特開 2024-176100 フィールド機器認証学習装置、フィールド機器認証推論装置、フィールド機器認証学習方法、フィールド機器認証推論方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024176100

(43)【公開日】2024-12-19

(54)【発明の名称】フィールド機器認証学習装置、フィールド機器認証推論装置、フィールド機器認証学習方法、フィールド機器認証推論方法及びプログラム

(51)【国際特許分類】

   G05B 19/05 20060101AFI20241212BHJP

   G05B 23/02 20060101ALI20241212BHJP

【ＦＩ】

G05B19/05 D

G05B23/02 Z

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2023094356

(22)【出願日】2023-06-07

(71)【出願人】

【識別番号】000006013

【氏名又は名称】三菱電機株式会社

(74)【代理人】

【識別番号】100095407

【弁理士】

【氏名又は名称】木村 満

(74)【代理人】

【識別番号】100131152

【弁理士】

【氏名又は名称】八島 耕司

(74)【代理人】

【識別番号】100147924

【弁理士】

【氏名又は名称】美恵 英樹

(74)【代理人】

【識別番号】100148149

【弁理士】

【氏名又は名称】渡邉 幸男

(74)【代理人】

【識別番号】100181618

【弁理士】

【氏名又は名称】宮脇 良平

(74)【代理人】

【識別番号】100174388

【弁理士】

【氏名又は名称】龍竹 史朗

(72)【発明者】

【氏名】荒木 敬夫

【テーマコード（参考）】

3C223

5H220

【Ｆターム（参考）】

3C223AA11

3C223BA03

3C223CC02

3C223DD03

3C223EB04

3C223FF03

3C223FF12

3C223FF13

3C223FF22

3C223FF26

3C223FF27

3C223GG01

3C223HH02

5H220AA06

5H220BB10

5H220CC09

5H220CX09

5H220HH04

5H220JJ12

5H220JJ26

5H220KK03

5H220LL04

5H220MM04

(57)【要約】

【課題】フィールド機器を認証し、不正機器への置き換え、機器不正改造によるなりすまし・データ捏造を防止する。
【解決手段】フィールド機器認証学習装置は、入出力ユニット５の入出力端子にフィールド機器２が接続された制御システム１におけるフィールド機器２の認証を学習するフィールド機器認証学習装置であって、フィールド機器２が発信する時系列信号を学習用データとして取得するデータ取得部と、学習用データを用いて、時系列信号から、制御システム１に接続されたフィールド機器２が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するモデル生成部と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を学習するフィールド機器認証学習装置であって、
前記フィールド機器が発信する時系列信号を学習用データとして取得するデータ取得部と、
前記学習用データを用いて、前記時系列信号から、前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するモデル生成部と、
を備えるフィールド機器認証学習装置。

【請求項2】

入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を学習するフィールド機器認証学習装置であって、
前記フィールド機器に取り付けられたセンサからの検出信号を学習用データとして取得するデータ取得部と、
前記学習用データを用いて、前記検出信号から、前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するモデル生成部と、
を備えるフィールド機器認証学習装置。

【請求項3】

入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を学習するフィールド機器認証学習装置であって、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号を学習用データとして取得するデータ取得部と、
前記学習用データを用いて、前記時系列信号及び前記検出信号から、前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するモデル生成部と、
を備えるフィールド機器認証学習装置。

【請求項4】

入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を行うフィールド機器認証推論装置であって、
前記フィールド機器が発信する時系列信号を取得するデータ取得部と、
前記時系列信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するための学習済モデルを用いて、前記時系列信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果の情報を出力する推論部と、
を備えるフィールド機器認証推論装置。

【請求項5】

入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を行うフィールド機器認証推論装置であって、
前記フィールド機器に取り付けられたセンサからの検出信号を取得するデータ取得部と、
前記検出信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するための学習済モデルを用いて、前記検出信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果の情報を出力する推論部と、
を備えるフィールド機器認証推論装置。

【請求項6】

入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を行うフィールド機器認証推論装置であって、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号を取得するデータ取得部と、
前記時系列信号及び前記検出信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するための学習済モデルを用いて、前記時系列信号及び前記検出信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果の情報を出力する推論部と、
を備えるフィールド機器認証推論装置。

【請求項7】

入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を学習するフィールド機器認証学習方法であって、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号の少なくとも一方を学習用データとして取得するステップと、
前記学習用データを用いて、前記時系列信号及び前記検出信号の少なくとも一方から、前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するステップと、
を備えるフィールド機器認証学習方法。

【請求項8】

入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を行うフィールド機器認証推論方法であって、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号の少なくとも一方を取得するステップと、
前記時系列信号及び前記検出信号の少なくとも一方から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するための学習済モデルを用いて、前記時系列信号及び前記検出信号の少なくとも一方から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するステップと、
を備えるフィールド機器認証推論方法。

【請求項9】

入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を学習するコンピュータを、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号の少なくとも一方を学習用データとして取得するデータ取得部、
前記学習用データを用いて、前記時系列信号及び前記検出信号の少なくとも一方から、前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するモデル生成部、
として機能させるプログラム。

