Für einen sicheren und resilienten Betrieb von industriellen Produktionsanlagen gewinnt die Security eine immer höhere Relevanz. Insbesondere Angriffe, z.B. mit Schadsoftware wie Ransomware, stellen eine existenzbedrohende Gefahr für Unternehmen jeglicher Größe und aller Domänen dar. Darüber hinaus wird Security zunehmend ein Verkaufsargument für Komponenten und Systeme, welche in der Industrie eingesetzt werden. Ein wichtiges Schlüsselelement im Bereich der Security sind Sicherheitsbewertungen basierend auf einer Risikobeurteilung durch den Hersteller der Komponenten oder den Betreiber der Systeme. Diese werden aktuell jedoch manuell durch Experten durchgeführt, weshalb sie zeit- und ressourcenaufwendig, sowie stark abhängig von der individuellen Erfahrung des jeweiligen Experten sind. Insbesondere für kleine und mittelständische Unternehmen (KMU) sind eigene Fachkräfte mit dem notwendigen Security-Fachwissen häufig nicht leistbar. Zudem sind die benötigten Experten auf dem Markt häufig nicht verfügbar. Im Rahmen des beantragten Projekts soll daher eine Software- und Machine-Learning-basierte Unterstützung von Risikobeurteilungen für industrielle Produktionsanlagen entwickelt werden, um Experten bei Routineaufgaben zu entlasten, die Kosten für Security-Risikobewertungen zu reduzieren, den Automatisierungsgrad zu erhöhen und durch eine Formalisierung des Expertenwissens eine einheitliche Qualität der Bewertungen zu gewährleisten.

Sicherheitsbewertungen zur Einschätzung der Security von industriellen Produktionsanlagen basieren stets auf einer Risikobeurteilung durch den Hersteller der Komponenten oder den Betreiber der Systeme. Dabei werden Bedrohungen, Schwachstellen und daraus resultierende Risiken identifiziert, analysiert, beurteilt und durch eine Risikominderung auf ein akzeptables Restrisiko verringert. Durch dynamische Veränderungen von Maschinen und Anlagen und Informationen bzgl. Bedrohungen und Schwachstellen, welche die Grundlage für die Risikobeurteilungen bilden, muss die Untersuchung der Security einer Produktionsanlage in immer kürzeren Intervallen durchgeführt werden. Die aktuellen Analysen im Bereich der Security sind allerdings sehr zeit- und ressourcenaufwändig, da sie heute ausschließlich manuell durch Experten erfolgen und stark abhängig von den jeweiligen Erfahrungen und dem speziellen Vorwissen der Experten sind. Dadurch sind die Ergebnisse teilweise nicht objektiv und die Qualität schwankt sehr stark.

Ziel des Projekts SUSI ist es, zukünftig eine Software-basierte Unterstützung von Risikobeurteilungen für industrielle Produktionsanlagen und Komponenten bereitzustellen, um den Automatisierungsgrad zu erhöhen, Fachkräfte bei Routineaufgaben zu entlasten und schnellere Entscheidungen bezüglich der Sicherheit zu treffen. Dies ermöglicht auch, die Qualität der Ergebnisse zu verbessern und zu vereinheitlichen.



Im Projekt werden dabei zwei Use Cases unterschieden. Im ersten Use Case "Sichere Komponenten" wird eine Lösung für den sicheren Entwicklungsprozess von Komponenten als Grundlage entwickelt. In einem zweiten Use Case "Sichere Systeme" wird eine Lösung auf Systemebene, z.B. für Produktionsanlagen entwickelt. Dabei wird eine Software-basierte Unterstützung und eine Automatisierung des Monitorings der aktuellen Bedrohungslage und der Schwachstellen der im System verwendeten Komponenten entwickelt, um eine dauerhafte und zeitnahe Neubewertung der Sicherheit zu ermöglichen.

Der Mehrwert des Projekts SUSI liegt in einer Reduzierung des Aufwands für Security-Risikobeurteilungen in der Industrie, wodurch insbesondere KMU entlastet werden. Der Einsatz von Algorithmen aus dem Bereich des Maschinellen Lernens (ML) zur Erhöhung des Automatisierungsgrads und damit der Entlastung von Experten ist dabei sehr vielversprechend. Eine Formalisierung des Expertenwissens gewährleistet zudem eine einheitliche Qualität solcher Security-Risikobeurteilungen.