Etikettarkiv: MdU

Serendipity förbättrar skyddet mot cyberattacker

Mikael Sjödin (till vänster), professor och forskningsledare för forskningssatsningen Serendipity vid Mälardalens universitet tillsammans med sina forskarkollegor. Foto: Henrik Mill
Mikael Sjödin (till vänster), professor och forskningsledare för forskningssatsningen Serendipity vid Mälardalens universitet tillsammans med sina forskarkollegor. Foto: Henrik Mill

I den femåriga forskningssatsningen Serendipity vid Mälardalens universitet studeras hur man på ett effektivt sätt kan stärka skyddet av säkerhetskritiska system. Serendipity finansieras av Stiftelsen för strategisk forskning och består av tre delprojekt med fokus på kravhantering, modellering och upprätthållande av säkerhet, även när system befinner sig under attack. Inom ramen för satsningen utvecklas innovativ plattformsteknik som tål såväl buggar som cyberattacker.

Tålighet mot cyberattacker är livsviktigt för att nå hållbar krisberedskap och ett motståndskraftigt samhälle med digitaliserade infrastrukturer och fordon. Baserat på sin gedigna kunskap om utveckling av robusta datorsystem utvecklar forskarna på Mälardalens universitet nya tekniker för att öka tåligheten mot cyberattacker gentemot samhällets mest säkerhetskritiska system. I Serendipity utvecklas ny teknik och en plattform för säkerhetskritiska uppkopplade cyberfysiska system, som utnyttjar befintliga tekniker för pålitliga system och utökar dem med skalbara säkerhetslösningar för öppna och heterogena system.

Femårig satsning
–Vi har fått ett femårigt anslag från Stiftelsen för strategisk forskning för att utveckla säkra och pålitliga plattformar för autonomi. Serendipity initierades i mars 2018 och vi har vid det här laget nått fram till flera intressanta slutsatser och vetenskapliga publiceringar. Vi samverkar även med ett flertal industriella partners, däribland Volvo Construction Equipment (CE) och Saab Avionics, säger professor och forskningsledare Mikael Sjödin.
Det första projektet inom Serendipity, ”Ontology for safety and security and requirements management”, leds av Luciana Provenzano.
– Forskningen fokuserar på ontologier, en beskrivning av hur fysiska objekt förhåller sig till varandra. Vi har tagit fram en ”Security ontology”, en guide och ett verktyg som ska underlätta arbetet med att identifiera vilken typ av cybersäkerhetsrisker som förekommer i olika system. Ontologin erbjuder en slags karta som anger hur man kan tänka när man exempelvis gör riskanalyser. Genom att använda den guide och de metoder vi utvecklat kan man identifiera cybersäkerhetsrisker som kanske inte upptäcks med traditionella metoder, säger Kaj Hänninen.

Klicka här för att läsa mer om Serendipity

Ny vinkel på riskanalys
Ontologin erbjuder ett kraftfullt akademiskt och industriellt verktyg. En utmaning är att ontologier är associerade med enorma mängder data.
– Tanken är att industrin så småningom ska få tillgång till det verktyg vi nu utvecklar i nära samarbete med bland annat Arcticus Systems och Volvo CE. Ontologin har en hög abstraktionsnivå och kan användas i flera olika faser i utvecklingsprocessen och många olika typer av system. Ontologins styrka är att den kan bidra till att identifiera många olika typer av risker. Den erbjuder ett strukturerat sätt att analysera risker. Teknologin är beprövad i forskningssammanhang. Nästa steg är att testköra tekniken och vårt verktyg i industrin, säger Kaj Hänninen.

Motståndskraftiga system
Det andra projektet inom ramen för Serendipity, Automatic vulnerability detection, leds av Marjan Sirjani, professor i datavetenskap vid Mälardalens universitet.
– Vi bygger upp en modell av ett system där vi snabbt kan identifiera vad som kan gå fel när en cyberbrottsling försöker manipulera en sensor eller ändra funktioner och komponenter i ett system. Vi upprättar även en modell över hur systemet bör agera genom att modellera önskvärda beteenden, och simulerar därefter cyberattacker för att kunna analysera vilka effekter de kan ha på systemet, säger hon.
I projektet arbetar Marjan Sirjani och hennes kollegor även med adaptering för att kunna bygga motståndskraftiga industriella system i samverkan med Volvo CE och ABB Robotics.

