Problemy z przetwarzaniem i zabezpieczaniem danych w rozwiązaniach Przemysłu 4.0

Przemysł 4.0 oznacza czwartą rewolucję przemysłową oraz nowy paradygmat autonomicznego i zdecentralizowanego sterowania w produkcji. Produkty i systemy produkcyjne są udoskonalane do bycia systemami cybernetycznymi, które mają zdolność do komunikowania się ze sobą, do budowania sieci ad hoc oraz do samokontroli i samooptymalizacji. Z punktu widzenia IT oznacza to nowe wyzwania dotyczące sieci, integracji i przetwarzania danych. Znane technologie, takie jak Internet Rzeczy, rozwiązania chmurowe czy Big Data są propagowanymi rozwiązaniami – komponentami Przemysłu 4.0.

Przez dłuższy czas dane nie były doceniane. Prawdopodobnie wynikało to z braku wiedzy i zrozumienia jak duży atut biznesowy stanowią. Obecnie trendy się zmieniają, a dane ewoluują z produktu ubocznego prowadzonego biznesu w nową „ropę naftową”, złoto, siłę napędową cyfrowej gospodarki. Powinny być więc traktowane jak inne aktywa biznesowe – odpowiednio wykorzystywane, wartościowane i zabezpieczane.

Należy jednak pamiętać, że dane przemysłowe wyraźnie różnią się od big data w sieciach społecznych w związku z czym wymagają specjalnych technik przetwarzania.

Głównymi wyzwaniami przy przetwarzaniu tego typu danych są m.in.:

• Duża i stale rosnąca ilość danych
  Kompleksowa integracja danych generuje zbiory, do których trzeba uzyskać dostęp i które trzeba przetwarzać. Zbiory te obejmują dane aktywne i pasywne a także stale rosnącą ilość danych historycznych, które są potrzebne to przyszłych prognoz.
• Przetwarzanie niejednorodnych danych, pochodzących z różnych źródeł
  Powiązanie danych z różnych źródeł pozwala uzyskać dodatkową wiedzę na temat monitorowanego procesu i wyciągać na jej podstawie kolejne wnioski, np. poprzez wykonywanie dodatkowych analiz. Integracja danych pochodzących z różnych źródeł, dostarczanych w różnym czasie, na odmiennych poziomach agregacji i w innych formatach, stanowi spory problem. Niezbędna jest zatem ich normalizacja i transformacja do formatu wymaganego przez narzędzia analizy i wizualizacji danych.
• Rozbudowane systemy dostępu do danych
  Poszczególne sytuacje i zdarzenia w produkcji są wyzwalaczami do budowania sieci ad hoc, które umożliwiają podejmowanie decyzji. Wymaga to losowego dostępu do statusu i opisu wszystkich podmiotów w obrębie całej sieci produkcyjnej – dużej ilości punktów dostępu do danych (dostęp do wybiórczych danych zaburzyłby jakość analiz predykcyjnych).
• Dostęp i przetwarzanie w czasie rzeczywistym:
  Produkcja operacyjna wymaga kontroli i podejmowania decyzji w czasie rzeczywistym. Procesy decyzyjne muszą uwzględniać ogólne cele systemu i optymalizację. To wymaga przetwarzania kompleksowych modeli i dostępu do danych sieciowych w czasie rzeczywistym.

Ogromne zbiory różnorodnych danych to kopalnia wiedzy, która może być wykorzystana w różny sposób. Aby zachować bezpieczeństwo, firmy muszą zarządzać ryzykiem. Sektor przemysłowy charakteryzuje się tym, że jego sukces zależy od zapewnienia ciągłości działania i bezpieczeństwa. Spadek produkcji, lub jakiekolwiek jego zakłócenie, szczególnie w przypadku nieplanowanych przestojów, ma wpływ na całą organizację – sprzedaż, zyski, reputację, relacje partnerskie i wartość firmy.

Warto także wspomnieć, że koszt naruszenia danych w sektorze przemysłowym jest jednym z najwyższych w gospodarce. W 2020 wyniósł średnio 5 mln USD, a czas rozpoznania i powstrzymania naruszenia wyniósł aż 302 dni. W 2022 było odrobinę lepiej, czas reakcji spadł do 273 dni.

Według ankiety przeprowadzonej przez SANS Institute „2019 State of OT/ICS Cybersecurity Survey”, czynnik ludzki stanowi największe ryzyko naruszenia bezpieczeństwa systemów przemysłowych. 62% ankietowanych uważa, że jest to najważniejsza przyczynę zagrożeń i leży u podstaw najistotniejszych incydentów i naruszeń cyberbezpieczeństwa. Dlatego zabezpieczenia danych warto rozpocząć od kształcenia kadr.

Warto, w miarę możliwości utrzymywać system w aktualnej wersji, chociaż w przypadku zakładów przemysłowych regularne podnoszenie wersji systemu może być utrudnione – wymagałoby to zatrzymania produkcji, co wiązałoby się z ogromnymi kosztami. Z tego powodu sieci produkcyjne OT mogą być bardziej podatne na niepożądane działania.

Aby zwiększyć bezpieczeństwo danych, należy pamiętać o następujących zasadach:

• Zwiększanie świadomości cyberbezpieczeństwa w organizacji
  Cyberbezpieczeństwo musi być najwyższym priorytetem organizacji. Nie należy o nim zapominać na żadnym z etapów – począwszy od planowania nowych technologii, poprzez tworzenie procedur czy procesów aż do ich wdrażania.
• Wykorzystywanie platform
  Korzystanie z platform, dla których producent kompleksowo dba o cyberbezpieczeństwo (np. dzięki regularnemu rozwojowi, łataniu luk, certyfikacji) znacząco ułatwia pracę zespołów do spraw bezpieczeństwa czy też IT, umożliwiając zapewnienie odpowiedniego poziomu zabezpieczeń.
• Architektura Zero Trust
  Jednym z zyskujących na znaczeniu modeli architektury systemów bezpieczeństwa jest Zero Trust. Posiadanie szczegółowych danych na temat osób, które próbują się połączyć z siecią firmową pozwolą wyeliminować ryzyko nieautoryzowanego dostępu do informacji znajdujących się w sieci. Niestety z raportu IBM (Cost of a Data Breach Report 2022) wynika, że aż 79% firm z branż uznawanych za krytyczne (usługi finansowe, przemysł, technologia, energia, transport, komunikacja, opieka zdrowotna, edukacja i sektor publiczny) nie korzystają z tego modelu.