MLAD: rilevamento delle anomalie grazie all’apprendimento automatico

Uff, grazie al cielo è finito. L’anno più terribile che la maggior parte di noi abbia mai trascorso è finalmente andato via, sparito, caput. Speriamo, come molti ripetono: “Il 2021 sarà migliore, non può andare peggio, no?”

Durante 10 lunghi mesi dell’anno appena trascorso, praticamente tutto il mondo è stato in uno stato di shock permanente. E non mi riferisco solo alla popolazione mondiale, ma anche alle imprese private e alle economie nazionali. Ahimè, un settore che non è stato affatto colpito, in realtà ha solo tratto benefici dalla pandemia, è quello della criminalità informatica. Le persone in lockdown, lavorando da casa, passano molto più tempo online e ha portato a un aumento delle potenziali vittime dei cybercriminali, pronte per essere hackerate. E non solo i singoli utenti, ma anche le aziende: con i dipendenti che lavorano da casa, molte reti aziendali sono state attaccate perché non erano sufficientemente protette: in primavera, con la fretta che si aveva di far lavorare tutti da remoto, la sicurezza non ha avuto la priorità. Insomma, anche lo status quo digitale di tutto il mondo è stato gravemente scosso da questo virus crudele.

Come risultato dell’aumento della criminalità informatica, in particolare perché prende di mira le reti aziendali vulnerabili, il settore della cybersecurity è stato più indaffarato che mai. Sì, questo include anche noi! Il 2020 per noi come azienda si è rivelato il più produttivo. Ad esempio, il numero di nuove versioni delle nostre soluzioni lanciate nel corso dell’anno è stato sorprendente, soprattutto quelle rivolte alle imprese.

Abbiamo anche messo lanciato nuove versioni nelle nostre soluzioni di sicurezza informatica per il settore industriale, e proprio di una di queste vorrei parlare oggi, una tecnologia nota come MLAD. Da non confondere con i siti di video divertenti online, o MLAD che è l’abbreviazione di Minimum Local Analgesic Dose, o MLAD che è l’abbreviazione dell’arteria discendente anteriore sinistra in lingua inglese: il nostro MLAD è l’abbreviazione di Machine Learning for Anomaly Detection, ossia il rilevamento di anomalie grazie all’apprendimento automatico.

Se siete lettori abituali dei nostri blog, potreste ricordare qualcosa di questa nostra tecnologia. O forse no. Comunque sia, facciamo un ripasso, non si sa mai.

Il nostro MLAD è un sistema che utilizza l’apprendimento automatico per analizzare i dati telemetrici degli impianti industriali per individuare anomalie, attacchi o guasti.

Immaginate di avere una fabbrica con migliaia di sensori installati, alcuni per la misurazione della pressione, altri della temperatura, e così via Ogni sensore genera un flusso costante di informazioni. È improbabile che un dipendente possa tenere traccia di tutti questi flussi di dati, ma per l’apprendimento automatico si tratta di una passeggiata. Dopo aver allenato una rete neuronale, MLAD può, sulla base di correlazioni dirette o indirette, rilevare che qualcosa non va in una certa sezione della fabbrica. In questo modo, si possono evitare milioni o miliardi di dollari di danni causati da potenziali incidenti non identificati sul nascere.

Ok, questa è l’idea generale di ciò che fa MLAD. Permettetemi ora di provare ad analizzare la scala granulare del lavoro che svolge MLAD utilizzando una metafora medica…

Molti di voi avrete un braccialetto fitness che vi indica la frequenza cardiaca e il numero di passi compiuti, ma non di più. Ci sono solo alcuni sensori nel dispositivo e questo è tutto. Diciamo che i medici hanno un dispositivo più avanzato con molti più sensori per poter monitorare altri parametri, come la pressione sanguigna, la quantità di globuli bianchi e così via. Ma facciamo un passo avanti nell’ipotetico monitoraggio: diciamo che i medici hanno un dispositivo con un trilione di sensori circa collegati in tutto il corpo. Di fatto, in ogni vaso sanguigno, in ogni cellula nervosa, e praticamente ovunque, tutti questi sensori trasmettono costantemente dati telemetrici. Naturalmente, una quantità così ingente di dati su scala granulare aiuta sicuramente i medici a individuare ciò che potrebbe non andare nel corpo di un paziente e che richiede un trattamento, ma al medico che sta effettivamente analizzando questi dati, verrà sicuramente un bel mal di testa (rilevato anche dai sensori). Invece, in men che non si dica, qualcosa arriva in soccorso del medico sull’orlo di una crisi di nervi… non è Superman, sono le nostre teKnologie!

Ecco in sostanza cosa fa MLAD. Ma ora veniamo alle novità…

Il primo aggiornamento serio di MLAD si chiama Pipeline. Da non confondere con la terza traccia di Construction Time Again:si tratta di una caratteristica che permette di suddividere l’analisi della telemetria in diverse parti.

La maggior parte delle persone ha due braccia, due gambe e un numero predeterminato di altri organi. Sapere che si è sani, nel complesso, è un bene naturalmente. Ma sapere come ogni organo se la cava da solo sarebbe molto meglio. In pratica questo principio viene applicato in progetti come la Building Information Management (BIM): in ogni stanza c’è un sensore per la finestra, un termometro, un indicatore per il funzionamento del condizionatore d’aria e così via. Così, invece di inserire l’intero edificio in un unico modello, abbiamo un mini-modello per ogni stanza. Più semplice, più elegante, dall’analisi più precisa e pertinente.

Il secondo grande aggiornamento si chiama Trainer.  No, non è l’ultima offerta per delle New Balance, il nostro Trainer permette all’azienda che utilizza MLAD di riprogrammare gli algoritmi secondo le necessità, senza il nostro intervento. E tale riprogrammazione è richiesta con una certa regolarità: le materie prime cambiano, un processo viene regolato, viene aggiunto un filtro e così via. Torniamo alle metafore mediche… Cambiate la vostra dieta, niente più cibo spazzatura, solo opzioni salutari (o viceversa), e cambiano anche i risultati delle analisi del sangue. Allo stesso modo, le letture tipiche dei sensori possono cambiare dopo una regolazione del processo, per cui la rete neurale deve ricevere una nuova regola ed è possibile farlo ora con un solo pulsante.

Ci sono state anche alcune modifiche e miglioramenti dell’interfaccia. Per esempio, MLAD può ora mostrare una panoramica dei dati di un tipo di sensore per l’intero oggetto, e disegnare una “mappa” dello schema di produzione con la pressione o la temperatura determinata per l’intero flusso di lavoro. E in futuro (spoiler!), stiamo progettando di disegnare modelli 3D on-demand di oggetti con tutte le letture, in modo da rendere possibile la localizzazione delle anomalie a un occhio non allenato.

Dulcis in fundo, un dato divertente: la tecnologia è così innovativa che ci siamo imbattuti in un problema inaspettato e insolito. In un primo momento, le aziende non riescono a credere che tutto ciò sia possibile! Solo alla fine di una dimostrazione pratica delle capacità della MLAD iniziano a capire che è tutto vero e che li aiuterà immensamente nel loro lavoro… e che i loro occhi torneranno alla loro dimensioni normali dopo averli sgranati per l’incredulità.

Allora, siete rimasti colpiti da tante belle notizie? Se è così, e desiderate avere maggiori informazioni, potete consultare la nostra pagina dedicata. dove troverete alcuni case study e un paio di video dimostrativi.

E questo è tutto per oggi, gente. Riguardatevi, mi raccomando!