【請求項10】

入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を行うコンピュータを、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号の少なくとも一方を取得するデータ取得部、
前記時系列信号及び前記検出信号の少なくとも一方から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するための学習済モデルを用いて、前記時系列信号及び前記検出信号の少なくとも一方から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果の情報を出力する推論部、
として機能させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、フィールド機器認証学習装置、フィールド機器認証推論装置、フィールド機器認証学習方法、フィールド機器認証推論方法及びプログラムに関する。

【背景技術】

【0002】

ファクトリーオートメーションの分野では、従来から、流量計、温度計等のフィールド機器、各種センサ、コントローラ等の多数の機器が制御ネットワーク・制御ＩＯ配線で接続される形態で各種制御が行われてきた。制御ネットワーク・制御ＩＯ配線においては、有線ＬＡＮ（Local Area Network）、無線ＬＡＮ、デジタル接点、アナログ信号を含む様々な形態の信号がＥｔｈｅｒｎｅｔ（登録商標）、ハードワイヤ等を介してフィールド機器、コントローラ間で送受信される。近年、ファクトリーオートメーションの分野において、外部からの不正アクセスによる生産停止・情報漏洩、内部のデータ捏造が問題となっており、制御ネットワークのセキュリティ対策の必要性が高まっている。外部からの不正アクセスに対しては、ファイアウォールの設置、制御ネットワークと外部ネットワークの分離等の対策が適用できる。また、制御ネットワーク内部においては、フィールド機器が正当な機器から別の不正な機器へ置き換えられたり、正当な機器が不正改造される等してデータ捏造されるケースがあり、これらデータ捏造を防ぐために、機器認証により不正機器の制御ネットワーク接続を予防する対策が提案されてきた。

【0003】

例えば、特許文献１は、フィールド機器が無線ネットワークに参加するために、機器に予めセキュリティ情報とネットワーク情報を設定するプロビジョニング作業を行うプロビジョニング装置を開示する。プロビジョニング装置は、新たに無線ネットワークに参加しようとするフィールド機器の固有情報（機器タグ、デバイス識別情報、ベンダーＩＤ、機種）と当該フィールド機器のプロビジョニングのための設定情報（セキュリティ情報、ネットワーク情報）とを関連付けたリストを予め記憶する。プロビジョニング装置は、フィールド機器から無線通信により当該フィールド機器の固有情報を取得し、リストの中から、フィールド機器から取得した固有情報に関連付けられた設定情報を抽出し、抽出された設定情報を無線通信によりフィールド機器に送信することにより、フィールド機器のプロビジョニングを実行する。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特許第５１７０５８５号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、上記特許文献１に開示の技術は、フィールド機器が当該フィールド機器を識別するための固有情報を内蔵し、当該固有情報を出力可能なことを前提としており、接点、アナログ電流・電圧、抵抗値等の信号しか出力できない、通信機能を有していないシンプルな構造のフィールド機器について、不正機器への置き換え、機器不正改造によるなりすまし・データ捏造を予防することはできない。当該シンプルな構造のフィールド機器を、フィールド機器を識別するための固有情報を内蔵してデータ出力可能なフィールド機器に置き換えるためには、フィールド機器の買い換えの費用が発生するだけでなく、当該フィールド機器を用いた制御の精度が問題ないか再度検証を行う必要がある。また、フィールド機器を識別するための固有情報を保有するフィールド機器は、Ｅｔｈｅｒｎｅｔ、制御ネットワーク等の通信によりデータを送受信するため、接点信号、アナログ信号等の出力に比べて応答速度が遅いため、制御の精度が確保できない可能性がある。そのため、フィールド機器を識別するための固有情報を有していないフィールド機器を、当該固有情報を保有するフィールド機器に置き換えることが現実的でないケースが存在する。

【0006】

本開示は、上記の事情に鑑みてなされたものであり、フィールド機器を識別するための固有情報を内蔵・出力できない場合、フィールド機器が通信機能を有していない場合においても、フィールド機器を認証し、不正機器への置き換え、機器不正改造によるなりすまし・データ捏造を防止することを目的とする。

【課題を解決するための手段】

【0007】

上記目的を達成するために、本開示のフィールド機器認証学習装置は、入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおけるフィールド機器の認証を学習するフィールド機器認証学習装置であって、フィールド機器が発信する時系列信号を学習用データとして取得するデータ取得部と、学習用データを用いて、時系列信号から、制御システムに接続されたフィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するモデル生成部と、を備える。

【発明の効果】

【0008】

本開示によれば、フィールド機器が発信する時系列信号から、制御システムに接続されたフィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論することから、フィールド機器を識別するための固有情報を内蔵・出力できない場合、フィールド機器が通信機能を有していない場合においても、フィールド機器を認証し、不正機器への置き換え、機器不正改造によるなりすまし・データ捏造を防止する。

