Industrienetzwerke haben häufig eine zentrale Steuerung. Zyklisch arbeitende Geräte senden Messwerte an Steuereinheiten, welche die Messungen analysieren und mit Instruktionen für den nächsten Zyklus antworten. In dieser Veröffentlichung wird gezeigt, dass die Verwendung von Reinforcement Learning es ermöglicht, die Instruktionen der zentralen Steuereinheit zu erlernen und vorherzusagen. Dies kann die Resilienz des Systems erhöhen, indem Geräte, die im Falle eines Angriffs oder Netzausfalls die Verbindung zur Steuereinheit verlieren, das zuvor zentral instruierte Verhalten autonom weiterführen.
Der Artikel ist abrufbar auf https://hal.science/hal-04006320/