Bakground
Denna utveckling skapar en komplex system-of-system-struktur där flera delsystem med olika industriella leverantörer och säkerhetslösningar ska kunna samexistera och kommunicera inom ett och samma fastighetsautomationssystem (BMS).
Moderna fastigheter kan dessutom kommunicera mellan varandra i kvarter eller kluster där de utbyter data och olika energislag. Dessa enskilda eller kluster av fastigheter kommunicerar i sin tur med elnätet för frekvensreglering, flexmarknad och liknande tjänster som är kritiska för elnätet och samhället i stort.
Utmaning
Dagens system behöver samutnyttja sensorer på ett resurseffektivt sätt vilket även ställer krav på delning av data. I det här sammanhanget blir det nödvändigt att utveckla övergripande säkerhetsstrategier som inte bara är robusta och anpassningsbara, utan också tillämpbara på en mångfald av delsystem.
Det blir också avgörande att kunna identifiera och särskilja mellan cyberhot och felfunktioner som kan vara resultatet av systemfel snarare än
illasinnade angrepp.
Vad vill vi åstadkomma?
Testbädden kommer att implementeras i en ny modern fastighet med state-of-the-art teknologier
IoT och IoT-säkerhet
Vi arbetar med verktyg för att ansluta och autentisera IoT-enheter, t.ex. sensorer, som är användbara om du behöver egna IoT-enheter för att utveckla dina tjänster. Vi övervakar också kommunikationen för att säkra att ingen hackat sig in och tagit över din enhet.
Feldetekteringsidentifiering (FDI)
Metoden för FDI bygger på analys av system med korrekt operativ förmåga för att kunna identifiera anomalier och vidta lämplig åtgärd när så krävs.
Maskininlärning
Vi arbetar med maskininlärning för att automatiskt känna igen vad som är normala mönster i data, och vad som är avvikelser.
Sammanfattning
Ökad cybersäkerhet och resiliens i uppkopplade fastigheter med heterogena system genom anomalidetektering, autentisering och integritetskotroll av funktioner och data.
Projektets idé
att skapa profiler gällande normal drift där vi tillämpar tidsserieanalys med maskinlärande (ML) metoder och artificiell intelligens (AI) för att identifiera avvikelser stora nog för att anses vara anomalier.
En viktig del i att identifiera anomalier är att korrekta beslutsunderlag finns, för detta krävs autentisering av systemfunktioner och integritet i den data som delas. För autentisering av systemfunktioner och datas integritet kommer vi att använda blockkedjor som innebär distribuerad koncensus, vilket gör att enstaka systemfunktioner inte ska kunna exekvera illasinnad eller felaktig funktion där olika koncensusmetoder såsom “proof-of-authority” och “federated concensus” kommer att inkluderas och studeras.
Projektets potential
Projektet ska också bidra till medvetenheten om behovet av ”security-by-design” som vi bedömer kommer att utkristallisera sig i de experiment som kommer att ske. Projektets resultat kommer att tillgängliggöras i form av en testbädd som upplåts för aktörer inom området där den fastighet, (ACE huset), som utgör den fysiska plattformen för projektet tillgängliggörs utifrån de datamängder som delsystem skapar och den säkerhetsfunktionalitet (inkluderande att både upptäcka cyberhot och felfunktion) som arbetas fram i projektet.