【図面の簡単な説明】

【0009】

【図1】本開示の実施の形態１に係る制御システムの概略を示す図

【図2】本開示の実施の形態１に係る機器認証装置のハードウェア構成を示す図

【図3】本開示の実施の形態１に係る機器認証装置の学習装置としての機能ブロックを模式的に示す図

【図4】学習装置の学習処理を示すフローチャート

【図5】本開示の実施の形態１に係る機器認証装置の推論装置としての機能ブロックを模式的に示す図

【図6】データを得るための処理を示すフローチャート

【図7】本開示の実施の形態２に係る制御システムの概略を示す図

【図8】本開示の実施の形態２に係る機器認証装置の学習装置としての機能ブロックを模式的に示す図

【図9】本開示の実施の形態２に係る機器認証装置の推論装置としての機能ブロックを模式的に示す図

【図10】本開示の実施の形態３に係る制御システムの概略を示す図

【図11】本開示の実施の形態３に係る機器認証装置の学習装置としての機能ブロックを模式的に示す図

【図12】本開示の実施の形態３に係る機器認証装置の推論装置としての機能ブロックを模式的に示す図

【発明を実施するための形態】

【0010】

以下、本開示の実施の形態に係るフィールド機器認証学習装置、フィールド機器認証推論装置、フィールド機器認証学習方法、フィールド機器認証推論方法及びプログラムについて図面を参照して詳細に説明する。なお、図中同一または相当する部分には同じ符号を付す。

【0011】

（実施の形態１）
図１は、制御システム１の概略を示す図である。制御システム１は、制御対象機器である１～Ｎ台の複数のフィールド機器２、制御プログラムを実行して制御対象機器を制御するＰＬＣ３、を備えている。

【0012】

ＰＬＣ３は、各フィールド機器２と通信可能に接続されたプログラマブルロジックコントローラである。ＰＬＣ３は、制御プログラムを読み出して実行するＣＰＵ（Central Processing Unit）ユニット４と、フィールド機器２と接続される入出力ユニット５と、を備えている。ＣＰＵユニット４と入出力ユニット５とは、各ユニットを電気的に接続するベースボードを介して接続されるか、または、ベースボードを介さずに各ユニットに備えられているユニット同士を電気的に接続するコネクタによって接続されてもよい。入出力ユニット５は、例えば、Ｉ／Ｏ入出力ユニット、アナログユニット、カウンタユニット、ネットワークユニット、等のＰＬＣ３を用いてフィールド機器２を制御する際に、信号を入力及び出力の少なくとも一方を行うことが可能なユニットである。

【0013】

フィールド機器２は、入出力ユニット５の入出力端子に割り付けられる機器であり、例えば入力機器であるセンサ、出力機器であるモータ、アクチュエータ等である。ＰＬＣ３にて実行されるプログラムに基づいて各フィールド機器２が協働することにより制御システム１が実現される。フィールド機器２は、制御ネットワーク・制御ＩＯ配線で入出力ユニット５の入出力端子に接続されている。当該制御システム１は、例えば工場内で稼働する製品生産システムであり、フィールド機器２は、工場に設置され、ワークに様々な加工を施し、製品、部品などを生産する設備装置であり、ＰＬＣ３は、制御用のプログラムを実行することにより、各フィールド機器２を制御し、ワークを加工させる。

【0014】

また、フィールド機器２は、機器認証装置６に接続されている。機器認証装置６は、フィールド機器２から入出力ユニット５の入出力端子へと発信される信号を取得する。機器認証装置６は、フィールド機器２からの信号の入力を基に、Ｎ台のフィールド機器２のそれぞれについて、正当な機器であるか、または、不正な機器であるかを判定した結果を出力する。

【0015】

図２は、機器認証装置６のハードウェア構成を示す。機器認証装置６は、制御部１１と、記憶部１２と、ユーザインタフェース１３と、表示部１４と、通信部１５と、を備える。これら各部は通信バスを介して接続されている。

【0016】

制御部１１は、ＣＰＵ、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）を備える。ＣＰＵは、中央処理装置、中央演算装置、プロセッサ、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ（Digital Signal Processor）等とも呼び、機器認証装置６の制御に係る処理及び演算を実行する中央演算処理部として機能する。制御部１１において、ＣＰＵは、ＲＯＭに格納されているプログラム及びデータを読み出し、ＲＡＭをワークエリアとして用いて、機器認証装置６を統括制御する。

【0017】

記憶部１２は、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable ROM）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、ハードディスク等の不揮発性のメモリを備えており、いわゆる二次記憶装置又は補助記憶装置としての役割を担う。記憶部１２は、制御部１１が各種処理を行うために使用するプログラム及びデータを記憶する。また、記憶部１２は、制御部１１が各種処理を行うことにより生成又は取得するデータを記憶する。

【0018】

ユーザインタフェース１３は、キーボード、マウス、タッチパネル等の入力部である。表示部１４は、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を表示する。

【0019】

通信部１５は、機器認証装置６がネットワークを介して外部の装置と通信するための通信インタフェースを備える。通信部１５は、ネットワークを介して、ＰＬＣ３と通信を行う。

