في ظل تطورات الصناعة 4.0، تُعتبر أدوات التحكم في الآلات (Machine Tool Controllers - MTCs) أهدافاً رئيسية لهجمات إعادة التشغيل التي تستخدم بيانات مؤشرات قديمة للتلاعب بالآلات. يعتبر استخدام العلامات المائية الديناميكية (Dynamic Watermarking) وسيلة فعّالة لاكتشاف مثل هذه التلاعبات. ومع ذلك، تعتمد الأنظمة الحالية على ديناميكيات خطية-غوسية (Linear-Gaussian) وتستخدم إحصائيات ثابتة للعلامات المائية، مما يجعلها عرضة للتغيرات الزمنية والسلوكيات الخاصة لنظم التحكم هذه.

لذا، تم تطوير DynaMark، وهو إطار عمل يستخدم التعلم المعزز (Reinforcement Learning) لعلاج هذه النقطة. يقوم DynaMark بنمذجة العلامات المائية الديناميكية كعملية اتخاذ قرار ماركوف (Markov Decision Process - MDP)، حيث يتعلم سياسة تكيفية عبر الإنترنت تقوم بتعديل التباين لعلامة مائية ذات متوسط صفري باستخدام القياسات المتاحة. هذه السياسة تتيح للإطار التكيف بدون الحاجة إلى معرفة مسبقة بالنظام.

DynaMark يهدف إلى تحقيق أقصى فائدة من دالة مكافأة فريدة تُوازن بين أداء التحكم واستهلاك الطاقة وثقة الكشف، مما يتيح له التكيف في الزمن. وقد تم تطوير آلية تحديث اعتقادي بايزي (Bayesian Belief Updating) من أجل تحقيق كشف ثقة في الزمن الحقيقي في الأنظمة الخطية.

من خلال اختبار DynaMark على النسخة الرقمية من وحدة التحكم Siemens Sinumerik 828D، حقق النظام تقليصاً في استهلاك الطاقة للعلامة المائية بنسبة 70% مع الاحتفاظ بالمسار nominal، مقارنة بأساليب التباين الثابت. كما نجح DynaMark في الحفاظ على متوسط زمن الكشف المطلوب الذي يعادل فترة أخذ العينات الواحدة. إن النجاح في اختبار الجهد على محرك خطوة (Stepper-motor Testbed) يثبت فعالية الأعمال، حيث تم تنبيه النظام بشكل سريع مع انخفاض أقل في أداء التحكم مع تجاوز المعايير الحالية.

هذا الابتكار يمثل خطوة نوعية في تعزيز أمان أدوات التحكم الصناعية، مما يجعله محط الأنظار في عالم تقنيات الذكاء الاصطناعي.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!