Funktions- och cybersäkerhet
Det tredje projektet inom ramen för Serendipity handlar om säkerhet i trådlösa nätverk.
– För att cyberfysiska system ska kunna samarbeta krävs kommunikation över systemgränserna. Att flytta data mellan olika system innebär säkerhetsrisker, exempelvis att någon tjuvlyssnar, stör ut signalen eller lyckas fejka information så systemet tror att det är en pålitlig enhet som informerar om något, säger Elisabeth Uhlemann, professor vid Mälardalens universitet.
I projektet länkas funktionssäkerhet och cybersäkerhet samman. Systemen tränas till att först lyssna in situationen så att de ska kunna förutsäga om och när kanalen är fri från störningar. Först därefter överförs informationen.
– Vi kan lära systemen att skilja på om störningarna orsakas av naturliga eller onaturliga faktorer. Då kan de direkt larma om störningarna beräknas ha orsakats av onaturliga orsaker, som kan indikera pågående cyberbrottslighet. Om någon försöker tjuvlyssna på kommunikationen kan man få systemen att samverka på ett annat sätt, säger Elisabeth Uhlemann.
”Friendly jamming” kan bland annat användas, vilket innebär att en enhet skickar ut en känd störsignal medan två andra enheter kommunicerar med varandra. Eftersom man i förväg har kommit överens om vilken störsignal som ska användas, kan störningen ganska enkelt tas bort ifrån den mottagna signalen. För en oinvigd tjuvlyssnare blir det däremot svårt att förstå någonting alls.

MDU – Serendipity

Serendipity finansieras av Stiftelsen för strategisk forskning och innehåller tre delprojekt med fokus på kravhantering, modellering och upprätthållande av säkerhet även när system är under attack. Syftet är att förbättra skyddet mot cyberattacker i säkerhetskritiska system.

Mälardalens universitet
Box 883, 721 23 Västerås
Tel: 021-10 13 00
www.mdu.se

Rätt data ger robusta modeller

Håkan Forsberg, universitetslektor, Masoud Daneshtalab, professor och Joakim Lindén, industridoktorand. Foto: Henrik Mill
Håkan Forsberg, universitetslektor, Masoud Daneshtalab, professor och Joakim Lindén, industridoktorand. Foto: Henrik Mill

För att kunna använda metoder som maskininlärning och djupa neurala nätverk behövs verkliga data för att träna modellerna, men att samla in och bereda all data är både kostsamt och ibland omöjligt. Därför behöver man komplettera med syntetiska data och få dem att efterlikna verkligheten så bra som möjligt.

Att hitta sätt att göra det på är en utmaning som industridoktoranden Joakim Lindén tagit sig an. Han jobbar på Saab som har behov av att hitta nya strukturerade sätt att få fram mer verifierade data som deras träningsmodeller använder.
– Prestandan från en tränad modell beror på vilken indata man använder. För att få modellerna att prestera i verkligheten måste alltid verkliga data användas. Min forskning handlar om att hitta sätt att kombinera verkliga data med syntetiska data som vi kan få fram genom simuleringar. Syftet är att kunna generera tillräckliga mängder representativa data så att exempelvis en maskininlärningsmodell kan bli tillförlitlig utan att det kostar för mycket tid och resurser.
Han tar exemplet med en modell som med sensordata hjälper flygplan navigera och landa säkert. För att den ska bli användbar måste sensordata insamlas vid olika tider på dygnet så att modellen lär sig känna igen saker i dagsljus, skymning och mörker.
– Man måste också samla in data vid olika årstider, olika väderlekar och så vidare, vilket kräver stora resurser och ibland kan vara helt omöjligt. Därför behöver vi kunna använda syntetiska data också, som går mycket snabbare att ta fram och vars förutsättningar/egenskaper vi har bättre kontroll över.

Kvalitetssäkra syntetiska data
Utmaningen handlar främst om att få den ”syntetiska världen” att överensstämma bättre med den verkliga.
– Det är kärnan i forskningen, att på en viss nivå kunna garantera att syntetiska data stämmer med verkligheten. Genom det kan man adressera många frågor inom maskininlärning som hittills varit omöjliga att hantera, förklarar professor Masoud Daneshtalab på Avdelningen för intelligenta framtida teknologier på Mälardalens universitet.
Han är handledare för Joakim Lindén och tillsammans ser de tre viktiga delar i projektet som behöver adresseras.
– Det första är att minska gapet mellan verkliga data och syntetiska, det andra är att med en strukturerad insamlingsprocess kunna säkerställa prestandan hos syntetiska data, vilket leder till det tredje som är att skapa robusta modeller som kan användas även i säkerhetskritiska system.

