YOLO algoritması ile SCADA sistemlerinde erişim düzeyi kontrolü

Günümüz endüstriyel üretim sistemlerinde, kontrol ve otomasyon sistemlerindeki teknolojik gelişmeler neticesinde insan gücüne olan bağımlılık giderek azalmaktadır. Bu trend, üretim süreçlerinin verimliliğini artırırken, aynı zamanda operasyonel bağımsızlığı da güçlendirmektedir. Bununla birlikte fabrika ortamlarında, makine operatörlerinin etkin yönetimi ve denetimi, üretim süreçlerinin düzgün işleyişi açısından kritik öneme sahiptir. Seri üretim yapan tesislerde, üretim hatlarının farklı ürünlere adaptasyonu sırasında, makine parametrelerinin operatörler tarafından, Merkezi Kontrol ve Veri Toplama Sistemi (SCADA) içerisinde bulunan İnsan-Makine Arayüzleri (HMI) üzerinden güncellenmesi gerekmektedir. Çoklu vardiya sistemlerinde çalışan operatörler arasında, bu parametre değişikliklerinin kimin tarafından yapıldığının tespiti zaman zaman zorluklara yol açabilmektedir. Geleneksel kullanıcı adı ve şifre tabanlı giriş sistemleri, operatörler arasında güvenlik riskleri ve operasyonel aksaklıklar doğurabilmektedir. Ayrıca artık günümüzde şifreler, insanların bilgilerini güvende tutmanın kusursuz bir yolu değildir. Microsoft her saniye yaklaşık 1.287 ya da günde yaklaşık 111 milyon parola saldırısı rapor etmektedir. Güvenlik için şifrelemede hem rakam hem de harf kullanımı önerilse de ikinci bir güvenlik katmanı olarak farklı kimlik doğrulama yöntemleri tavsiye edilmektedir. Bu tez çalışması, yüz tanıma teknolojisini SCADA sistemlerinde bulunan HMI'lara entegre ederek, sistem girişlerinde operatörlerin kullanıcı kimlik doğrulama sürecini optimize etmeyi amaçlamaktadır. Önerilen sistem, operatörlerin sadece kameraya bakarak, yetkileri dahilindeki sayfalara erişimini sağlarken, aynı zamanda potansiyel kimlik sahteciliği girişimlerini de (örneğin, başka bir operatörün fotoğrafını kullanarak sisteme erişme teşebbüsü) tespit edip, alarm üretme ve kayıt altına alma özelliğine sahiptir. Bu çalışmada, amaca yönelik olarak farklı bireylere ait yüzlerden oluşturulan kendi veri setimiz üzerinde eğitilen YOLOv8 modeli, 0,5 saniye tespit süresi ile yüzde 90 başarı oranına ulaşmıştır. Ek olarak yüz tanıma için kullanılan, LFW veri seti üzerinde yüzde 99,63 başarı oranına ulaşan FaceNet modeli uygulamamıza entegre edilmiş ve 0,6 saniye tespit süresi ile oldukça başarılı sonuçlar alınmıştır. Bu yaklaşım, sistem güvenliğinin artırılmasını, operatörlerin erişim süreçlerinin hızlandırılmasını ve operasyonel kontrol düzeyinin yükseltilmesini hedeflemektedir. Tez kapsamında gerçekleştirilen denemeler, geliştirilen sistemin toplam 2 saniyeden az süren analiz süresinde (sahtecilik tespiti ve yüz analizi) yüzde 90 doğruluk oranıyla etkin bir güvenlik sağladığını göstermektedir. Endüstriyel otomasyon sistemleri için tasarlanan bu uygulamanın, diğer erişim kısıtlı endüstriyel alanlarda da etkili bir şekilde kullanılabileceği açıktır.