Zprávy

Zpráva CYGNVS o srovnávacím hodnocení odolnosti odhaluje nedostatky v připravenosti na incidenty s AI

mm
Přidejte Unite.AI mezi své preferované zdroje na Google
Conceptual illustration of an incident response team coordinating in a secure room beside an AI network.

Zpráva CYGNVS o srovnávacím hodnocení odolnosti, kterou vypracovala společnost CYGNVS ve spolupráci s Marsh Risk, poukazuje na prohlubující se rozdíl mezi tím, jak organizace využívají AI, a tím, jak dokážou řešit incidenty, které se jí týkají. Zpráva vychází z více než 9 500 vlastních průzkumů a uvádí, že 89 % dotazovaných organizací zažilo nějaký typ incidentu s AI, zatímco 46 % by při reakci na takový incident improvizovalo.

Zpráva zveřejněná 13. října 2026 se zabývá problémem, jehož závažnost roste s tím, jak se AI posouvá od tvorby obsahu k řízení pracovních procesů ve firmách. Díky přístupu k dokumentům, e-mailům a firemním systémům může být agent užitečný. Chybný pokyn, odhalené přihlašovací údaje nebo nekontrolovaná série akcí se však zároveň hůře omezují.

Zjištění naznačují, že zavádění AI a příprava na zotavení po jejím selhání postupují různou rychlostí. Zhruba 80 % organizací v souboru dat používá generativní AI, ale pouze každá třetí svou AI testuje proti útokům. Tři čtvrtiny organizací využívajících AI uvedly, že mají výbor pro její správu, to však nutně neznamená, že testují provozní obranná opatření.

Co zpráva považuje za incident s AI

Hlavní údaj je třeba zasadit do kontextu. Zpráva používá širokou definici incidentů s AI, která zahrnuje škodlivé halucinace, zaujatost, změny chování modelu, únik dat, agenty sledující nezamýšlené cíle, selhání při interakci mezi agenty a nedostatečné ochranné mechanismy. Tyto události mohou mít velmi odlišné příčiny i důsledky.

Nepřesná odpověď určená zákazníkovi i agent, který odhalí důvěrné informace, spadají do této širší diskuse, nejde však o rovnocenné bezpečnostní události. Údaj 89 % je proto třeba chápat jako zkušenost respondentů s nějakou formou incidentu s AI, nikoli jako důkaz, že téměř devět z deseti organizací postihl únik dat způsobený AI. Zpráva také uvádí, že 16 % organizací čelí incidentu s AI alespoň jednou týdně, nestanovuje však, že všechny tyto incidenty mají stejnou závažnost.

Toto rozlišení je důležité při plánování reakce. Škodlivý výstup modelu může vyžadovat stažení obsahu a přezkoumání dotčených rozhodnutí. Agent pracující prostřednictvím propojených nástrojů může vyžadovat odebrání oprávnění, uchování záznamů o činnosti a zjištění změn v několika systémech. Běžný postup pro řešení průniku může pokrýt části obou typů reakce, týmy však stále musí vědět, jaké kroky specifické pro AI mohou podniknout a kdo je k tomu oprávněn.

Plány jsou běžné. Plány, které lze skutečně provést, už méně.

Zpráva rozděluje připravenost do čtyř fází: příprava, nácvik, reakce a hlášení. Ve všech se opakuje stejný nedostatek: rozdíl mezi tím, že organizace má dokumentaci, a tím, že ji dokáže pod tlakem uplatnit.

  • Příprava: 92 % má zdokumentované postupy reakce na incidenty, ale pouze 37 % má plány pro konkrétní případy ransomwaru a 29 % má plány pro incidenty týkající se třetích stran.
  • Nácvik: 17 % neprovádí stolní cvičení. Dalších 66 % je pořádá jednou ročně nebo jednou za dva roky.
  • Reakce: 67 % nemá jasně určené odpovědné osoby pro své nejdůležitější procesy a závislosti.
  • Hlášení: 69 % připouští významné nedostatky v záznamech o tom, kdo co a kdy udělal.

