IOT et industrie : IA pratique – un problème sérieux pour l'IoT industriel

Illustration: © IoT pour tous Alors que l'Internet industriel des objets (IIoT) se développe rapidement, il existe souvent un lien étroit avec les outils d'intelligence artificielle (IA) et d'apprentissage automatique (ML) pour gérer les flux de données. Cela soulève une multitude de défis, notamment les exigences de connectivité, de sécurité, de stockage et de modélisation. Les concepteurs d'appareils IIoT et les déploiements plus importants doivent prévoir des imprévus pour des changements dans ces domaines ou risquer de manquer. Alors que l'IdO gagne en maturité, le marché global a encore de nombreux défis à surmonter. Certains de ces défis sont des obstacles techniques au fonctionnement des appareils IoT, tels que les normes de connectivité et la technologie des batteries, mais l'image est encore plus large que cela. Le monde de l'IIoT nécessite non seulement que le matériel IoT fonctionne de manière fiable et efficace dans tous les environnements, mais il dépend également de la prise en charge des réseaux et des services. Le résultat est que les déploiements IIoT ne peuvent pas être considérés comme des mises à niveau technologiques isolées ou des moteurs de productivité, mais comme des écosystèmes hautement interconnectés sensibles à un large éventail de variables – en particulier le monde en développement de l'IA. IA du monde réel Bien que l'IA existe depuis longtemps sous une forme conceptuelle, l'introduction des principes dans le monde réel s'est avérée une entreprise compliquée, mais essentielle pour de nombreuses applications IIoT potentielles. La surveillance de plusieurs flux de données à partir d'un réseau de minuscules capteurs, la détection des anomalies et des modèles de repérage pouvant être signalés pour une maintenance préventive ou en tant qu'efficacités potentielles est une partie vitale de l'IIoT – sans lui, les grandes quantités de données générées ne sont que du bruit. Par exemple, un véhicule AI entièrement autonome générera environ 40 téraoctets de données pour toutes les huit heures de conduite – un volume stupéfiant qui empêche toute analyse manuelle. C'est un défi pour les concepteurs de l'IIoT et de l'IA – garantir que les ensembles de données de modélisation et de formation sont très précis et testés sur le terrain avant le déploiement. a conduit au développement de «Edge AI» pour traiter autant que possible sur l'appareil avant de surcharger le réseau. Ce réseau se décline dans un éventail ahurissant de possibilités existantes, du Wi-Fi à la 4G en passant par la fibre jusqu'au nouveau spectre, les réseaux LoRa bas-bas et NB-IoT conçus pour fonctionner avec la 5G. La gestion des pannes et des latences inévitables dans ces réseaux est certainement un défi permanent, qui pourrait potentiellement être surmonté avec des architectures de réseau de type maillé. Mais même ceux-ci peuvent échouer, en particulier dans les scénarios IIoT où il n'est pas toujours possible d'éviter un seul point de défaillance. Défis liés aux données Un véhicule d'IA autonome se trouve à l'extrémité supérieure de l'échelle, non seulement transportant un large éventail de capteurs différents pour détecter d'autres véhicules, dangers et personnes, exigeant des réponses immédiates à des stimuli tels qu'un obstacle soudain apparaissant mais également autonome et mobile. Cependant, les combinaisons de ces exigences s'appliquent également à la plupart des scénarios IIoT. Par exemple, les capteurs acoustiques déployés pour détecter les vibrations dans les machines de l'usine doivent être en mesure de répondre très rapidement à un changement soudain de hauteur ou risquent de ne pas être meilleurs que les capteurs stupides qui traceront l'effondrement d'une machine coûteuse. La plupart des scénarios IIoT incluront plusieurs types de capteurs pour permettre de filtrer les faux positifs, et les applications plus extrêmes impliqueront également un certain niveau de redondance. . Bien que les données personnelles / clients ne soient pas un problème pour la plupart des scénarios IIoT, le potentiel d'attaques à motivation commerciale pour obtenir ou corrompre des données opérationnelles ou d'audit est important. Garder les appareils corrigés contre les dernières vulnérabilités est une bataille continue, comme le savent tous les propriétaires d'appareils ou les équipes informatiques d'entreprise, mais les appareils IIoT ne sont pas si faciles à gérer. Une faible bande passante en aval peut être un défi pour les réseaux principalement conçus pour transmettre des données, tandis que les limitations de stockage local et les restrictions d'alimentation peuvent rendre les mises à jour régulières problématiques ou impossibles. De plus, laisser le chargeur de démarrage déverrouillé pour permettre des mises à jour sur une base ad hoc est potentiellement problématique, permettant à un attaquant de prendre une position résiliente sur le réseau pendant de longues périodes s'il peut introduire un rootkit ou un compromis similaire. HRoT – TPM, FPGA? Heureusement, la question de la sécurité de l'IIoT a suscité beaucoup d'attention, le Industrial Internet Consortium ayant récemment publié le Livre blanc sur les meilleures pratiques de protection des données, un document destiné à répondre à la question de la sécurité des données dans les réseaux IIoT. La principale recommandation est que les déploiements IIoT devraient s'appuyer sur une sécurité matérielle (appelée racine de confiance basée sur le matériel ou HRoT), qui non seulement authentifie le chargeur de démarrage de l'appareil mais établit une chaîne de confiance à partir de ce point via le système d'exploitation de l'appareil, applications, puis sur le réseau, empêchant le chargeur de démarrage ou la manipulation du système d'exploitation. Malheureusement, c'est ici que les normes et les approches peuvent varier, certains fabricants intégrant des puces TPM pour gérer les exigences cryptographiques, et d'autres utilisant des puces basées sur FPGA pour un effet similaire. Bien que, à première vue, les défis auxquels sont confrontés l'IIoT et l'IA soient considérables, le travail acharné des premiers utilisateurs, une pile de technologies en pleine maturité et une innovation simple ont résolu bon nombre des plus grands problèmes, tandis que d'autres attendent un consensus. Alors que l'IA offre la possibilité de gérer et d'interpréter les vastes volumes de données en question, c'est l'architecture sous-jacente qui doit renforcer la sécurité et améliorer la visibilité, ainsi que les déploiements à l'épreuve du temps autant que possible. Ce sera un domaine de concentration essentiel pour les concepteurs de l'IIoT.

Laisser un commentaire