Sieci, dla których ważne są mikrosekundy

W kwietniu podczas konferencji naukowej organizowanej przez Hochschule Offenburg, lidera sojuszu ChallengeEU, którego członkiem jest Uniwersytet Warmińsko-Mazurski, zaprezentowali panowie wyniki badań opublikowanych w artykule pt. „TSN Delay and Jitter Prediction Using Machine Learning Regressors”. Warto zaznaczyć, że badania te zostały przeprowadzone wspólnie z naukowcami z HSO. 

Dr hab. Vitaliy Yakovyna, prof. UWM (V.Y.): Tak. Ta współpraca trwa już od jakiegoś czasu. W 2024 roku odbyłem dwumiesięczny staż w Hochschule Offenburg i to właśnie wtedy narodził się pomysł, by zająć się zagadnieniami, które są zawarte w tym artykule. Nawiązałem kontakt z prof. Axelem Sikorą, który jest na tej uczelni kierownikiem grupy badawczej specjalizującej się w tych kwestiach, przeprowadziliśmy wspólnie badania i napisaliśmy artykuł, którego tytuł pani przytoczyła. 

Jeśli chodzi o temat, to jak to zwykle bywa, potrzeba jest matką wynalazku. Istnieją pewne zastosowania, w których dane muszą zostać dostarczone do odbiorcy w określonym czasie – mam na myśli zastosowania m.in. w automatyce, robotyce czy w samochodach autonomicznych. A zatem wobec sieci komputerowych pojawiają się konkretne wymagania czasowe. 

I w tej sprawie połączyli państwo siły z naukowcami z Offenburga. 

V.Y.: Tak. Zostały opracowane różne metody, za pomocą których można zagwarantować jak najszybszy przepływ informacji, ale pojawił się spory problem w ich projektowaniu. Konfiguracji mogą być miliony, a symulacja wymaga dużego wysiłku obliczeniowego oraz dużej wiedzy dziedzinowej, dlatego też musi ją przeprowadzić specjalista od sieci, a takimi ekspertami w tym zakresie są naukowcy z Hochschule Offenburg. Natomiast my, jako informatycy, zaproponowaliśmy, w jaki sposób można wykorzystać sztuczną inteligencję do projektowania sieci TSN. Jest to zatem projekt interdyscyplinarny, w którym możemy połączyć nasze doświadczenie w dwóch dziedzinach i mamy nadzieję, że dzięki temu uzyskamy jakościowe wyniki. Na razie są to wstępne badania – przed nami poszukiwanie odpowiedzi na pytanie, czy da się metodami z użyciem sztucznej inteligencji otrzymać generalizację charakterystyk sieciowych. 

Czym są sieci TSN i gdzie znajdują zastosowanie? 

V.Y.: TSN (Time-Sensitive Networking) to zestaw standardów IEEE (Institute of Electrical and Electronics Engineers – przyp. red.) rozszerzających sieć Ethernet o mechanizmy zapewniające deterministyczną komunikację, czyli przewidywalne i gwarantowane czasy przesyłu danych. TSN znajduje zastosowanie m.in. w automatyce przemysłowej, systemach sterowania czasu rzeczywistego, robotyce, przemyśle motoryzacyjnym, inteligentnych sieciach energetycznych. 

Proszę nieco bardziej szczegółowo opowiedzieć, jak wyglądały te prace. 

Mgr inż. Adrian Albrecht (A.A.): Prof. Yakovyna zaproponował modele, które mogłyby pasować do tego zadania i ja zająłem się ich implementacją w kodzie, sprawdzeniem, czy faktycznie ma to sens, a następnie, w porozumieniu z profesorem, opracowałem parametry, na podstawie których model ma interpretować dane. Sprawdzałem także, czy faktycznie na tym zbiorze danych, który posiadaliśmy, możliwe jest przewidzenie opóźnień dla konkretnej konfiguracji. To są wstępne badania, których celem jest udzielenie odpowiedzi na pytanie, czy kierunek, w którym podążamy, jest odpowiedni i czy będziemy w stanie to rozwinąć. W tej fazie postawiliśmy przed sobą proste zadanie: sprawdzić, jakie opóźnienia może mieć dana konfiguracja. Chcieliśmy wytrenować taki model sztucznej inteligencji, który zrobi to, posiadając dane wyjściowe i pomijając etap symulacji, czyli – mówiąc najprościej – mniejszym kosztem czasowym i obliczeniowym. Być może w kolejnych fazach zajmiemy się np. odwrotną sytuacją, czyli tym, jak osiągnąć konkretne opóźnienie.

Okazuje się zatem, że czas odgrywa tutaj niebagatelną rolę. 

A.A.: Mówi się, że walutą XXI wieku jest czas i tak też jest w naszych urządzeniach. Bardzo istotne jest to, w jakim czasie urządzenie otrzyma informację od czujnika, przetworzy ją i zacznie realizować decyzje – liczą się już nie tylko minuty czy sekundy, ale nawet mikrosekundy. Może w przypadku zwykłych komputerów, na których pracujemy na co dzień, nie jest to aż takie ważne, ale już np. w systemach, które są zainstalowane w samochodach autonomicznych, czas reakcji na jakieś zdarzenie na drodze może być kluczowy. 