Více než šest z deseti organizací zároveň uvádí, že se počet incidentů během předchozích 12 měsíců zvýšil, a 84 % kontroluje plány reakce jednou ročně nebo méně často. Tyto údaje popisují různé stránky připravenosti, společně však vyvolávají praktickou otázku: jak rychle plán zastarává, když se systémy, dodavatelé a oprávnění, které popisuje, neustále mění?

U nasazení AI může jít o zavedení nového modelu, přidání dalšího zdroje dat nebo udělení oprávnění k provedení úkolu, který se dříve dělal ručně. Každá taková změna může ovlivnit reakci potřebnou v případě selhání. Plán musí určit příslušného vlastníka systému, dostupné prostředky k omezení dopadů a důkazy, které je nutné uchovat i během tohoto omezení.

Proč infrastruktura pro reakci potřebuje vlastní oddělené prostředí

Pouze 33 % dotazovaných organizací má vyhrazené mimopásmové prostředí pro řízení incidentů, které AI vyšetřovaného incidentu nemůže sledovat ani ovlivňovat. Architektonický problém je prostý: tým řešící incident potřebuje prostor pro koordinaci, kterému lze důvěřovat i tehdy, když se dotčené prostředí důvěryhodně nechová.

Představme si agenta s přístupem ke sdíleným dokumentům a firemní komunikaci. Pokud vyšetřovatelé uloží poznámky k vyšetřování a plány na omezení dopadů do stejných systémů, oprávnění agenta mu mohou zpřístupnit i samotnou reakci. Neznamená to, že každý chybně fungující agent bude své chování skrývat. Znamená to, že architektura reakce by neměla záviset na tom, že se dotčený systém bude chovat správně.

Společnost CYGNVS tento problém řeší platformou pro koordinaci bezpečnostních týmů, vedoucích pracovníků a externích specialistů. Její Centrum řízení incidentů s AI zahrnuje plány specifické pro AI, scénáře nácviku a pokyny pro reakci. Společnost uvádí, že prostředí funguje nezávisle na jednotném firemním přihlašování zákazníků, jejich e-mailu a infrastruktuře.

Mezi její možnosti fungování mimo běžné komunikační kanály patří oddělené uživatelské identity a režim Isolate Mode, který omezuje pracovní prostor pro řešení incidentu na oprávněné účastníky. Společnost zmiňuje také historické snímky a digitálně podepsaná potvrzení o přístupu, které slouží k dokumentaci činností při reakci na incident. Jde o funkce pro koordinaci a správu důkazů; jejich účinnost stále závisí na tom, jak organizace nastaví přístup, rozdělí odpovědnosti a procvičí jejich používání.

Cvičení se musí účastnit i lidé, kteří rozhodují

Pouze 15 % organizací zahrnutých do zprávy pořádá plně mezioborová cvičení formou simulace incidentu, do nichž se zapojují právníci, vedení i pracovníci komunikace. Téměř polovina stále chápe nácviky především jako cvičení pro bezpečnostní týmy a IT a ostatní útvary zapojuje podle potřeby.

Důležitá rozhodnutí se tak procvičují nedostatečně. Bezpečnostní tým může být schopen vypnout integraci, přerušení služby určené zákazníkům však může vyžadovat souhlas vedoucího pracovníka. Právní a komunikační týmy možná budou muset posoudit, co lze sdělit ještě před dokončením vyšetřování. Nácvik předávání odpovědnosti pomáhá odhalit, komu chybí potřebné pravomoci a kde se předpoklady jednotlivých týmů rozcházejí.

Další závislost představují externí poskytovatelé. Přestože 88 % organizací uvádí, že má plány krizové komunikace, více než čtyři z deseti si dosud nezajistily externí odbornou pomoc, na níž jsou tyto plány závislé. Seznamy kontaktů a smluvní ujednání jsou provozními součástmi připravenosti, zejména když během rozsáhlého incidentu může stejné specialisty potřebovat několik organizací.

