Zmniejszanie ryzyka związanego z modelem AI Frontier w organizacjach opieki zdrowotnej

Pojawienie się systemów AI Frontier i autonomicznych modeli ofensywnych, takich jak Mythos, oznacza coś więcej niż kolejny etap w ewolucji cyberzagrożeń. Dla organizacji opieki zdrowotnej te nowe modele Frontier reprezentują fundamentalną zmianę w sposobie, w jaki ryzyko cybernetyczne może wpłynąć na samą dostawę opieki.

Ochrona zdrowia jest jednym z najbardziej złożonych i rygorystycznie regulowanych cyfrowych ekosystemów. Elektroniczne rekordy zdrowia, połączone urządzenia medyczne, systemy obrazowania, platformy laboratoryjne, automatyzacja aptek, usługi telemedycyny, aplikacje chmurowe, dostawcy zewnętrzni oraz połączona kadra pracowników muszą współpracować, aby wspierać klinicystów i pacjentów, jednocześnie zapewniając ich prywatność i bezpieczeństwo. I chociaż modele Frontier AI nie wydają się na powierzchni wpływać na tę złożoność, ich użycie jako narzędzia ataku dramatycznie przyspiesza tempo, w jakim przeciwnicy mogą odkrywać, priorytetowo traktować i wykorzystywać słabości w obronie bezpieczeństwa.

AI zmienia ekonomię ryzyka cybernetycznego

Atak cybernetyczny na organizację opieki zdrowotnej ma wpływ, który wykracza poza samą linię podstawy. Udane ataki na ochronę zdrowia mogą bezpośrednio zakłócać przepływ pracy klinicznej, opóźniać opiekę, odwracać karetki, odkładać operacje, przerywać usługi diagnostyczne i podważać zaufanie publiczne do instytucji, na które społeczności opierają się w czasie największej wrażliwości. Dlatego głównym wyzwaniem dla liderów opieki zdrowotnej nie jest już tylko ochrona danych, ale ochrona ciągłości opieki.

Autonomiczne modele ofensywne są w stanie nieustannie odkrywać słabości, korelować tożsamości, mapować połączone systemy i łączyć pozornie niezwiązane słabości w wiarygodne ścieżki ataku – i robią to z prędkością maszyny. W miarę dojrzewania i rozprzestrzeniania się tych możliwości, organizacje opieki zdrowotnej nie mogą już polegać na modelach bezpieczeństwa opartych na reaktywnych skanach podatności, comiesięcznych cyklach łatania lub izolowanych kontrolach bezpieczeństwa. Potrzebna jest znacznie bardziej rozbudowana i napędzana przez AI zdolność do zarządzania narażeniem, aby utrzymać ochronę na całej sieci.

Rozszerzająca się powierzchnia ataku w ochronie zdrowia

Transformacja cyfrowa w ochronie zdrowia, która teraz stała się szybko rozwijającą się transformacją AI, będzie nadal poprawiać wyniki leczenia pacjentów. Ale jednocześnie rozszerza powierzchnię ataku.

AI wspiera teraz dokumentację kliniczną, asystę diagnostyczną, interpretację obrazowania, optymalizację planowania, operacje cyklu przychodu i decyzje administracyjne. Szpitale również kontynuują ponad dekadę łączenia tysięcy urządzeń Internetu Rzeczy Medycznych (IoMT), aplikacji klinicznych hostowanych w chmurze, API, technologii noszonych i platform opieki zdalnej. W miarę jak te systemy komunikują się bezpośrednio ze sobą za pośrednictwem interakcji maszyna-maszyna, napędzanych teraz przez AI i agenci, istnieje problem widoczności i kontroli, który będzie musiał być zaadresowany, gdy te technologie będą nadal wdrażane w nowatorski sposób.

Ponieważ każde nowe połączenie tworzy okazję do innowacji, efektywności i poprawy wyników leczenia pacjentów, tworzy również kolejną potencjalną ścieżkę ataku. W miarę jak agenci AI zaczynają pobierać informacje o pacjentach, składać rekomendacje, uruchamiać przepływy pracy i współdziałać autonomicznie w systemach klinicznych, liderzy opieki zdrowotnej muszą rozszerzyć bezpieczeństwo poza tradycyjnych użytkowników, aby objąć każdą tożsamość biorącą udział w opiece nad pacjentem.

Zarządzanie narażeniem staje się niezbędne

Modele Frontier dają atakującym możliwość identyfikacji i operacjonalizacji złożonych ścieżek ataku szybciej niż tradycyjne programy bezpieczeństwa były zaprojektowane, aby na nie zareagować. Chwila wymaga przemyślenia tego, co bezpieczeństwo może zatrzymać – i jak szybko – oraz jakich narzędzi należy dodać do stosów bezpieczeństwa zbudowanych na dziedziczonych pojęciach wykrywania i likwidacji.

Tradycyjne zarządzanie podatnościami pyta: “Jakie podatności istnieją?”

Zarządzanie narażeniem pyta o zasadniczo różne pytanie: “Które narażenia są w stanie stać się operacyjnymi atakami na opiekę nad pacjentem?”

