Sztuczna inteligencja może wydawać się cyfrowa, ale jej serce bije w stali i mocy

Gdy większość z nas myśli o sztucznej inteligencji (AI), wyobrażamy sobie algorytmy, pętle uczenia i ogromne modele danych optymalizujące się w chmurze. Ale za tymi abstrakcjami cyfrowymi znajduje się bardzo konkretna podstawa: globalna sieć centrów danych, która napędza szybką ewolucję AI.

Te obiekty zależą od ogromnych ilości energii elektrycznej, płynu chłodzącego, przepływu wody, pomp, turbin i systemów rozdziału energii. Jeśli którykolwiek z tych komponentów zawiedzie, nawet najbardziej zaawansowane modele AI mogą zatrzymać się.

Przemysłowe wymagania współczesnej sztucznej inteligencji

Wzrost AI spowodował bezprecedensowe inwestycje w infrastrukturę – jeden z największych i najszybszych wzrostów w historii nowoczesnej technologii. Duże firmy technologiczne zaczynają inwestować w budowę i utrzymanie centrów danych, których zakres rywalizuje z infrastrukturą narodową.

Według recentnego raportu Reuters, inwestycje w AI, z których infrastruktura jest największym wydatkiem, nie tylko przewyższają kapitał inwestowany w inne niedawne technologie, ale także przewyższają rządowe inicjatywy, takie jak Projekt Manhattan i program Apollo, który wysłał człowieka na Księżyc. W 2024 roku 137 nowych centrów danych hyperskali zostało uruchomionych, a liczba na 2025 rok ma być podobna. Według szacunków McKinsey, „firmy z całego łańcucha wartości mocy obliczeniowej będą musiały zainwestować 5,2 biliona dolarów w centra danych do 2030 roku, aby zaspokoić światowy popyt na AI”.

Ale pomimo ich futurystycznej aury, centra danych za naszą obsesją AI funkcjonują podobnie jak każda inna fabryka, przekształcając surowce w cenne towary. Tylko, w tym przypadku, jest to surowy dane, które są przetwarzane, transformowane i dostarczane jako wysoko-wartościowe spostrzeżenia do użytku przez osoby, organizacje i nawet rządy.

Aby utrzymać ciągłe działanie centrów danych, podstawowe systemy operacyjne (OT) – regulacja temperatury, dystrybucja energii, zarządzanie wodą i szeroki zakres kontroli mechanicznych – muszą być monitorowane i chronione w każdej chwili. Atak cybernetyczny lub inny incydent, który zakłóciłby pojedynczą zawór chłodzący, mógłby wyłączyć cały obiekt w ciągu kilku minut, powodując ogromne straty finansowe i potencjalne ryzyko bezpieczeństwa dla personelu na miejscu.

Centra danych AI to nowa infrastruktura krytyczna

Społeczeństwo dawno uznało wagę zabezpieczenia sieci energetycznych, ujęć wody i systemów transportowych. Centra danych AI zasługują na tę samą klasyfikację jako infrastruktura krytyczna. Każdy model diagnostyki klinicznej, system sterowania pojazdami autonomicznymi, planista łańcucha dostaw i platforma analityczna w czasie rzeczywistym zależy od ich nieprzerwanego działania – a ta zależność rośnie.

Ponieważ obciążenia AI rozprzestrzeniają się na kontynenty, niezawodność każdego centrum danych staje się jeszcze ważniejsza. Wiele modeli AI działa obecnie w środowiskach rozproszonych, gdzie szkolenie, przechowywanie i inferencja są obsługiwane przez wiele miejsc. Jedna awaria może przerwać te przepływy pracy, spowolnić cykle rozwoju i zakłócić usługi, na które miliony ludzi polegają każdego dnia.

Ta połączoność oznacza, że słabość w jednym obiekcie może wywołać efekt domina daleko poza jego fizyczną lokalizacją. Wzmacnianie bezpieczeństwa na poziomie centrum danych jest więc nie tylko kwestią ochrony jednego miejsca – to kwestia wspierania odporności całego ekosystemu AI.

Gdy centrum danych AI awarii, zakłócenia rozprzestrzeniają się na branże. Platformy obsługi klienta zatrzymują się, systemy opieki zdrowotnej tracą dostęp do spostrzeżeń w czasie rzeczywistym, a narzędzia produktywności cyfrowej ulegają degradacji lub całkowicie się wyłączają. Bezpieczeństwo i niezawodność fizycznej infrastruktury AI ma bezpośrednie konsekwencje narodowe, ekonomiczne i operacyjne.