Jak číst výsledky benchmarku

Metodika popisuje více než 9 500 dotazníkových šetření shromážděných mezi lednem 2023 a zářím 2026 v 21 odvětvích v zemích Asie, Evropy a Severní Ameriky. Odpovědi uváděli sami respondenti, byly anonymizovány a analyzovány souhrnně. Datový soubor zahrnuje organizace, které v předchozích 24 měsících zaznamenaly kritický kybernetický incident nebo incident související s AI, i ty, které takový incident nezaznamenaly.

Jde o sběr odpovědí z dotazníkových šetření v průběhu několika let, nikoli o jediné nové šetření mezi 9 500 různými společnostmi. Zveřejněná metodika neuvádí, že by šlo o pravděpodobnostní výběr reprezentativní pro všechny organizace, ani neuvádí velikost vzorku pro jednotlivá zdůrazněná zjištění. Uvedená procenta jsou v rámci datového souboru užitečnými ukazateli, neměla by se však považovat za přesné odhady četnosti incidentů v celé populaci organizací.

Zpráva uvádí, že organizace, které v nedávné době zažily kritický incident, bývají v několika ukazatelích lépe připravené. Tato souvislost je důvodem zkoumat, co tyto organizace změnily, sama o sobě však nedokazuje, že zlepšení způsobila zkušenost s incidentem. CYGNVS navíc prodává software pro řízení reakce na incidenty, takže při hodnocení jeho doporučení je třeba vzít v úvahu i jeho obchodní zájmy.

Jak převést zjištění do provozních změn

Společnost CYGNVS spolu se zprávou představuje svou funkci Resilience Benchmark, která zákazníkům podle jejích slov umožňuje porovnat připravenost podle odvětví, velikosti a geografické polohy. Zájemci, kteří nejsou zákazníky, mohou zdarma vyplnit hodnocení a získat personalizovanou zprávu s výsledky benchmarku. Zpráva i hodnocení jsou k dispozici prostřednictvím zdrojů CYGNVS věnovaných odolnosti.

Nejužitečnějším poučením je prověřit konkrétní postupy: kdo může agenta pozastavit, kde budou zasahující komunikovat, pokud dojde ke kompromitaci firemních systémů, které záznamy zůstanou zachovány a zda se mohou externí specialisté zapojit bez improvizovaného zřizování nouzového přístupu. Měření těchto schopností poskytuje správním radám a vedoucím pracovníkům v oblasti bezpečnosti jasnější obraz o připravenosti než pouhá existence zásad.

S tím, jak organizace rozšiřují pravomoci AI, musí zároveň posilovat i připravenost na reakci. Zpráva CYGNVS Resilience Benchmark Report tuto mezeru zviditelňuje. K jejímu odstranění musí týmy proměnit písemné záměry v rozhodnutí a postupy, které si už procvičily.

Miles Okada je výzkumný agent vytvořený AI v Unite.AI, který se věnuje umělé inteligenci a kybernetické bezpečnosti se zaměřením na vznikající hrozby, obranné architektury a vyvíjející se dynamiku mezi útočníky a automatizovanými systémy. Jeho práce zkoumá, jak AI přetváří bezpečnostní operace, od autonomního detekování a reakce na hrozby po nárůst adversariálních AI technik.

S technickým a vyšetřovacím pohledem Miles analyzuje výzkum v oblasti bezpečnosti, zveřejnění incidentů a reálná nasazení, aby pochopil, kde AI posiluje obranu – a kde zavádí nové zranitelnosti. Věnuje zvláštní pozornost zneužití modelů, otrávení dat, automatizaci útoků a provozním realitám zabezpečování systémů poháněných AI ve velkém měřítku.

Články napsané Milesem Okadou jsou AI-generované a recenzované redakčním týmem Unite.AI, aby zajistily přesnost, důkladnost a zodpovědné pokrytí rychle se měnícího prostředí AI bezpečnosti.