【0020】

機器認証装置６は、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定するフィールド機器２の認証を学習する学習装置２０として機能する。図３は、機器認証装置６の学習装置２０としての機能ブロックを模式的に示す図である。機器認証学習装置である学習装置２０は、データ取得部２１、モデル生成部２２、及び学習済モデル記憶部２３を備える。

【0021】

データ取得部２１は、各フィールド機器２から入出力ユニット５の入出力端子へと発信される時系列信号を学習用データとして取得する。

【0022】

フィールド機器２が発信する信号は、個々のフィールド機器２によって異なる特徴を有しており、この特徴量を抽出し、当該特徴量から各フィールド機器２の個体差を認識して、フィールド機器２を識別・認証する。

【0023】

モデル生成部２２は、データ取得部２１から出力されるフィールド機器２から発信される時系列信号に基づいて作成される学習用データに基づいて、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定するフィールド機器２の識別・認証を学習する。すなわち、フィールド機器２から発信される時系列信号からフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を推論する学習済モデルを生成する。

【0024】

モデル生成部２２が用いる学習アルゴリズムは教師あり学習、教師なし学習、強化学習等の公知のアルゴリズムを用いることができる。一例として、教師なし学習 であるＫ平均法（クラスタリング）を適用した場合について説明する。教師なし学習とは、結果（ラベル）を含まない学習用データを学習装置２０に与えることで、それらの学習用データにある特徴を学習する手法をいう。

【0025】

モデル生成部２２は、例えば、Ｋ平均法によるグループ分け手法に従って、いわゆる教師なし学習により、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を学習する。Ｋ平均法とは、非階層型クラスタリングのアルゴリズムであり、クラスタの平均を用い、与えられたクラスタ数をｋ個に分類する手法である。具体的に、Ｋ平均法は以下のような流れで処理される。まず、各データｘｉに対してランダムにクラスタを割り振る。次いで、割り振ったデータをもとに各クラスタの中心Ｖｊを計算する。次いで、各ｘｉと各Ｖｊとの距離を求め、ｘｉを最も近い中心のクラスタに割り当て直す。そして、上記の処理で全てのｘｉのクラスタの割り当てが変化しなかった場合、あるいは変化量が事前に設定した一定の閾値を下回った場合に、収束したと判断して処理を終了する。

【0026】

本開示においては、データ取得部２１によって取得されるフィールド機器２から発信される時系列信号に基づいて作成される学習用データに従って、いわゆる教師なし学習により、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を学習する。モデル生成部２２は、以上のような学習を実行することで学習済モデルを生成し、出力する。学習済モデル記憶部２３は、モデル生成部から出力された学習済モデルを記憶する。

【0027】

次に、図４を用いて、学習装置２０が学習する処理について説明する。図４は学習装置２０の学習処理に関するフローチャートである。

【0028】

ステップＳ１０１において、データ取得部２１はフィールド機器２から発信される時系列信号を取得する。ステップＳ１０２において、モデル生成部２２は、データ取得部２１によって取得されるフィールド機器２から発信される時系列信号に基づいて作成される学習用データに従って、いわゆる教師なし学習により、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を学習し、学習済モデルを生成する。ステップＳ１０３において、学習済モデル記憶部２３は、モデル生成部２２が生成した学習済モデルを記憶する。

【0029】

機器認証装置６は、フィールド機器２が正当な機器であるか、または、不正な機器であるかの判定結果を推論するフィールド機器２の識別・認証に関する推論装置として機能する。図５は、機器認証装置６の推論装置３０としての機能ブロックを模式的に示す図である。

【0030】

機器認証推論装置である推論装置３０は、データ取得部３１、推論部３２、及び学習済モデル記憶部２３を備える。データ取得部３１はフィールド機器２から発信される時系列信号を取得する。推論部３２は、学習済モデル記憶部２３に記憶された学習済モデルを利用して得られるフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を推論する。すなわち、この学習済モデルにデータ取得部３１で取得したフィールド機器２から発信される時系列信号を入力することで、フィールド機器２から発信される時系列信号がいずれのクラスタに属するかを推論し、推論結果をフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果として出力することができる。

【0031】

なお、本実施の形態では、機器認証装置６のモデル生成部２２で学習した学習済モデルを用いてフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を出力するものとして説明したが、他の機器認証装置６のモデル生成部２２である外部から学習済モデルを取得し、この学習済モデルに基づいてフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を出力するようにしてもよい。このようにして、推論部３２は、フィールド機器２から発信される時系列信号に基づいて得られたフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果であるフィールド機器２の識別・認証結果を出力する。

【0032】

次に、図６を用いて、推論装置３０を使ってフィールド機器２の識別・認証結果であるデータを得るための処理を説明する。

【0033】

ステップＳ２０１において、データ取得部３１はフィールド機器２から発信される時系列信号を取得する。ステップＳ２０２において、推論部３２は学習済モデル記憶部２３に記憶された学習済モデルに、ステップＳ２０１で取得したフィールド機器２から発信される時系列信号を入力し、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を得る。ステップＳ２０３において、推論部３２は、学習済モデルにより得られたフィールド機器２の識別・認証結果を出力する。これにより、制御ネットワーク・制御ＩＯ配線に不正な機器が接続されることによるデータ捏造を予防することができる。

