Préstamo: Sistemas Expertos con Aplicaciones (2023). DOI: 10.1016/j.eswa.2023.120536
Expertos internacionales en el campo de la inteligencia artificial han propuesto el uso de la inteligencia artificial para proteger la infraestructura crítica, incluidas las redes de energía, agua y comunicación.
La Universidad de Flinders y expertos brasileños han estado trabajando en un nuevo modelo para la identificación temprana de ataques de virus de software, actividad de piratas informáticos o fallas generales del sistema en redes importantes que millones de personas usan todos los días.
“Hemos desarrollado un nuevo algoritmo para detectar fallas en las redes de datos que es resistente a las inconsistencias en los datos de los sensores. Este algoritmo es capaz de señalar el inicio de una gran interrupción que podría tener consecuencias de gran alcance”, dice el Dr. Paulo Santos, profesor asociado de Inteligencia Artificial y Robótica en la Facultad de Ciencias e Ingeniería de la Universidad de Flinders.
“Esto podría desarrollarse para brindar una protección efectiva contra fallas en los equipos en las redes de datos de los sistemas eléctricos y podría reemplazar los métodos de diagnóstico más tradicionales tanto en la generación de energía como en otras infraestructuras críticas.
“Este es uno de los primeros estudios completos de este sistema de prueba de analizador paraconsistente en una gran simulación de un sistema eléctrico complejo”.
Un ejemplo de una brecha en los sistemas críticos en 2010 fue el ataque del gusano Stuxnet, que fue diseñado para atacar e interrumpir los sistemas de control industrial, especialmente los utilizados en el programa nuclear iraní.
El profesor asociado Santos, junto con los coautores Hyghor Miranda Côrtes del Centro Universitário da FEI y João Inácio da Silva Filho de la Universidade Santa Cecília Brasil, publicaron sus hallazgos en un nuevo artículo de revista. Sistemas Expertos con Aplicaciones.
Los investigadores dicen que la IA se puede utilizar para mejorar las aplicaciones y otros sistemas de diagnóstico de fallas que ayudan a prevenir errores en sistemas de ingeniería complejos o plantas de fabricación y otras infraestructuras críticas.
El análisis de datos, el aprendizaje automático y el aprendizaje basado en reglas ya se están utilizando para desarrollar sistemas de diagnóstico de fallas.
“Sin embargo, hemos ampliado estos enfoques al agregar un ‘filtro de evidencia’ al proceso de diagnóstico del sistema para tener en cuenta las pruebas contradictorias dado el grado de confianza en los datos del sensor”, dice el profesor asociado Santos.
“Con un mayor desarrollo, este nuevo modelo de análisis, al que llamamos ‘Analizador cúbico paraconsistente con filtro de evidencia y análisis temporal’ (o CPAet), podría consolidarse para abordar fallas tecnológicas cada vez más sofisticadas en sistemas críticos que sirven a las principales industrias, ciudades de redes completas etcétera.
Más información:
Hyghor Miranda Côrtes et al., Cubic Paraconsistent Analyzers with Evidence Filter and Temporal Analysis, Sistemas Expertos con Aplicaciones (2023). DOI: 10.1016/j.eswa.2023.120536