Das Projekt zielt darauf ab, die Resilienz von Cyber-physischen Systemen (CPS), insbesondere von kritischen Infrastrukturen, gegenüber jeglichen Angriffen und Störungen, darunter auch Advanced Persistent Threads (APTs), zu verbessern. APTs sind komplexe und langfristig ausgelegte Cyberangriffe, die von hochqualifizierten und zielgerichteten Angreifern durchgeführt werden. Sie können nicht mit bisher etablierten Sicherheitslösungen erkannt werden. Die Verbesserung der Resilienz von CPS durch frühzeitige Erkennung und ggfs. Vermeidung von Cyberangriffen wird in diesem Projekt durch die Interpretation von Log-Daten und ihre Transformation in eine Graphdatenstruktur mit Methoden aus dem Bereich des Natural Language Processing (NLP) erreicht. Ziel ist es, das Normalverhalten von Systemknoten und -komponenten mithilfe von Graph Neural Networks (GNNs) zu erlernen, um anschließend Abweichungen davon zu erkennen. Die Ergebnisse der Anomalieerkennung werden in bestehende Sicherheitsarchitekturen eingebunden und als zusätzliche Informationsquelle für Sicherheitsspezialisten dienen.