En España se detectaron objetos maliciosos en el 23,6% de los equipos industriales

  • Infraestructuras críticas

Las fuentes de amenazas más bloqueadas fueron recursos de Internet, scripts maliciosos y sypware. La detección temprana es clave, y Kaspersky Machine Learning for Anomaly Detection utiliza aprendizaje automático para prevenir averías e interrupciones en procesos industriales.

Recomendados: 

Metallic Salesforce Backup Leer

Seis razones para proteger Salesforce con una solución de terceros Leer

Anatomía del ataque a una cuenta privilegiada Leer

En los entornos industriales es fundamental mantener el proceso tecnológico de forma óptima y evitar todo tipo de interrupciones, tales como el mal funcionamiento de los equipos, errores de los operadores o ciberataques a los sistemas de control industrial. Si algo va mal, la detección temprana puede evitar la interrupción y, por tanto, reducir el coste del tiempo de inactividad, el desperdicio de materias primas o incluso consecuencias más graves. Consciente de ello, Kaspersky ha dado a conocer Machine Learning for Anomaly Detection, una solución diseñada para detectar desviaciones en los procesos productivos en fase temprana.

Durante el primer trimestre del año en curso, Kaspersky detectó objetos maliciosos en más del 26% de los equipos industriales de todo el mundo, porcentaje que se incrementa hasta el 32% en las industrias de petróleo y gas. España fue el segundo país europeo en el que se detectó un mayor número de objetos maliciosos, con un 23% en equipos de la industria del petróleo y gas y un 23,6% en el total de industrias. Las fuentes de amenazas más bloqueadas fueron recursos de Internet (15%), scripts maliciosos (8%) y sypware (8%).

Machine Learning for Anomaly Detection cuenta con algoritmos de aprendizaje automático que analizan la telemetría de los sensores de la maquinaria y advierten del mal funcionamiento de la misma enviando alertas cuanto los parámetros del proceso de fabricación (tags) se comportan de forma inesperada. Detecta pequeñas desviaciones, como un cambio en la dinámica o las correlaciones de las señales, y emite alertas antes de que los valores alcancen su umbral límite y afecten al rendimiento. Esto permite a los operarios de la planta tomar medidas preventivas.

Kaspersky Machine Learning for Anomaly Detection funciona sobre la infraestructura existente de la planta y no requiere la instalación de sensores adicionales. La solución de Kaspersky proporciona una interfaz gráfica rica en funciones para el análisis detallado de las anomalías, así como herramientas que permiten integrar el producto con los sistemas existentes, para enviar alertas al cuadro de mandos de los operadores. Para obtener datos e informar de las anomalías, la solución se conecta a sistemas de control industrial como SCADA. También puede integrarse con Kaspersky Industrial CyberSecurity for Networks.