Säkrar industrin mot cyberattacker

I takt med att digitaliseringen av industrier ökar blir cybersäkerhet alltmer relevant. Samtidigt har traditionella metoder för it-systemsäkerhet begränsad tillämpbarhet på industriella styrsystem. I projektet Säkerhet i industriella informations- och styrsystem har universitetslektor André Teixeira utvecklat nya metoder och verktyg som fokuserar på säkrare styr- och dynamiska system.

André Teixeira blev 2020 utvald av SSF som en av Framtidens Forskningsledare, FFL, och forskar idag vid Institutionen för informationsteknologi på Uppsala universitet, inom Reglerteknik och Cybersäkerhet.
– Ett dilemma i ansträngningarna att öka cybersäkerheten har varit att samtidigt som man vill skydda industriella styrsystem genom exempelvis avancerad kryptering så leder det till fördröjning i överföring av data. Det påverkar system som är beroende av snabba reaktioner negativt. Jag kombinerar i stället datasäkerhetskoncept med reglerteknik för att möjliggöra för konstruktörer av styrsystem att tänka på säkerheten i sina system tidigt så att de bygger säkrare system från början.

En mer realistisk hotbild
De metoder och verktyg han tar fram möter säkerhetsutmaningar i både stora, osäkra och distribuerade system.
– När man jobbar med cybersäkerhet använder man ofta hotbilder och det värsta tänkbara scenariot. Gör man det utgår man från att angriparna har fullständig information om ett system, vilket de i princip aldrig har. Vi utgår i stället från mer realistiska hot och fokuserar på att systemet ska kunna upptäcka och begränsa dem.

Expertis används i nya samarbeten
Expertis och metoder från André Teixeiras forskning har redan börjat användas inom andra forskningsområden. Ett exempel är ett samarbete med Salman Toor, universitetslektor vid Institutionen för informationsteknologi på Uppsala universitet, inom Distribuerade beräkning och Cybersäkerhet.
– Vi använder dem i vår forskning på Federerad inlärning (FL), som tränar modeller på distribuerade data utan centralisering. Det möjliggör säker och skalbar maskininlärning över edge-enheter i uppkopplade miljöer. Den expertis som André och hans kollegor har tagit fram har stor potential för den praktiska nyttan med maskininlärning i industriella system, berättar Salman Toor.
Salman Toor är också aktiv i Scaleout Systems, en avknoppning från Uppsala universitet, som bidrar till att forskningsresultat kan kommersialiseras till nytta för svensk industri.