好消息！新国大化工系推出过程安全数字化课程

　　一、新国大化工系推出过程安全数字化课程

　　新加坡国立大学化学与生物分子工程系 (NUS ChBE) 提供化学工程的本科和高级学位课程，以及安全、健康和环境硕士课程。

　　为了让学生更好地掌握数字化在化学过程操作和安全中的发展和影响的必要知识，我们面向化学工程和安全、健康与环境技术硕士课程的学生，新开设了一门关于“过程安全数字化”的课程。

　　NUS ChBE课程由三个主要部分组成：“过程数字化导论”涵盖了过程监控、控制和操作中的数字化和自动化工具;“行业案例与应用开发”(使用Microsoft PowerPlatform)让学生接触低代码开发平台，让他们识别安全用例并开发与过程安全相关的定制解决方案。

　　二、新国大化工系过程安全数字化课程核心部分解读

　　下面主要关注课程的第三部分——“网络安全”。

　　我们从介绍网络攻击、常用于应对网络攻击的信息技术 (IT) 和操作技术 (OT) 入手。如今，大多数公司和组织都部署了传统IT网络安全产品和服务与量身定制的OT特定网络安全解决方案相结合的策略。

　　通过探讨包括震网 (Stuxnet) 和乌克兰电网攻击在内的案例研究，展示了网络攻击的关键影响和后果，以及一些潜在的网络攻击后解决方案。此外，我们推荐了两本参考教材3,4和相关研究论文，以概述网络安全问题5,6,7和最近在各种行业(包括化工、制药、食品和材料行业)中网络安全方法的学术研究进展。8,9

　　为了应对网络攻击，我们在OT解决方案中介绍了两种检测方法：基于模型和基于数据的方法。

　　以水位控制问题为例，展示了基于模型的检测方法(例如累积和 (CUSUM))的开发过程，用于应对简单网络攻击，如最小-最大网络攻击。具体而言，设计了一个简单的比例积分控制器来控制水位在预定设定点上。该控制器通过连续接收水位的实时传感器读数并相应调整入口流量来实现所需的控制目标。然而，在传感器受到网络攻击的情况下，控制器会接收到伪造的传感器测量值，从而导致错误的控制操作，使水位偏离设定点。为了应对这种威胁，基于模型的检测技术将水位的实际传感器读数与已知过程模型提供的预期值进行比较。若观测值与预测值之间存在任何显著差异，则判断传感器网络受到攻击，可及时干预以维护系统网络安全。

　　数据使用的增加，以及能够避开传统基于模型方法检测的隐蔽网络攻击设计的兴起，这给及时检测方法的开发带来了挑战。为了开发先进的智能网络攻击检测方法，我们引入了基于数据检测的机器学习 (ML) 技术。首先讨论了ML的基本原理，包括其概念、数学和神经网络的构建。同样的例子(即水位控制问题)被用于在浪涌攻击(一种隐蔽的网络攻击)下实施基于ML的检测方法。虽然CUSUM可以有效检测传感器读数与基于模型的检测方法预测值之间的差异，但浪涌攻击可以避开CUSUM，在CUSUM积累足够证据检测到变化之前，在系统中引入突然的尖峰或下降。因此，必须开发先进的基于数据的检测方法，以应对智能和隐蔽的网络攻击。

　　网络安全课程全程都会使用MATLAB来设计将水位控制在所需设定点的过程控制系统，并实施不同类型的网络攻击(如最小-最大攻击、重放攻击、几何攻击和浪涌攻击)。此外，学生还将学习如何使用MATLAB深度学习工具箱开发一个能够使用实时传感器测量值来分类无攻击和攻击中的ML检测器。由于参加本课程的学生背景各异(应届毕业生、拥有10年以上工作经验的高级过程工程师等)，而且并非所有人都广泛使用MATLAB，因此在进入深度学习工具箱学习之前复习MATLAB的基础知识(如数值操作符和数据可视化命令)至关重要。

　　以上关于新国大化工系推出过程安全数字化课程的全部回答，如果您对美国留学感兴趣，欢迎您在线咨询客服或者直接添加托普仕留学老师(Tops6868)，托普仕留学专注美国前30高校申请，助力国内学子顺利获得美国藤校入读资格。尽早规划和递交申请，对您未来留学会更有帮助。