Mouser Blog | France

Que ce soit dans l’industrie, la santé ou l’énergie, l’Internet des objets (IoT) est moteur de transformation. Déployé dans l’automatisation industrielle, il améliore la productivité et la qualité des produits, et contribue dans le domaine médical à des résultats cliniques nettement meilleurs tout en réduisant les coûts. Par ailleurs, les fournisseurs construisent des réseaux intelligents qui s’appuient sur l’IoT pour accroître la fiabilité et la flexibilité de l’approvisionnement en énergie, et ainsi se rapprocher de leur objectif de « zéro émission nette ».

Ce recours massif à l’IoT n’est toutefois pas sans risques. Parmi ceux-ci, un trio de tête se dégage : la survenue d’actes malveillants visant à perturber les systèmes critiques, le vol de données sensibles et la défaillance des technologies complexes qui soutiennent l’IoT. Pour illustrer l’importance de ces risques, il suffit d’imaginer le chaos qu’entraînerait l’arrêt non planifié de pans entiers du système de distribution électrique en hiver, la perturbation majeure provoquée par l'exposition des données bancaires de clients, ou la crise grave qu’occasionnerait une panne du contrôle centralisé des pompes à perfusion d’un hôpital.

Les ingénieurs ont beaucoup travaillé pour atténuer les problèmes de sécurité associés aux cybercriminels déterminés à perturber les systèmes ou à voler des données. Des technologies comme le chiffrement et l’authentification – à condition d’être correctement déployées et bien gérées – s’avèrent efficaces dans la plupart des cas, mais ne découragent pas les plus malveillants. De fait, simplement verrouiller les accès ne suffit absolument plus pour protéger l’IoT dont nous dépendons tous aujourd’hui. Une mesure plus convaincante consiste à rendre les systèmes plus résilients de façon à éviter la catastrophe à la moindre défaillance.

Une autre voie est possible

Foncièrement, l’IoT consiste en un vaste réseau d’« objets » interconnectés : des dispositifs dotés de capteurs, de logiciels et de nombreux systèmes de communication. L’IoT exploite la capacité de chacun de ces objets à partager des données, des informations et des instructions avec tous les autres objets du réseau.

Lorsque l’IoT n’était encore qu’une technologie émergente, le principal souci des ingénieurs consistait à réduire la latence et la consommation d’énergie, tout en augmentant le débit du réseau. Pour ce faire, ils mettaient en œuvre des systèmes pour sélectionner le chemin unique le plus court entre deux dispositifs qui cherchent à communiquer entre eux. Cependant, pour des objets situés aux antipodes l’un de l’autre, par exemple, même l’itinéraire optimal pouvait encore comprendre des milliers de liaisons et de nœuds, filaires et sans fil, et chacun d'eux devait être parfaitement fonctionnel pour éviter la perte de paquets de données.

La défaillance d’un seul maillon de la chaîne d’échange de données entrainait purement et simplement la coupure de la connexion. Quand il s’agit d’un simple capteur en périphérie (edge) du réseau, il s'agit d'un désagrément. En revanche, dans le cas d’un routeur, d’un contrôleur ou d’un serveur au centre, les conséquences sont tout de suite bien plus lourdes.

De nos jours, le réseau est beaucoup plus résilient. Plusieurs chemins sont cartographiés simultanément pour établir la communication entre deux objets connectés, de sorte que si un maillon du chemin initial fait défaut, les paquets sont rapidement redirigés vers un « itinéraire bis ». Seulement, cette approche à chemins multiples présente aussi des inconvénients : augmentation de la latence, coût énergétique plus élevé et débit maximal plus faible – des concessions somme toute acceptables en faveur d’un réseau plus robuste.

Intégration de la redondance

Outre l’approche à chemins multiples, l’architecture IoT intègre désormais aussi davantage de résilience grâce à la duplication de composants, de ressources ou de données critiques en vue d’atténuer les conséquences des défaillances. Ainsi, des capteurs, actionneurs ou contrôleurs redondants se tiennent prêts à prendre le relais de leur jumeau actif en cas de défaillance de celui-ci. Il en va de même pour les logiciels. Des copies des jeux de données, des applications et des services sont tenues à jour et peuvent être activées en cas de corruption ou autre type de compromission de la version originale.