Te obiekty opierają się również silnie na inżynierach, kontrahentach i dostawcach, którzy pracują na odległość. Wiele centrów danych znajduje się w obszarach wiejskich, daleko od centrów ludności i są obsługiwane na odległość przez specjalistów, którzy utrzymują i naprawiają sprzęt lub wykonują inne zadania. To połączenie na odległość zwiększa wydajność i minimalizuje czas przestoju, ale także rozszerza powierzchnię ataku dla aktorów złośliwych. Z tego powodu każde połączenie na odległość z centrum danych musi być uwierzytelnione, monitorowane i ściśle kontrolowane – tak jak w przypadku sieci energetycznej lub zakładu uzdatniania wody.

W tym momencie pytanie nie brzmi, czy centra danych AI powinny być traktowane jako infrastruktura krytyczna, ale czy możemy pozwolić sobie na traktowanie ich w inny sposób.

Gdzie technologia spotyka się z przemysłem: podstawowe praktyki bezpieczeństwa OT

Ponieważ tak wiele zależy od nieprzerwanej pracy AI, centra danych muszą stosować najlepsze praktyki bezpieczeństwa dostępu zdalnego OT w sposób konsekwentny i rygorystyczny.

Kluczowe zasady obejmują:

1. Wymuś dostęp oparty na zaufaniu zero: Model bezpieczeństwa oparty na zaufaniu zero opiera się na zasadzie „nigdy nie ufaj, zawsze weryfikuj”. Jeśli chodzi o dostęp do centrum danych, każda tożsamość – czy to zdalny technik, czy wewnętrzny obciążenie automatyzacji – powinna być uwierzytelniona, a następnie udzielona dostępu tylko do zasobów niezbędnych do wykonania swojej pracy. To ogranicza ruch lateralny i zapobiega nieautoryzowanemu dostępowi do krytycznych kontroli przemysłowych
2. Stosuj uwierzytelnianie wielostopniowe (MFA) wszędzie: MFA jest jedną z najskuteczniejszych obron przed nieautoryzowanym dostępem. Poprzez wymaganie dwóch lub więcej niezależnych czynników weryfikacji – takich jak uwierzytelnianie biometryczne, tokeny jednorazowe lub klucze bezpieczeństwa fizycznego – MFA wzmacnia gwarancję tożsamości i wzmacnia szersze strategie oparte na zaufaniu zero. Aby uzyskać najbardziej kompleksową ochronę, organizacje powinny szukać rozwiązań, które mogą dostosować systemy OT do obsługi MFA bez zakłócania działania.
3. Przyjmij możliwości nadzoru i rejestrowania: Tradycyjne narzędzia dostępu zdalnego, takie jak sieci VPN i serwery pośredniczące, koncentrują się na zabezpieczeniu początkowego punktu dostępu, ale nie zapewniają widoczności po ustanowieniu połączenia. Nowocześniejsze rozwiązania Bezpiecznego Dostępu Zdalnego (SRA) obejmują możliwości nadzoru, które umożliwiają większą kontrolę i odpowiedzialność. Nadzorowany dostęp, dostęp just-in-time, rejestrowanie sesji i szczegółowe rejestrowanie sesji znacznie redukują ryzyko i pomagają spełnić wymagania zgodności.

Wszystkie te środki wzmacniają bezpieczeństwo w systemach cyfrowych i fizycznych, które utrzymują centra danych i infrastrukturę AI w nich w ciągłej pracy.

Zabezpieczanie przemysłowego serca AI

Im głębiej AI jest wbudowana w operacje firm, rządów i usług krytycznych, tym bardziej ważna staje się niezawodność jej podstawowej infrastruktury. Operatorzy centrów danych muszą priorytetowo traktować kontrolę dostępu opartą na tożsamości i nowoczesne praktyki bezpieczeństwa OT, lub ryzykują znaczącymi zakłóceniami operacyjnymi.

Poprzez ochronę systemów fizycznych, które utrzymują obiekty w pracy – chillery, turbiny, stacje transformatorowe i sterowania mechaniczne – oraz poprzez zabezpieczanie połączeń zdalnych używanych do konserwacji i obsługi, operatorzy mogą zapewnić, że AI pozostaje katalizatorem innowacji, a nie nowym punktem podatności.