【0034】

なお、本実施の形態では、モデル生成部２２及び推論部３２が用いる学習アルゴリズムに教師なし学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、教師なし学習以外にも、強化学習、教師あり学習、又は半教師あり学習等を適用することも可能である。

【0035】

また、学習装置２０に用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習（Deep Learning）を用いることもでき、他の公知の方法でもよい。その際、抽出される特徴量は、フィールド機器２が発信する信号に含まれる、制御に影響を与えないレベルで重畳されている微弱な信号の波形、信号の立ち上がり、立ち下がり時の波形等により、フィールド機器２の個体差認識が可能な特徴が反映される。フィールド機器２が長時間使用されることにより徐々に劣化して、発信する信号、フィールド機器２に取り付けられたセンサの検出値が変化することが想定される場合には、学習を定期的にやり直すこともできる。

【0036】

本実施の形態における教師なし学習を実現する場合、上記のｋ平均法による非階層型クラスタリングに限らず、クラスタリング可能な他の公知の方法であればよい。例えば、最短距離法等の階層型クラスタリングであってもよい。

【0037】

本実施の形態において、学習装置２０及び推論装置３０は、例えば、ネットワークを介して制御システム１に接続されてもよい。また、学習装置２０及び推論装置３０は、フィールド機器認証装置とは別個の装置であってもよい。また、学習装置２０及び推論装置３０は、ＰＬＣ３に内蔵されていてもよい。さらに、学習装置２０及び推論装置３０は、クラウドサーバ上に存在していてもよい。また、モデル生成部２２は、複数の制御システム１に対して作成される学習用データに従って、フィールド機器２の識別・認証結果を学習するようにしてもよい。なお、モデル生成部２２は、同一のエリアで使用される複数の制御システム１から学習用データを取得してもよいし、異なるエリアで独立して動作する複数の制御システム１から収集される学習用データを利用してフィールド機器２の識別・認証結果を学習してもよい。また、学習用データを収集する制御システム１を途中で対象に追加したり、対象から除去したりすることも可能である。さらに、ある制御システム１に関してフィールド機器２の識別・認証結果を学習した学習装置２０を、これとは別の制御システム１に適用し、当該別の制御システム１に関してフィールド機器２の識別・認証結果を再学習して更新するようにしてもよい。

【0038】

（実施の形態２）
実施の形態１では、フィールド機器２から入出力ユニット５の入出力端子へと発信される時系列信号の特徴に基づいて機器の個体差を識別していたが、これに代えて、機器認証装置６への入力として、フィールド機器２の各機器に取り付けられたセンサが検出した信号を入力し、この入力を基に、Ｎ台の複数のフィールド機器２のそれぞれについて、正当な機器であるか、または、不正な機器であるかを判定した結果を出力する。

【0039】

図７は、実施の形態２における制御システム１の概略を示す図である。制御システム１は、制御対象機器である１～Ｎ台の複数のフィールド機器２、制御プログラムを実行して制御対象機器を制御するＰＬＣ３、を備えている。

【0040】

実施の形態１と異なる点は、フィールド機器２は、機器認証装置６に接続されておらず、機器認証装置６は、フィールド機器２から入出力ユニット５の入出力端子へと発信される信号を取得していない点である。これに代えて、フィールド機器２には、センサ４０が取り付けられており、センサ４０からの出力が機器認証装置６に接続されている。センサ４０は、フィールド機器２の振動、温度、変位、画像等を検出するために、単独あるいは２つ以上の複数をフィールド機器２に取り付けたセンサであり、各フィールド機器２の個体差を識別するのに十分な情報を検出可能なセンサが選定される。なお、センサ４０はフィールド機器２に取り付けされない形態で、フィールド機器２に対してセンシングを行うセンサを用いることもできる。機器認証装置６は、センサ４０からの検出信号を取得し、このセンサ４０からの検出信号を基に、Ｎ台のフィールド機器２のそれぞれについて、正当な機器であるか、または、不正な機器であるかを判定した結果を出力する。

【0041】

図８は、実施の形態２における機器認証装置６の学習装置５０としての機能ブロックを模式的に示す図である。

【0042】

機器認証学習装置である学習装置５０は、図３と同様に、データ取得部５１、モデル生成部５２、及び学習済モデル記憶部５３を備える。データ取得部５１は、各フィールド機器２に取り付けたセンサ４０からの検出信号を学習用データとして取得する。フィールド機器２に取り付けたセンサ４０からの検出信号は、個々のフィールド機器２によって異なる特徴を有しており、この特徴量を抽出し、当該特徴量から各フィールド機器２の個体差を認識して、フィールド機器２を識別・認証する。