V.Y.: Dodałbym jeszcze, że w tym badaniu czas jest ważny z dwóch powodów: po pierwsze, sieci te mają być jak najbardziej wrażliwe na czas, a po drugie, chodzi o to, aby jak najbardziej skrócić czas ich projektowania. 

Są państwo zadowoleni z tych wstępnych wyników? 

A.A.: Ogólnie tak, chociaż jesteśmy świadomi ograniczeń tych badań – to np. zbiór danych, który był dość specyficzny i syntetyczny, bo nie pochodził bezpośrednio z infrastruktury, a z symulatora NS-3, który pozwala odtworzyć działanie m.in. sieci TSN w kontrolowanym, wirtualnym środowisku, bez budowania fizycznej infrastruktury. Było to widać w wynikach, bo mówi się przecież, że jakość modelu sztucznej inteligencji w ok. 80 proc. zależy od jakości zbioru danych, a tylko w 20 proc. od tego, jak my ten model przygotujemy. Dlatego ten zbiór danych był w jakimś sensie problematyczny, ale będziemy pracować nad tym, żeby stworzyć lepszy. I właśnie m.in. w tym zakresie otwiera się pole do dalszej współpracy z HSO.

V.Y.: Możemy też powiedzieć, że wspólnie z naukowcami z Hochschule Offenburg złożyliśmy wniosek o grant, który dotyczy sztucznej inteligencji oraz bezpieczeństwa sieci OT (Operational Technology). 

Czym różnią się sieci OT od IT? 

V.Y.: Sieć OT stanowi szkielet komunikacyjny przemysłowych systemów sterowania. Łączy ona urządzenia fizyczne, m.in. czujniki, zawory, silniki i sterowniki PLC (Programmable Logic Controller – przyp. red.), aby automatyzować i monitorować procesy fizyczne w środowiskach takich jak fabryki, sieci energetyczne i oczyszczalnie ścieków. W przeciwieństwie do sieci technologii informacyjnej (IT), które obsługują dane, pocztę elektroniczną i finanse, sieci OT bezpośrednio wchodzą w interakcje ze światem fizycznym i kontrolują go. Czas w sieciach OT jest krytyczny, ponieważ procesy przemysłowe wymagają niezwykłej precyzji. Urządzenia muszą wykonywać operacje z dokładnością do mikrosekund, aby uniknąć uszkodzenia maszyn, zapewnić ciągłość produkcji i bezpieczeństwo.

Na czym dokładnie mają polegać te badania? 

A.A.: W  pracach, które planujemy, możemy wyróżnić trzy aspekty: bezpośrednie działanie sieci, analizowanie ruchu sieciowego pod względem cyberataków, czyli kwestie bezpieczeństwa w sieci, oraz problem wyjaśnialności, czyli na jakiej podstawie modele decydują, czy był to atak, czy nie. 

V.Y.: Złożony projekt ma na celu opracowanie inteligentnego systemu wykrywania intruzji, który łączy dwie przełomowe technologie: federated learning (uczenie federacyjne) oraz explainable AI (wyjaśnialną sztuczną inteligencję). Uczenie federacyjne pozwala wielu instalacjom przemysłowym wspólnie doskonalić modele wykrywania zagrożeń bez udostępniania sobie nawzajem wrażliwych danych operacyjnych. Wyjaśnialna sztuczna inteligencja sprawia natomiast, że decyzje systemu nie są „czarną skrzynką” – operatorzy przemysłowi otrzymują czytelne, zrozumiałe wyjaśnienia każdego alarmu.

Rozmawiała Marta Wiśniewska 

fot. główne: pixabay.com

Dr hab. Vitaliy Yakovyna, prof. UWM pracuje w Katedrze Informatyki Stosowanej i Modelowania Matematycznego UWM. Naukowo zajmuje się jakością i niezawodnością oprogramowania, uczeniem maszynowym oraz cyberbezpieczeństwem.

Mgr inż. Adrian Albrecht jest asystentem w Katedrze Metod Matematycznych Informatyki. Do jego naukowych zainteresowań należą sztuczna inteligencja i jej wyjaśnialność, a także sieci komputerowe.

Tekst ukazał się w czerwcowo-lipcowym numerze „Wiadomości Uniwersyteckich", którego tematem przewodnim jest czas. Wspólnie z naukowcami UWM przyglądamy się przestrzeniom, w których albo rzuca się mu wyzwanie (medycyna z ratownictwem na czele), albo próbuje się przewidzieć skutki jego upływu (ekonomia, polityka społeczna). Sprawdzamy, jak nauka, a wraz z nią technika, próbują czas... oszukać. Nie zapominamy też o sukcesach naszej społeczności i najważniejszych wydarzeniach z życia uczelni. Wszystkie wydania naszego uniwersyteckiego pisma dostępne są na >>> stronie internetowej.