"Künstliche Intelligenz" zur Verbesserung der Cybersicherheit von industriellen Steuerungsnetzwerken (KI in ICS-Netzwerken)

Unternehmen mit verfahrenstechnischen Anlagen (z.B. Chemie) sowie diskreten Fertigungsanlage (Fabrikautomation, Einzelstückfertigung, Werkzeugmaschinen) aber auch Gebäudeleittechnik (folgend zusammengefasst unter dem Begriff Operational Technology (OT)) unterscheiden sich von klassischer Bürokommunikation hinsichtlich der verwendeten Protokolle und Gerätelebenszyklen. Außerdem können die Konsequenzen ihres Ausfalls, größer sein. Diese können von Verlust von Produktionsgütern über Zerstörung von Anlagen bis zum Verlust von Menschenleben gehen. Darüber hinaus kann der Ausfall von Kritischen Infrastrukturen, die zum Großteil auch OT verwenden, gravierend für das Gemeinwohl sein. Zudem fordert das IT-Sicherheitsgesetz 2.0 (IT-SiG 2.0) vom 28.5.2021 den Einsatz speziellen Systemen zur Angriffserkennung. Gezielte Angriffe in der OT sind aktuell jedoch schwerer zu detektieren als in der klassischen IT. Gründe dafür sind unter Anderem: - Den Betreibern von industriellen Anlagen fehlt es oftmals an essentieller Übersicht über ihr OT-Inventar - Die klassischen Informationsquellen (syslog, WEF, ...) fehlen oder werden nur vereinzelt ausgewertet - Die aus der klassischen IT bekannten Regeln und Signaturen zur Angriffserkennung sind oftmals nicht in die Systeme der OT integrierbar oder detektieren aufgrund der OT-Besonderheiten verdächtige Ereignisse nicht zuverlässig. Ein Vorteil bei OT-Netzwerken ist, dass die Kommunikation zwischen den Komponenten und Maschinen stattfindet und vergleichsweise wenigen dynamischen Änderungen unterliegt. Es ist davon auszugehen, dass eine auf Anomalien basierende Angriffserkennung in OT-Netzwerken durch lernende Systeme einen sehr großen Zugewinn an IT-Sicherheit für eine sehr breite Anwendergruppe schaffen kann. Die Ergebnisse aus der Grundlagenforschung sollen in ein Open-Source-Framework überführt und somit einem breiten Anwenderfeld zur Verfügung gestellt werden.