【0043】

モデル生成部５２は、データ取得部５１から出力されるフィールド機器２に取り付けたセンサ４０からの検出信号に基づいて作成される学習用データに基づいて、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定するフィールド機器２の識別・認証を学習する。すなわち、フィールド機器２に取り付けたセンサ４０からの検出信号からフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を推論する学習済モデルを生成する。モデル生成部５２は、例えば、Ｋ平均法によるグループ分け手法に従って、いわゆる教師なし学習により、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を学習する。モデル生成部５２が、以上のような学習を実行することで学習済モデルを生成すると、学習済モデル記憶部５３は、モデル生成部５２から出力された学習済モデルを記憶する。

【0044】

次に、実施の形態２における学習装置５０が学習する処理について、実施の形態１における学習装置２０の学習処理に関するフローチャートと同じく、図４を用いて説明する。

【0045】

ステップＳ１０１において、データ取得部５１はフィールド機器２に取り付けたセンサ４０からの検出信号を取得する。ステップＳ１０２において、モデル生成部５２は、データ取得部５１によって取得されるフィールド機器２に取り付けたセンサ４０からの検出信号に基づいて作成される学習用データに従って、いわゆる教師なし学習により、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を学習し、学習済モデルを生成する。ステップＳ１０３において、学習済モデル記憶部５３は、モデル生成部５２が生成した学習済モデルを記憶する。

【0046】

図９は、実施の形態２における機器認証装置６の推論装置６０としての機能ブロックを模式的に示す図である。

【0047】

機器認証推論装置である推論装置６０は、図５と同様に、データ取得部６１、推論部６２、及び学習済モデル記憶部５３を備える。データ取得部６１はフィールド機器２に取り付けたセンサ４０からの検出信号を取得する。なお、複数のフィールド機器２に取り付けたセンサ４０からの検出信号を同時に取得するものとしたが、それぞれのセンサ４０からの検出信号を関連づけて入力できれば良く、それぞれ別のタイミングで取得しても良い。

【0048】

推論部６２は、学習済モデル記憶部５３に記憶された学習済モデルを利用して得られるフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を推論する。すなわち、この学習済モデルにデータ取得部６１で取得したフィールド機器２に取り付けたセンサ４０からの検出信号を入力することで、フィールド機器２に取り付けたセンサ４０からの検出信号がいずれのクラスタに属するかを推論し、推論結果をフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果として出力することができる。

【0049】

なお、本実施の形態では、機器認証装置６のモデル生成部５２で学習した学習済モデルを用いてフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を出力するものとして説明したが、他の機器認証装置６のモデル生成部５２である外部から学習済モデルを取得し、この学習済モデルに基づいてフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を出力するようにしてもよい。このようにして、推論部６２は、フィールド機器２に取り付けたセンサ４０からの検出信号に基づいて得られたフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果であるフィールド機器２の識別・認証結果を出力する。

【0050】

次に、実施の形態２における推論装置６０を使ってフィールド機器２の識別・認証結果であるデータを得るための処理について、実施の形態１における推論装置３０のデータを得るための処理に関するフローチャートと同じく、図６を用いて説明する。

【0051】

ステップＳ２０１において、データ取得部６１はフィールド機器２に取り付けたセンサ４０からの検出信号を取得する。ステップＳ２０２において、推論部６２は学習済モデル記憶部５３に記憶された学習済モデルに、ステップＳ２０１で取得したフィールド機器２に取り付けたセンサ４０からの検出信号を入力し、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を得る。ステップＳ２０３において、推論部６２は、学習済モデルにより得られたフィールド機器２の識別・認証結果を出力する。これにより、制御ネットワーク・制御ＩＯ配線に不正な機器が接続されることによるデータ捏造を予防することができる。なお、本実施の形態では、モデル生成部５２及び推論部６２が用いる学習アルゴリズムに教師なし学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、教師なし学習以外にも、強化学習、教師あり学習、又は半教師あり学習等を適用することも可能である。

【0052】

（実施の形態３）
実施の形態１では、フィールド機器２から入出力ユニット５の入出力端子へと発信される時系列信号の特徴に基づいて機器の個体差を識別し、実施の形態２では、これに代えて、機器認証装置６への入力として、フィールド機器２に取り付けられたセンサ４０の検出信号を入力し、センサ４０の検出信号の特徴に基づいて機器の個体差を識別した。実施の形態３では、フィールド機器２から発信される時系列信号の特徴に加えて、フィールド機器２に取り付けられたセンサ４０の検出信号の特徴に基づいて機器の個体差を識別する。これにより、より正確に機器の個体差の識別が可能となり、フィールド機器２について、正当な機器であるか、または、不正な機器であるかの正確な判定が可能となる。

【0053】

図１０は、実施の形態３における制御システム１の概略を示す図である。制御システム１は、制御対象機器である１～Ｎ台の複数のフィールド機器２、制御プログラムを実行して制御対象機器を制御するＰＬＣ３、を備えている。

【0054】

フィールド機器２は、機器認証装置６に接続され、機器認証装置６は、フィールド機器２から発信される信号を取得する。さらに、フィールド機器２には、センサ４０が取り付けられており、センサ４０からの出力が機器認証装置６に接続されている。センサ４０は、フィールド機器２の振動、温度、変位、画像等を検出するために、単独あるいは２つ以上の複数をフィールド機器２に取り付けたセンサであり、各フィールド機器２の個体差を識別するのに十分な情報を検出可能なセンサが選定される。

