Расширение промышленного интернета вещей превратило робототехнический комплекс из автономного управляемого объекта в узел распределённой сети, где исполнительные механизмы, контроллеры и сенсоры обмениваются данными через общедоступные протоколы и граничные шлюзы. Возникает противоречие: типовые средства защиты периметра ориентированы на офисные информационные системы и плохо учитывают жёсткие ограничения реального времени, характерные для управляющего контура. Цель работы состоит в систематизации методов защиты такого комплекса и в количественной оценке их совокупной эффективности при подключении к промышленной сети. Применены декомпозиция поверхности атаки по уровням архитектуры, сопоставление классов угроз с контрмерами и авторская модель интегрального показателя киберустойчивости с анализом чувствительности к ключевым параметрам. Расчёт показывает, что наибольший прирост защищённости даёт не усиление отдельного рубежа, а согласованное сочетание сетевой сегментации по модели зон и каналов с поведенческим обнаружением аномалий управляющих воздействий; при доведении доли защищённых конечных устройств до 0,9 интегральный коэффициент достигает 0,79 против 0,46 в исходной конфигурации. Чувствительность показателя к глубине сегментации убывает после третьего уровня изоляции, что задаёт практический предел разбиения сети. Полученная зависимость означает, что киберустойчивость робототехнического комплекса определяется не номенклатурой установленных средств, а полнотой охвата ими управляющего контура и согласованностью реакции на инцидент.
The expansion of the industrial Internet of Things has turned a robotic complex from an autonomous controlled object into a node of a distributed network, where actuators, controllers and sensors exchange data through public protocols and edge gateways. A contradiction arises: typical perimeter defences are designed for office information systems and poorly account for the strict real-time constraints inherent in the control loop. The aim of the work is to systematise the protection methods for such a complex and to quantitatively assess their combined effectiveness when connected to an industrial network. The study applies decomposition of the attack surface across architectural layers, mapping of threat classes to countermeasures, and an author's model of an integral cyber-resilience indicator with sensitivity analysis of key parameters. The calculation shows that the largest gain in security comes not from reinforcing a single barrier but from a coordinated combination of network segmentation under the zones-and-conduits model with behavioural detection of anomalies in control actions; when the share of protected end devices reaches 0.9, the integral coefficient attains 0.79 against 0.46 in the baseline configuration. The sensitivity of the indicator to segmentation depth declines after the third isolation level, which sets a practical limit on network partitioning. The obtained dependence means that the cyber resilience of a robotic complex is determined not by the range of installed tools but by the completeness of their coverage of the control loop and by the consistency of incident response.