DYNAMIC MONITORING AND SECURING OF FACTORY PROCESSES, EQUIPMENT AND AUTOMATED SYSTEMS

A training set that includes at least two data types corresponding to operations and control of a manufacturing process is obtained. A deep learning processor is trained to predict expected characteristics of output control signals that correspond with one or more corresponding input operating instructions. A first input operating instruction is received from a first signal splitter. A first output control signal is received from a second signal splitter. The deep learning processor correlates the first input operating instruction and the first output control signal. Based on the correlating, the deep learning processor determines that the first output control signal is not within a range of expected values based on the first input operating instruction. Responsive to the determining, an indication of an anomalous activity is provided as a result of detection of the anomalous activity in the manufacturing process. Un ensemble d'entraînement, qui comprend au moins deux types de données correspondant à des opérations et à la commande d'un processus de fabrication, est obtenu. Un processeur d'apprentissage profond est entraîné pour prédire des caractéristiques attendues de signaux de commande de sortie qui correspondent à une ou plusieurs instructions de commande d'entrée correspondantes. Une première instruction de commande d'entrée est reçue en provenance d'un premier diviseur de signal. Un premier signal de commande de sortie est reçu en provenance d'un second diviseur de signal. Le processeur d'apprentissage profond corrèle la première instruction de commande d'entrée et le premier signal de commande de sortie. Sur la base de la corrélation, le processeur d'apprentissage profond détermine que le premier signal de commande de sortie ne se situe pas dans une plage de valeurs attendues sur la base de la première instruction de commande d'entrée. En réponse à la détermination, une indication d'une activité anormale est fournie, en résultat de la détection de l'activité anormale dans le processus de fabrication.