国际人工智能专家们提出，利用人工智能来保护包括电力、水务和通信网络在内的关键基础设施。

弗林德斯大学和巴西专家合作研究了一种新模型，旨在为数百万人每天都依赖的重要网络提供早期识别软件病毒攻击、黑客活动或一般系统故障的方法。

"我们研发了一种创新的算法，可以检测数据网络中的故障，并且能够对传感器数据中的不一致性具备很好的鲁棒性。该算法能够准确预示重大干扰的开始，这可能产生深远的后果，" 弗林德斯大学科学与工程学院人工智能和机器人学副教授保罗·桑托斯博士说道。

这项技术有望成为对电力系统数据网络中的设备故障进行有效防护的先进手段，并能够在电力和其他关键基础设施中替代传统的诊断方法。

这是对在一个复杂的电气系统的大型模拟中测试不矛盾分析仪的系统进行的首次全面调查之一。

2010年，一起关键系统遭受攻击的典型事例是Stuxnet蠕虫攻击，旨在针对并破坏工业控制系统，特别是伊朗的核计划中所使用的系统。

圣托斯副教授与其合著者海戈尔·米兰达·科塔斯（Centro Universitário da FEI）和若昂·伊纳西奥·达·席尔瓦·菲略（Universidade Santa Cecília Brazil）已在学术期刊《Expert Systems with Applications》上发表了他们的研究成果。

研究人员表示，人工智能可以用于改进软件应用程序和其他故障诊断系统，这些系统有助于防止复杂工程系统、制造工厂和其他关键基础设施中的错误发生。

已经使用数据分析、机器学习和基于规则的学习来开发故障诊断系统。

"然而，我们在这些方法的基础上进行了拓展，添加了一种“证据过滤器”来对系统诊断过程进行优化，考虑到了传感器数据的冲突证据，并且我们会根据其可信度进行评估，" Santos副教授表示。

随着进一步的发展，我们称之为“立方异常分析仪与证据过滤及时序分析”（简称CPAet）的新分析模型，可以被巩固以处理更加复杂的技术故障，这些故障涉及支持重要行业、整个城市网络等关键系统。