INGENIERÍA MUNDIAL Cómo los gemelos digitales podrían proteger a los fabricantes de los ciberataques
Una estrategia nueva y mejorada para detectar ataques cibernéticos en sistemas de fabricación, como impresoras 3D, implica el uso de IA para monitorear un gemelo digital que imita y recibe datos en tiempo real del sistema físico.
Abajo Crédito: N. Hanacek/NIST
Las copias virtuales detalladas de objetos físicos, llamados gemelos digitales, están abriendo las puertas para mejores productos en la industria automotriz, de atención médica, aeroespacial y otras. Según un nuevo estudio, la ciberseguridad también puede encajar perfectamente en la cartera de gemelos digitales.
A medida que más robots y otros equipos de fabricación se vuelven accesibles de forma remota, se crean nuevos puntos de entrada para ciberataques maliciosos. Para mantenerse al día con la creciente amenaza cibernética, un equipo de investigadores del Instituto Nacional de Estándares y Tecnología (NIST) y la Universidad de Michigan ideó un marco de ciberseguridad que combina la tecnología de gemelos digitales con el aprendizaje automático y la experiencia humana para marcar indicadores de ataques cibernéticos.
En un artículo publicado en IEEE Transactions on Automation Science and Engineering, los investigadores del NIST y la Universidad de Michigan demostraron la viabilidad de su estrategia al detectar ataques cibernéticos dirigidos a una impresora 3D en su laboratorio. También señalan que el marco podría aplicarse a una amplia gama de tecnologías de fabricación.
Los ataques cibernéticos pueden ser increíblemente sutiles y, por lo tanto, difíciles de detectar o diferenciar de otras anomalías del sistema, a veces más rutinarias. Los datos operativos que describen lo que está ocurriendo dentro de las máquinas (datos de sensores, señales de error, comandos digitales que se emiten o ejecutan, por ejemplo) podrían respaldar la detección de ataques cibernéticos. Sin embargo, acceder directamente a este tipo de datos casi en tiempo real desde dispositivos de tecnología operativa (OT), como una impresora 3D, podría poner en riesgo el rendimiento y la seguridad del proceso en la fábrica.
«Por lo general, he observado que las estrategias de ciberseguridad de fabricación se basan en copias del tráfico de red que no siempre nos ayudan a ver lo que está ocurriendo dentro de una pieza de maquinaria o proceso», dijo el ingeniero mecánico del NIST Michael Pease, coautor del estudio. «Como resultado, algunas estrategias de ciberseguridad de OT parecen análogas a observar las operaciones desde el exterior a través de una ventana; Sin embargo, los adversarios podrían haber encontrado un camino hacia el piso».
Sin mirar bajo el capó del hardware, los profesionales de ciberseguridad pueden estar dejando espacio para que los actores maliciosos operen sin ser detectados.
Echando un vistazo en el espejo digital
Los gemelos digitales no son sus modelos de computadora comunes. Están estrechamente vinculados a sus contrapartes físicas, de las cuales extraen datos y se ejecutan junto a ellas casi en tiempo real. Entonces, cuando no es posible inspeccionar una máquina física mientras está en funcionamiento, su gemelo digital es la mejor opción.
En los últimos años, los gemelos digitales de la maquinaria de fabricación han armado a los ingenieros con una gran cantidad de datos operativos, ayudándoles a lograr una variedad de hazañas (sin afectar el rendimiento o la seguridad), incluida la predicción de cuándo las piezas comenzarán a descomponerse y requerirán mantenimiento.
Además de detectar indicadores rutinarios de desgaste, los gemelos digitales podrían ayudar a encontrar algo más dentro de los datos de fabricación, dicen los autores del estudio.
«Debido a que los procesos de fabricación producen conjuntos de datos tan ricos (temperatura, voltaje, corriente) y son tan repetitivos, hay oportunidades para detectar anomalías que sobresalen, incluidos los ataques cibernéticos», dijo Dawn Tilbury, profesora de ingeniería mecánica en la Universidad de Michigan y coautora del estudio.
