La IA puede ayudar a proteger las redes vitales, dicen los expertos

Expertos internacionales en inteligencia artificial han propuesto utilizar la IA para ayudar a proteger la infraestructura crítica, incluidas las redes de energía, agua y comunicación.

La Universidad de Flinders y expertos brasileños han trabajado en un nuevo modelo para proporcionar una identificación temprana de ataques de virus de software, actividad de piratas informáticos o fallas generales del sistema en redes vitales en las que confían millones de personas todos los días.

«Hemos desarrollado un algoritmo novedoso para detectar fallas en las redes de datos que es resistente a las inconsistencias en los datos del sensor. Este algoritmo es capaz de señalar el comienzo de interrupciones importantes, que podrían 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 avanzar para ser una protección efectiva contra fallas de equipos en redes de datos de sistemas eléctricos y podría reemplazar métodos de diagnóstico más tradicionales tanto en energía como en otras infraestructuras críticas.

«Es una de las primeras investigaciones completas de este sistema de prueba de analizadores paraconsistentes en una gran simulación de un sistema eléctrico complejo».

Un ejemplo de una violación de sistemas críticos, en 2010, fue el ataque del gusano Stuxnet, diseñado para atacar e interrumpir los sistemas de control industrial, en particular los que se utilizan en el programa nuclear de Irán.

El profesor asociado Santos, con los coautores Hyghor Miranda Côrtes del Centro Universitário da FEI, y João Inácio da Silva Filho de la Universidade Santa Cecília Brasil, han publicado sus hallazgos en un nuevo artículo en la revista. Sistemas Expertos con Aplicaciones.

Los investigadores dicen que la IA se puede utilizar para mejorar las aplicaciones de software y otros sistemas de diagnóstico de fallas que ayudan a prevenir errores en sistemas de ingeniería complejos, plantas de fabricación y otras infraestructuras críticas.

El análisis de datos, el aprendizaje automático y el aprendizaje basado en reglas ya se utilizan para desarrollar sistemas de diagnóstico de fallas.

«Sin embargo, hemos ampliado estos enfoques para agregar un ‘filtro de evidencia’ al proceso de diagnóstico del sistema para tener en cuenta la evidencia contradictoria al considerar un grado de confianza en los datos del sensor», dice el profesor asociado Santos.

«Con un mayor desarrollo, este nuevo modelo de análisis, que llamamos ‘Analizador Paraconsistente Cúbico con Filtro de Evidencia y Análisis Temporal’ (o CPAet, por sus siglas en inglés), podría consolidarse para abordar fallas tecnológicas cada vez más sofisticadas en sistemas críticos que respaldan las principales industrias, áreas urbanas enteras redes, etcétera».