Mälardalens universitet / saab – dependable ai

Stiftelsen för strategisk forskning satsar 30 miljoner kronor på SSF Industridoktorandprogram, ett av projekten som beviljats medel är ”Dependable AI in Safe Autonomous Systems” som är ett gemensamt projekt mellan Mälardalens universitet och SAAB.

mdu.se

Digitalisering av kraftindustrin

Magnus Berg Kolsmyr, chef för HVDC:s organisation för utveckling av digitalisering och dataanalys på Hitachi Energy, Sarala Naidu, industridoktorand och Ning Xiong, professor i artificiell intelligens på Mälardalens universitet. Foto: Per Groth
Magnus Berg Kolsmyr, chef för HVDC:s organisation för utveckling av digitalisering och dataanalys på Hitachi Energy, Sarala Naidu, industridoktorand och Ning Xiong, professor i artificiell intelligens på Mälardalens universitet. Foto: Per Groth

Det allt större elberoendet i samhället kräver tillförlitlig och kostnadseffektiv överföringskapacitet av el. En ökande grad av digitalisering i HVDC-nätet säkrar en mer tillförlitlig prestanda för en hållbar utveckling genom en ny teknik för djup maskininlärning som utvecklas på MDU.

På Mälardalens universitet (MDU), har Ning Xiong, professor i artificiell intelligens, drivit ett antal projekt som bland annat syftar till att digitalisera underhållet av elnäten. Detta sker i samarbete med Hitachi Energy-HVDC.
– För att kunna jobba med en effektiv övervakning och upptäcka problem innan de orsakar driftsstopp och andra fel så behöver övervakningssystemen uppdateras oftare. Idag bygger dataanalyserna, som ligger till grund för tillståndsövervakningen, på offline-data som först samlas in och sedan i efterhand analyseras. Vi vill i stället utveckla nya metoder för kontinuerligt inlärande och uppdatering som bygger på data som samlas in konstant online, förklarar han.

Dataanalyser av online-data
Den utvecklingen sker i ett samarbetsprojekt mellan Hitachi Energy, tidigare ABB i Ludvika, och MDU där en industridoktorand fått finansiering från Stiftelsen för strategisk forskning (SSF), för att utveckla mer avancerade dataanalyser för maskininlärning inom kraftindustrin.
– Genom att kombinera vår expertis inom HVDC med nya metoder inom artificiell intelligens från Mälardalens universitet vill vi utnyttja redan befintlig teknik på nya sätt för att skapa mer tillförlitliga, flexibla och hållbara kraftnät, berättar Magnus Berg Kolsmyr, chef för HVDC:s organisation för utveckling av digitalisering och dataanalys på Hitachi Energy.
I ett tidigare projekt har Hitachi Energy tagit fram en digital plattform, IdentiQ, som är grunden för HVDC:s framtida digitala tvilling, vilket är en virtuell kopia som är designad för att exakt återspegla en fysisk utrustning eller system.
– IdentiQ är den digitala tvillingen till en omvandlarstation för HVDC, STATCOM eller andra lösningar för elkvalitet. Den tillhandahåller all relevant information, analyser och operativa data kring anläggningen på en lättöverskådlig skärm som användaren kan anpassa för sina behov, förklarar han vidare.

Tillförlitliga underhållssystem
Sarala Naidu är industridoktorand och arbetar med forskningen på både Hitachi Energy och MDU. Syftet med hennes projekt är att ta nästa steg i den digitala utvecklingen av kraftindustrin, efter att de utvecklat ett så kallat IIoT-system, utvecklat för datainsamling och för att kunna användas av den digitala tvillingen.
– Mitt fokus ligger på att utveckla dataanalysen, att ta fram metoder och modeller för att kunna göra en djupare maskininlärning som ska kunna hantera ständigt föränderliga data som samlas in kontinuerligt online. Metoderna ska kunna hantera omärkta data, som inte först har kategoriserats av en människa, något som är nödvändigt om data ska samlas in online utan handpåläggning, förklarar hon.
Det projekt som Sarala Naidu driver kommer, enligt Magnus Berg Kolsmyr, att bygga framtidens underhållssystem för en hållbar kraftindustri.
– Med hennes resultat kommer kraftöverföringen av den förnybara elen som det hållbara samhället är beroende av, att bli mer tillförlitlig och kostnadseffektiv. Med detta predikterbara underhåll, baserat på inlärande med online-data, kommer vi att kunna förutse potentiella risker och åtgärda dem innan de leder till driftsavbrott, konstaterar han.