Para aprovechar la oportunidad que presentan los gemelos digitales para una ciberseguridad más estricta, los investigadores desarrollaron un marco que implica una nueva estrategia, que probaron en una impresora 3D estándar.
El equipo construyó un gemelo digital para emular el proceso de impresión 3D y le proporcionó información de la impresora real. A medida que la impresora construía una pieza (un reloj de arena de plástico en este caso), los programas informáticos monitoreaban y analizaban flujos de datos continuos, incluidas las temperaturas medidas del cabezal de impresión físico y las temperaturas simuladas calculadas en tiempo real por el gemelo digital.
Los investigadores lanzaron oleadas de perturbaciones en la impresora. Algunas eran anomalías inocentes, como un ventilador externo que hacía que la impresora se enfriara, pero otras, algunas de las cuales causaban que la impresora informara incorrectamente sus lecturas de temperatura, representaban algo más nefasto.
Entonces, incluso con la gran cantidad de información disponible, ¿cómo distinguieron los programas informáticos del equipo un ataque cibernético de algo más rutinario? La respuesta del marco es utilizar un proceso de eliminación.
Los programas que analizaban tanto las impresoras reales como las digitales eran modelos de aprendizaje automático de reconocimiento de patrones entrenados en datos operativos normales, que se incluyen en el documento, a granel. En otras palabras, los modelos eran expertos en reconocer cómo se veía la impresora en condiciones normales, lo que también significaba que podían saber cuándo las cosas estaban fuera de lo común.
Si estos modelos detectaban una irregularidad, pasaban el testigo a otros modelos de computadora que verificaban si las señales extrañas eran consistentes con algo en una biblioteca de problemas conocidos, como que el ventilador de la impresora enfriara su cabezal de impresión más de lo esperado. Luego, el sistema clasificó la irregularidad como una anomalía esperada o una posible amenaza cibernética.
En el último paso, un experto humano debe interpretar el hallazgo del sistema y luego tomar una decisión.
«El marco proporciona herramientas para formalizar sistemáticamente el conocimiento del experto en la materia sobre la detección de anomalías. Si el marco no ha visto una cierta anomalía antes, un experto en la materia puede analizar los datos recopilados para proporcionar más información para integrarse y mejorar el sistema», dijo el autor principal Efe Balta, ex estudiante graduado de ingeniería mecánica en la Universidad de Michigan y ahora investigador postdoctoral en ETH Zurich.
En términos generales, el experto confirmaría las sospechas del sistema de ciberseguridad o le enseñaría una nueva anomalía para almacenar en la base de datos. Y luego, a medida que pasa el tiempo, los modelos en el sistema teóricamente aprenderían más y más, y el experto humano necesitaría enseñarles cada vez menos.
En el caso de la impresora 3D, el equipo verificó el trabajo de su sistema de ciberseguridad y descubrió que era capaz de clasificar correctamente los ataques cibernéticos de las anomalías normales mediante el análisis de datos físicos y emulados.
Pero a pesar de la prometedora demostración, los investigadores planean estudiar cómo responde el marco a ataques más variados y agresivos en el futuro, asegurando que la estrategia sea confiable y escalable. Sus próximos pasos probablemente también incluirán aplicar la estrategia a una flota de impresoras a la vez, para ver si la cobertura ampliada perjudica o ayuda a sus capacidades de detección.
«Con más investigación, este marco podría ser un gran ganar-ganar tanto para el mantenimiento como para el monitoreo de indicaciones de sistemas OT comprometidos», dijo Pease.
NIST
Ponencia: E. C. Balta, M. Pease, J. Moyne, K. Barton y D. M. Tilbury. Gemelos digitales de detección de ciberataques para sistemas de fabricación ciberfísicos. Transacciones IEEE en Ciencia e Ingeniería de Automatización. Publicado en línea el 22 de febrero de 2023. DOI: 10.1109/TASE.2023.3243147
Tecnología de la información, Inteligencia artificial, IA aplicada, Ciberseguridad, Fabricación, Fabricación aditiva y Monitorización, diagnóstico y pronóstico