Une méthode moins coûteuse que la redondance pour assurer la résilience du système consiste à prévoir un système de secours aux capacités plus modestes qu’une duplication complète de l’ensemble du réseau. Si un tel système offre évidemment un service réduit par rapport au système principal, il permet néanmoins d’assurer la continuité des services critiques en cas de panne.

La reprise après sinistre en tant que service (DRaaS) adopte elle aussi une approche différente de la redondance. Il s’agit en l’occurrence d’un service commercial basé sur le cloud capable de réaliser des sauvegardes automatiques et d’assurer la réplication et la redondance de parties essentielles de l’IoT. Ce service s’adresse en particulier aux grandes entreprises des secteurs de l’industrie et du commerce. Le DRaaS aide ainsi les entreprises à reprendre leurs activités à la suite d’une perturbation du réseau sans qu’elles aient pour cela besoin d’investir dans leurs propres – et coûteux – systèmes de redondance.

Maintenance prédictive pour l’IoT

Dans un scénario typique de l’IoT industriel (IIoT), des capteurs surveillent en continu une machine ou un processus, tandis qu’un ordinateur edge analyse plusieurs paramètres (vibrations, température, consommation électrique) pour vérifier l’absence d’irrégularités. Si des tendances irrégulières sont observées, des mesures préventives sont immédiatement déclenchées. La maintenance prédictive s’avère ainsi essentielle à l’IoT pour la prévention de pannes majeures.

De nos jours, les techniques de maintenance prédictive sont appliquées au réseau lui-même afin d’en améliorer la résilience. L’une de ces techniques utilise un serveur de confiance connecté pour collecter et analyser les données de la couche d’application provenant de nombreux capteurs, actionneurs, contrôleurs et ordinateurs edge. Ces informations sont ensuite utilisées pour entraîner des modèles d’apprentissage automatique (machine learning, ML) qui décrivent le comportement typique des dispositifs IoT individuels. Une fois les modèles ML affinés, le dispositif central de confiance est alors en mesure de détecter toute activité anormale provenant d’un dispositif et peut dès lors recommander une réparation avant que ne survienne une perte de données ou une panne de réseau.

Des systèmes similaires sont également utilisés pour atténuer les menaces de sécurité. Les logiciels des systèmes de détection et de prévention des intrusions (IDPS) surveillent le trafic réseau, les opérations du système et le comportement des utilisateurs pour rechercher des signes d’activités qui semblent s’écarter du comportement normal. Dès qu’une activité inhabituelle est repérée, l’IDPS passe à l’action : il bloque le trafic malveillant, met en quarantaine les dispositifs infectés et alerte les superviseurs.

Conclusion

Des secteurs comme l’industrie, la santé et le commerce sont devenus si dépendants de l’IoT que se protéger des attaques extérieures n’est plus une mesure de sécurité suffisante. Le danger vient aussi de l’intérieur, car l’IoT repose sur des matériels et des logiciels si complexes que les défaillances de communication, les pannes d’équipement et la corruption de données doivent être considérés comme des incidents inévitables. Dès lors, il convient de mettre en place des mécanismes de prévention afin d’éviter la catastrophe en cas de défaillance.

Les ingénieurs mettent tout en œuvre pour améliorer l’architecture du réseau de façon à rendre ce dernier beaucoup plus résilient aux pannes. Les réseaux à chemins multiples, la redondance, la dégradation contrôlée du système et le DRaaS permettent d’isoler les problèmes dès qu’ils surviennent. Ces techniques empêchent ainsi les pannes de communication généralisées qui pourraient autrement nuire à la productivité, affecter l’activité économique ou même mettre des vies en danger. Enfin, les techniciens réseau exploitent désormais la puissance du ML pour mettre en œuvre des techniques de maintenance prédictive et donner foi au vieil adage selon lequel il vaut mieux prévenir que guérir.