【0055】

機器認証装置６は、フィールド機器２から発信される信号及びセンサ４０からの検出信号を取得し、取得された両信号を基に、Ｎ台のフィールド機器２のそれぞれについて、正当な機器であるか、または、不正な機器であるかを判定した結果を出力する。

【0056】

図１１は、実施の形態３における機器認証装置６の学習装置７０としての機能ブロックを模式的に示す図である。

【0057】

機器認証学習装置である学習装置７０は、図３と同様に、データ取得部７１、モデル生成部７２、及び学習済モデル記憶部７３を備える。データ取得部７１は、フィールド機器２から発信される信号及びフィールド機器２に取り付けたセンサ４０からの検出信号を学習用データとして取得する。フィールド機器２が発信する信号は、個々のフィールド機器２によって異なる特徴を有している。また、フィールド機器２に取り付けたセンサ４０からの検出信号は、個々のフィールド機器２によって異なる特徴を有している。そこで、両信号を組み合わせ、特徴量を抽出し、当該特徴量から各フィールド機器２の個体差を認識して、フィールド機器２を識別・認証する。

【0058】

モデル生成部７２は、データ取得部７１から出力される、フィールド機器２から発信される信号及びフィールド機器２に取り付けたセンサ４０からの検出信号に基づいて作成される学習用データに基づいて、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定するフィールド機器２の識別・認証を学習する。すなわち、フィールド機器２から発信される時系列信号及びフィールド機器２に取り付けたセンサ４０からの検出信号の組み合わせからフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を推論する学習済モデルを生成する。モデル生成部７２は、例えば、Ｋ平均法によるグループ分け手法に従って、いわゆる教師なし学習により、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を学習する。モデル生成部７２が、以上のような学習を実行することで学習済モデルを生成すると、学習済モデル記憶部７３は、モデル生成部７２から出力された学習済モデルを記憶する。

【0059】

次に、実施の形態３における学習装置７０が学習する処理について、実施の形態１における学習装置２０の学習処理に関するフローチャートと同じく、図４を用いて説明する。

【0060】

ステップＳ１０１において、データ取得部７１は、フィールド機器２から発信される時系列信号及びフィールド機器２に取り付けたセンサ４０からの検出信号を取得する。なお、フィールド機器２から発信される時系列信号及びフィールド機器２に取り付けたセンサ４０からの検出信号を同時に取得するものとしたが、両信号を関連づけて入力できれば良く、両信号のデータをそれぞれ別のタイミングで取得しても良い。ステップＳ１０２において、モデル生成部７２は、データ取得部７１によって取得される、フィールド機器２から発信される時系列信号及びフィールド機器２に取り付けたセンサ４０からの検出信号の組み合わせに基づいて作成される学習用データに従って、いわゆる教師なし学習により、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を学習し、学習済モデルを生成する。ステップＳ１０３において、学習済モデル記憶部７３は、モデル生成部７２が生成した学習済モデルを記憶する。

【0061】

図１２は、実施の形態３における機器認証装置６の推論装置８０としての機能ブロックを模式的に示す図である。

【0062】

機器認証推論装置である推論装置８０は、図５と同様に、データ取得部８１、推論部８２、及び学習済モデル記憶部７３を備える。データ取得部８１は、フィールド機器２から発信される時系列信号及びフィールド機器２に取り付けたセンサ４０からの検出信号を取得する。推論部８２は、学習済モデル記憶部７３に記憶された学習済モデルを利用して得られるフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を推論する。すなわち、この学習済モデルにデータ取得部８１で取得した、フィールド機器２から発信される時系列信号及びフィールド機器２に取り付けたセンサ４０からの検出信号を入力することで、フィールド機器２から発信される時系列信号及びフィールド機器２に取り付けたセンサ４０からの検出信号がいずれのクラスタに属するかを推論し、推論結果をフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果として出力することができる。なお、本実施の形態では、機器認証装置６のモデル生成部７２で学習した学習済モデルを用いてフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を出力するものとして説明したが、他の機器認証装置６のモデル生成部７２である外部から学習済モデルを取得し、この学習済モデルに基づいてフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を出力するようにしてもよい。このようにして、推論部８２は、フィールド機器２から発信される時系列信号及びフィールド機器２に取り付けたセンサ４０からの検出信号の組み合わせに基づいて得られたフィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果であるフィールド機器２の識別・認証結果を出力する。

【0063】

次に、実施の形態３における推論装置８０を使ってフィールド機器２の識別・認証結果であるデータを得るための処理について、実施の形態１における推論装置３０のデータを得るための処理に関するフローチャートと同じく、図６を用いて説明する。