Många användningsområden
Enligt professor Ning Xiong är utvecklingen av maskininlärning baserad på omärkta data från online-insamling, något som många industribranscher kommer att kunna dra nytta av.
– I detta första steg kommer vi att använda de modeller som Sarala Naidu utvecklar inom kraftindustrin, men framöver kan de även användas i många andra industriapplikationer i det hållbara samhället, konstaterar han.
Den digitala tvillingen kommer att förstärkas med avancerade dataanalystjänster genom att integrera det utvecklade tillvägagångssättet och modellerna från det pågående doktorandprojektet och därigenom öka företagens konkurrenskraft.
– Målet är att erbjuda integrerade metoder och nya algoritmer för mer tillförlitliga förutsägelser av försämringsstatus som grund för optimerade underhållsbeslut, vilket leder till nästan noll fel och nästan noll dolda risker i hela kraftöverföringsprocessen, avslutar Sarala Naidu.

MDU / Hitachi Energy – HVDC

Hitachi Energys HVDC möjliggör överföring av enorma mängder el, integrerar världens största vindkraftsparker till havs med mera, vilket bidrar till att minska mer CO2e per år än vad hela Sverige producerar, och man rekryterar hundratals människor i Sverige och utomlands.
Professor Ning Xiongs forskning på Mälardalens universitet tar upp olika aspekter av beräkningsintelligenstekniker, allt från maskininlärning och big data-analys till multisensordatafusion, för att bygga självlärande och adaptiva system inom industriella och medicinska tillämpningar.

www.hitachienergy.com/career
www.es.mdh.se

Unik typ av samverkan

Alessandro Papadopoulos, professor på Institutionen för framtida intelligenta system på Mälardalens universitet. Foto: Pia Nordlander, BildN
Alessandro Papadopoulos, professor på Institutionen för framtida intelligenta system på Mälardalens universitet. Foto: Pia Nordlander, BildN

Genom en betydligt tätare samverkan under forskningsprocessen vill forskare vid Mälardalens universitet tillsammans med ABB hitta nya vägar att kombinera avancerad akademisk forskning med industriellt relevanta problem och metoder.

I projektet FuturAS (Future generation Automation Systems) kommer de att samverka kring framtidens automationssystem, hur man genom att integrera ny teknik och möjliggör nya smartare funktioner skapar potential för effektivare lösningar jämfört med dagens system.
– För att vår forskning ska bli användbar i industrin behöver vi samarbeta närmare för att förstå de utmaningar de har på en mer daglig basis, förklarar Alessandro Papadopoulos, professor på Institutionen för framtida intelligenta system på Mälardalens universitet.

Behöver inte återuppfinna hjulet
Genom ett närmare samarbete kan de även bygga upp ett nätverk av kontakter mellan universitetet och företaget.
– Det riktigt nära samarbetet, som är grunden för det här projektet, är unikt och mycket välkommet. Genom samarbetet kommer vi att utgå från vad som redan finns och fungerar i industrin och sedan hitta sätt där vår vetenskapliga forskning kan förbättra det.
De mer tekniska målen med FuturAS är att ta nästa steg mot Industri 4.0.
– Förväntan på den så kallade fjärde industriella revolutionen innebär en ny nivå av automatisering, där centrala begrepp är anslutning, uppkoppling och digitalisering. Nya tekniker som molntjänster, 5G och IoT spelar en nyckelroll i digitaliseringsprocessen för modern industri.

Testar nya tekniker ihop med ABB
I forskningsprojektet ska de undersöka om de nya tekniker som redan finns på marknaden räcker till och bara behöver hitta vägarna in i automationssystemen, eller om det krävs nyutvecklade automationskomponenter.
– Vi vill förstå mer om ”out of the box”-teknologier som Kubernetes och liknande för att se om de är tillräckliga eller inte för att möta industrins behov.

Även utbildningen förbättras
En viktig aspekt som Alessandro Papadopoulos gärna lyfter fram är att det nära samarbetet mellan universitetet och olika företag också har en mycket positiv effekt på de utbildningar de bedriver på universitetet.
– För att studenterna ska bli attraktiva för industrin behöver de under utbildningen få den typ av kunskaper som industrin behöver på sikt, något vi får en bättre uppfattning om genom det nära samarbetet.

Klicka här för att läsa mer om projektet FuturAS

Mälardalens universitet och abb – Strategisk mobilitet

Stiftelsen för strategisk forskning har avsatt 15 mn kr för en satsning på strategisk mobilitet under en period av två år. Ett av projekten är FuturAS: Framtida generationens AutomatiseringsSystem, ett nära samarbete mellan Mälardalens universitet och ABB.

mdu.se