AI-infrastrukturs vækst former om det cyber-fysiske trusselslandskab

AI udgør hurtigt en grundlæggende del af moderne infrastruktur. Organisationer investerer massivt i AI-drevne systemer, udvider datacenterkapaciteten, integrerer cloud-platforme og implementerer automation på tværs af industrielle miljøer. Disse fremskridt skaber nye muligheder for effektivitet og innovation, men de introducerer også nye cybersecurity-udfordringer.

Den voksende overlap mellem AI-infrastruktur, operativ teknologi (OT) og kritisk infrastruktur har skabt et mere komplekst cyber-fysisk system (CPS)-miljø. Systemer, der tidligere fungerede uafhængigt, er nu mere og mere forbundet gennem cloud-tjenester, fjernadgangsteknologier, virksomhedsidentitetsplatforme og industrielle datanetværk.

Samtidig udvikler den amerikanske politik om avanceret AI sig. Den seneste Executive Order fra Det Hvide Hus om AI-innovation og sikkerhed afspejler en voksende erkendelse af, at avancerede AI-kapaciteter har nationale sikkerhedsimplikationer. Mens ordren fokuserer på at fremme innovation samtidig med at forbedre sikkerheden, fremhæver den også en bredere udfordring: cybersecurity-strategier må tilpasse sig en verden, hvor AI kan accelerere både defensive kapaciteter og offensive trusler.

Da den geopolitiske konkurrence om avanceret AI intensiveres, står operatører af kritisk infrastruktur over for et skiftende trusselsmiljø. Udfordringen er ikke kun at forsvare sig mod stadig mere kapable modstandere, men også at sikre en voksende økosystem af forbundne systemer, hvor hverdagsmæssige eksponeringer kan skabe muligheder for disruption.

AI-adoptions accelererer IT- og OT-konvergens

AI-infrastrukturudvidelsen ændrer, hvordan organisationer fungerer. Brancher som energi, fremstilling, transport og vand optager AI for at forbedre prognoser, automatisere processer, optimere vedligeholdelse og analysere operationsdata.

Men AI-dreven transformation afhænger af forbundethed. Industrielle miljøer afhænger mere og mere af forbindelser mellem traditionelle IT-systemer, cloud-platforme, edge-enheder og operativ teknologi.

Historisk set var mange industrielle systemer designede med fokus på pålidelighed og tilgængelighed snarere end cybersecurity. Nogle miljøer var isolerede fra virksomhedsnetværk og fungerede på lange teknologilivscykler. Digital transformation har ændret denne model.

Fjernovervågning, cloud-baseret analyse og centraliserede administrationsplatforme har forbedret effektiviteten, men har også udvidet antallet af systemer, der skal beskyttes.

For operatører af kritisk infrastruktur er cybersecurity ikke længere begrænset til virksomhedsnetværk. Sikkerhedsteams må forstå og styre forholdet mellem virksomhedssystemer, industrielle processer, forbundne enheder og eksterne tjenester.

Eksponering er den primære adgang til kritisk infrastruktur

Selv om avancerede AI-aktiverede angreb får stor opmærksomhed, skyldes de fleste kompromitteringer af cyber-fysiske miljøer stadig kendte svagheder.

Angribere udnytter ofte eksponerede systemer, usikre fjernadgangstjenester, svage autentificeringspraksis og ringe indsigt i forbundne aktiver. Disse svagheder er særligt udfordrende i industrielle miljøer, fordi operations-systemer ofte ikke kan opdateres eller erstattes uden at påvirke produktionen.

I modsætning til traditionelle IT-systemer prioriterer OT-miljøer kontinuerlig drift. En fremstillingslinje, et kraftsystem eller et vandbehandlingsanlæg kan ikke altid tolerere hyppige ændringer eller øjeblikkelige sikkerhedsopgraderinger.

Da AI udvider antallet af forbundne systemer, bliver reduktion af unødvendig eksponering en af de mest effektive måder at forbedre robusthed på. Sikkerhedsprogrammer må fokusere på at forstå, hvad der er eksponeret, hvordan systemer er forbundet, og hvor unødvendige adgangsveje findes.

Frontier AI ændrer hastigheden af cyberoperationer

En af de mest betydningsfulde cybersecurity-implikationer af avancerede AI-modeller er accelerationen af offensiv aktivitet.

Frontier AI-systemer er mere og mere i stand til at assistere med software-analyse, sårbarhedsopdagelse, kodegenerering og sikkerhedsforskning. Disse kapaciteter kan reducere den tid, det tager for angribere at identificere svagheder og udvikle udnyttelsesmetoder.

For forsvarere ændrer dette den traditionelle relation mellem sårbarhedsopdagelse og afhjælpning. Organisationer har historisk set afhængigt af et vindue af tid mellem identificering af sårbarheder og omfattende udnyttelse. AI-assisterede kapaciteter kan fortsætte med at reducere dette vindue.