【0064】

ステップＳ２０１において、データ取得部８１は、フィールド機器２から発信される時系列信号及びフィールド機器２に取り付けたセンサ４０からの検出信号を取得する。ステップＳ２０２において、推論部８２は学習済モデル記憶部７３に記憶された学習済モデルに、ステップＳ２０１で取得した、フィールド機器２から発信される時系列信号及びフィールド機器２に取り付けたセンサ４０からの検出信号を入力し、フィールド機器２が正当な機器であるか、または、不正な機器であるかを判定した結果を得る。ステップＳ２０３において、推論部８２は、学習済モデルにより得られたフィールド機器２の識別・認証結果を出力する。これにより、制御ネットワーク・制御ＩＯ配線に不正な機器が接続されることによるデータ捏造を予防することができる。なお、本実施の形態では、モデル生成部７２及び推論部８２が用いる学習アルゴリズムに教師なし学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、教師なし学習以外にも、強化学習、教師あり学習、又は半教師あり学習等を適用することも可能である。

【0065】

本開示は、本開示の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、本開示を説明するためのものであり、本開示の範囲を限定するものではない。つまり、本開示の範囲は、実施の形態ではなく、請求の範囲によって示される。そして、請求の範囲内及びそれと同等の開示の意義の範囲内で施される様々な変形が、本開示の範囲内とみなされる。

【0066】

以下、本開示の諸態様を付記としてまとめて記載する。

【0067】

（付記１）
入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を学習するフィールド機器認証学習装置であって、
前記フィールド機器が発信する時系列信号を学習用データとして取得するデータ取得部と、
前記学習用データを用いて、前記時系列信号から、前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するモデル生成部と、
を備えるフィールド機器認証学習装置。
（付記２）
入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を学習するフィールド機器認証学習装置であって、
前記フィールド機器に取り付けられたセンサからの検出信号を学習用データとして取得するデータ取得部と、
前記学習用データを用いて、前記検出信号から、前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するモデル生成部と、
を備えるフィールド機器認証学習装置。
（付記３）
入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を学習するフィールド機器認証学習装置であって、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号を学習用データとして取得するデータ取得部と、
前記学習用データを用いて、前記時系列信号及び前記検出信号から、前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するモデル生成部と、
を備えるフィールド機器認証学習装置。
（付記４）
入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を行うフィールド機器認証推論装置であって、
前記フィールド機器が発信する時系列信号を取得するデータ取得部と、
前記時系列信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するための学習済モデルを用いて、前記時系列信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果の情報を出力する推論部と、
を備えるフィールド機器認証推論装置。
（付記５）
入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を行うフィールド機器認証推論装置であって、
前記フィールド機器に取り付けられたセンサからの検出信号を取得するデータ取得部と、
前記検出信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するための学習済モデルを用いて、前記検出信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果の情報を出力する推論部と、
を備えるフィールド機器認証推論装置。
（付記６）
入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を行うフィールド機器認証推論装置であって、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号を取得するデータ取得部と、
前記時系列信号及び前記検出信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するための学習済モデルを用いて、前記時系列信号及び前記検出信号から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果の情報を出力する推論部と、
を備えるフィールド機器認証推論装置。
（付記７）
入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を学習するフィールド機器認証学習方法であって、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号の少なくとも一方を学習用データとして取得するステップと、
前記学習用データを用いて、前記時系列信号及び前記検出信号の少なくとも一方から、前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するステップと、
を備えるフィールド機器認証学習方法。
（付記８）
入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を行うフィールド機器認証推論方法であって、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号の少なくとも一方を取得するステップと、
前記時系列信号及び前記検出信号の少なくとも一方から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するための学習済モデルを用いて、前記時系列信号及び前記検出信号の少なくとも一方から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するステップと、
を備えるフィールド機器認証推論方法。
（付記９）
入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を学習するコンピュータを、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号の少なくとも一方を学習用データとして取得するデータ取得部、
前記学習用データを用いて、前記時系列信号及び前記検出信号の少なくとも一方から、前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論する学習済モデルを生成するモデル生成部、
として機能させるプログラム。
（付記１０）
入出力ユニットの入出力端子にフィールド機器が接続された制御システムにおける前記フィールド機器の認証を行うコンピュータを、
前記フィールド機器が発信する時系列信号及び前記フィールド機器に取り付けられたセンサからの検出信号の少なくとも一方を取得するデータ取得部、
前記時系列信号及び前記検出信号の少なくとも一方から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果を推論するための学習済モデルを用いて、前記時系列信号及び前記検出信号の少なくとも一方から前記制御システムに接続された前記フィールド機器が正当な機器であるか又は不正な機器であるかを判定した結果の情報を出力する推論部、
として機能させるプログラム。

【符号の説明】

【0068】

１ 制御システム、２ フィールド機器、３ ＰＬＣ、４ ＣＰＵユニット、５ 入出力ユニット、６ 機器認証装置、１１ 制御部、１２ 記憶部、１３ ユーザインタフェース、１４ 表示部、１５ 通信部、２０，５０，７０ 学習装置、２１，３１，５１，６１，７１，８１ データ取得部、２２，５２，７２ モデル生成部、２３，５３，７３ 学習済モデル記憶部、３０，６０，８０ 推論装置、３２，６２，８２ 推論部、４０ センサ。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】