Реализация AI-фреймворка для обнаружения аномалий в OT-сетях котельных
Таблица 1 - Компоненты AI-фреймворка и их назначение
Компонент | Назначение | Обрабатываемые данные |
Модуль приема данных | Сбор и агрегация сырых данных из разнородных источников | Сетевые пакеты (PCAP), потоковые метрики (NetFlow), данные датчиков (температура, давление, уровень O₂/CO) |
Предобработка и фичеринжениринг | Нормализация, обработка пропусков, создание признаков | Извлечение признаков из сетевого трафика (протоколы, порты, размеры пакетов, тайминги) и технологических параметров |
Гибридная AI-модель (DTGMM) | Совместное обучение и выявление скрытых аномалий | Низкоразмерные представления сетевой активности и временных рядов датчиков |
Блок принятия решений | Формирование инцидентов и расчет скоринга аномальности | Оценка вероятности аномалии на основе распределения в GMM |
Подсистема визуализации и оповещений | Предоставление аналитику контекста и рекомендаций | Приоритизация инцидентов, вывод связанных сетевых и технологических событий |
