های حسگر، شواهد متضاد را در نظر بگیریم.
با توسعه بیشتر، این مدل جدید تجزیه و تحلیل، که ما آن را «تحلیلگر پاراسازگار مکعبی با فیلتر شواهد و تحلیل زمانی یا CPAet می‌نامیم، می‌تواند برای رفع خرابی‌های تکنولوژیکی پیچیده‌تر در سیستم‌های حیاتی که از صنایع بزرگ، شبکه ها و غیره شهری پشتیبانی می‌کنند، ادغام شود..