Denne udfordring er særligt betydningsfuld for cyber-fysiske miljøer, hvor afhjælpning af sårbarheder ofte er mere kompleks end i traditionelle IT-systemer. Mange OT-systemer understøtter essentielle operationer og kan ikke altid tages offline til opgradering uden at påvirke sikkerhed, pålidelighed eller produktion. Da AI accelererer tempoet for, hvormed sårbarheder identificeres og potentielt udnyttes, må organisationer prioritere kontinuerlig eksponeringsstyring, kompenserende kontroller og risikobaserede afhjælpningsstrategier sammen med traditionelle afhjælpningsprocesser.

Den seneste AI-executive order afspejler en erkendelse af denne udfordring ved at understrege samarbejde om avancerede AI-kapaciteter og opmuntre informationsdeling mellem udviklere og regeringsaktører.

Men politikrammer alene vil ikke eliminere risikoen. Organisationer må forberede sig på en fremtid, hvor sikkerhedsteams har mindre tid til at reagere efter, at sårbarheder er blevet kendt.

Kontinuerlig overvågning, stærkere identitetskontrol, aktiv-indsigt og eksponeringsreduktion vil blive mere og mere vigtige sammen med traditionel afhjælpningsstyring.

Geopolitisk konkurrence udvider den strategiske betydning af infrastruktur

Udviklingen af avancerede AI-kapaciteter er ikke længere begrænset til konkurrence mellem teknologivirksomheder. Det er blevet en strategisk prioritet for regeringer og nationale sikkerhedsorganisationer, da nationer søger at beskytte kritisk infrastruktur, styrke teknologisk robusthed og opretholde konkurrencedygtighed.

Avancerede AI-systemer afhænger af kritiske ressourcer, herunder halvlederfabrikation, datacentre, cloud-infrastruktur og store beregningsmiljøer. Disse aktiver repræsenterer værdifulde mål for efterretningssamling og disruption.

På samme tid forbliver cyber-fysisk infrastruktur attraktiv, fordi succesfulde angreb kan skabe konsekvenser ud over den berørte organisation. Disruption af energilevering, produktionsoperationer, transportsystemer eller kommunale tjenester kan have økonomiske og samfundsmæssige impaktioner.

Infrastruktur-operatører må derfor forsvare sig mod både finansielt motiveret cyberkriminalitet og aktivitet forbundet med geopolitiske mål. For cyber-fysiske systemer handler cybersecurity mere og mere om at opretholde operationskontinuitet.

Kritisk infrastruktursikkerhed må nå mindre operatører

En af de største udfordringer i cybersecurity er gapet mellem betydningen af mange kritisk infrastruktur-operatører og de ressourcer, der er til rådighed for at beskytte dem.

Føderale cybersecurity-bestræbelser har historisk set fokuseret på store organisationer med betydelige ressourcer, herunder regeringsagenturer, forsvarsentreprenører, store energileverandører og teknologivirksomheder. Men mange essentielle tjenester drives af mindre enheder, der står over for lignende trusler med færre ressourcer.

Kommunale utiliteter, regionale energileverandører, landsbygende sundhedsorganisationer, lokale transportsystemer og mindre industrielle operatører administrerer ofte systemer, der er essentielle for samfund, men mangler store sikkerhedsteams eller omfattende cybersecurity-budgetter.

Dette skaber, hvad mange cybersecurity-fagfolk beskriver som den cyber-poor line: organisationer, hvis operationsbetydning overstiger deres evne til at investere i avancerede sikkerhedsfunktioner.

National robusthed afhænger af at beskytte de største institutioner samtidig med at styrke de tusinder af mindre organisationer, der understøtter offentlig sikkerhed og økonomisk stabilitet.

Fremtiden for CPS-sikkerhed kræver kontinuerlig eksponeringsstyring

Væksten af AI-aktiveret infrastruktur kræver en anden tilgang til cybersecurity.

Traditionelle sikkerhedsmodeller fokuserede ofte på periodiske vurderinger, sårbarhedsskanninger og overholdelse af krav. Selv om disse praksis er vigtige, er de mere og mere utilstrækkelige for miljøer, der ændrer sig konstant.

Organisationer har brug for kontinuerlig indsigt i aktiver, forbindelser, identiteter og eksponeringspunkter på tværs af IT-, OT- og cloud-miljøer.

Nøgleprioriteter inkluderer:

• Reduktion af unødvendig interneteksponering for operations-systemer.
• Styrkelse af autentificering og identitetsstyring.
• Forbedring af indsigt på tværs af forbundne infrastrukturer.
• Segmentering af netværk for at begrænse angriberbevægelse.
• Overvågning af ændringer i den eksterne angrebsflade.

Disse praksis repræsenterer en skift fra at reagere på incidenter efter, at de er sket, til at reducere de betingelser, der tillader angreb at lykkes.

Opbygning af robusthed i en AI-dreven æra

Fremtiden for kritisk infrastrukturbeskyttelse vil afhænge af at opbygge robusthed på tværs af forbundne økosystemer. Organisationer, der er bedst forberedt på dette skift, vil være dem, der forstår deres eksponering, styrker identitetsbeskyttelse, forbedrer indsigt og udvider cybersecurity-investeringer ud over traditionelle virksomhedsgrænser.

I en AI-dreven verden vil sikkerhed ikke kun defineres af, hvor hurtigt organisationer reagerer på angreb. Den vil defineres af, hvor effektivt de reducerer mulighederne for, at angrebene kan lykkes fra starten.