في عصر الثورة الصناعية الرابعة (Industry 4.0)، تزداد الحاجة إلى دمج الأنظمة السيبرانية المادية (Cyber-Physical Systems) في عمليات التصنيع بشكل مستمر. ومع ذلك، فإن عملية الكشف عن الشذوذ تعد نقطة محورية لضمان أمان وسلامة هذه العمليات. تعتمد معظم الحلول الحالية على نماذج عالمية تعتمد على بيانات تشغيلية عادية متراكمة، ولكنها تواجه تحديات بسبب تنوع المنتجات المستخدمة.

تظهر الأبحاث الحديثة أن النماذج التقليدية، رغم بساطتها الحسابية، تفتح المجال لمناطق عمياء قد تخفي الشذوذات الطفيفة أو الهجمات السيبرانية المستهدفة. لتجاوز هذه المشكلة، تم تقديم نموذج Product-Aware Autoencoder الذي يركز على توزيع البيانات الخاصة بكل منتج، مما يجعل عملية الكشف أكثر دقة.

الدراسات التجريبية تدعم هذا النهج، حيث أظهرت نتائج اختبار النموذج باستخدام معيار Tennessee Eastman Process (TEP) أن النظام الجديد قادر على الكشف عن الأخطاء بدقة 100% في سيناريوهات هجوم افتراضية، بينما النماذج التقليدية لم تتمكن من الكشف عن 77.8% من الانحرافات التشغيلية. هذا يدفعنا للتفكير في أهمية تطوير نماذج أكثر ذكاءً تركز على خاصيات المنتجات لتحقيق أمان أفضل في البيئات الصناعية المتنوعة.