Organizacje opieki zdrowotnej nie zmniejszają ryzyka, likwidując najwięcej podatności. Zmniejszają ryzyko, eliminując narażenia, które najbardziej prawdopodobnie zakłócą dostawę opieki. Cel nie polega na naprawieniu wszystkiego; polega na przerwaniu ścieżek ataku, które najbardziej się liczą w opiece nad pacjentem.

Dlaczego wirtualne łatanie jest ważne w ochronie zdrowia

Ochrona zdrowia przedstawia unikalne wyzwania operacyjne w zrozumieniu pełnej powierzchni ataku. Wiele urządzeń medycznych pozostaje w służbie przez lata, często działając na starszych systemach operacyjnych, które nie mogą być natychmiast łatane z powodu wymogów regulacyjnych, procesów walidacji dostawców lub potrzeby uniknięcia zakłócenia opieki nad pacjentem.

Czekanie na tradycyjne cykle łatania staje się coraz bardziej niezgodne z zagrożeniami o prędkości maszyny.

To jest miejsce, w którym Zarządzanie narażeniem i wirtualne łatanie stają się uzupełniającymi możliwościami. Zarządzanie narażeniem identyfikuje ścieżki ataku, które reprezentują największe operacyjne ryzyko. A wirtualne łatanie pomaga przerwać te ścieżki ataku, osłaniając podatne systemy, podczas gdy organizacje pracują przez operacyjne realia likwidacji.

Zamiast zmuszać organizacje opieki zdrowotnej do wyboru między bezpieczeństwem a nieprzerwaną opieką nad pacjentem, te możliwości współpracują, aby zmniejszyć eksploatowalne narażenie, zachowując jednocześnie operacje kliniczne.

Zero Trust musi ewoluować poza użytkownikami ludzkimi

W miarę jak urządzenia medyczne, konta usług, API i autonomiczni agenci AI dołączają do klinicystów i dostawców, dostępując się do wrażliwych systemów opieki zdrowotnej, Zero Trust musi rozszerzyć się poza tożsamość siły roboczej, aby rządzić zarówno ludzkim, jak i nie-ludzkim dostępem.Dla AI wbudowanego w przepływy pracy klinicznych oznacza to rządzenie dostępem do chronionych informacji o zdrowiu, jednocześnie zapewniając, że działania i rekomendacje pozostają przejrzyste, audytowalne i podlegające odpowiedniej ludzkiej kontroli.

Operacje bezpieczeństwa wspomagane przez AI

Operacje bezpieczeństwa w ochronie zdrowia muszą ewoluować w tym samym tempie, co zagrożenia, którym stawiają czoła. W miarę jak przeciwnicy wykorzystują autonomiczny AI, obrońcy będą wymagali możliwości wspomaganych przez AI, takich jak śledzenie, priorytet i odpowiedź, które mogą działać z prędkością maszyny.

Ludzka ocena pozostaje niezbędna, zwłaszcza tam, gdzie bezpieczeństwo pacjentów i podejmowanie decyzji klinicznych się krzyżują, a automatyzacja może znacznie poprawić prędkość, z jaką organizacje identyfikują, śledzą i ograniczają nowe zagrożenia.

Cel nie polega na autonomicznym bezpieczeństwie dla samego siebie; polega na umożliwieniu zespołom bezpieczeństwa odpowiedzi na tyle szybko, aby zachować czas pracy klinicznego, jednocześnie zapewniając, że opieka jest kontynuowana w sposób bezpieczny.

Rządzenie musi chronić coś więcej niż dane

Liderzy opieki zdrowotnej muszą zrozumieć, w jaki sposób modele AI dostępują do chronionych informacji o zdrowiu, jak wrażliwe dane są wykorzystywane do szkolenia i inferencji, jak rekomendacje AI są walidowane, a jak odpowiedzialność jest utrzymywana, gdy autonomiczne systemy uczestniczą w przepływach pracy klinicznych.

Pomyślne wdrożenie AI będzie zależało od ramowych rządzenia, które balansują innowacje z przejrzystością, bezpieczeństwem, prywatnością, nadzorem klinicznym i operacyjną wytrzymałością.

Rady są coraz bardziej pytane nie tylko o to, czy AI poprawia produktywność, ale jak AI zmienia ryzyko organizacyjne, instytucjonalną wytrzymałość i ostatecznie zaufanie pacjentów.

Bezpieczne napędzanie innowacji AI

Organizacje przyjmują AI szybciej niż ramy rządzenia ewoluują. Urządzenia medyczne pozostają jednym z największych niezarządzanych powierzchni ataku w branży, ponieważ wiele z nich nie może być łatanych na tradycyjnych harmonogramach z powodu wymogów regulacyjnych, procesów walidacji dostawców lub potrzeby uniknięcia zakłócenia opieki nad pacjentem.

Każda inwestycja w bezpieczeństwo w ochronie zdrowia powinna być ostatecznie oceniana przez jedno pytanie: Czy pomaga zapewnić bezpieczną, nieprzerwaną opiekę dla pacjentów i społeczności, którym służymy?

Zarządzanie narażeniem, inteligentna priorytetacja i możliwości, takie jak wirtualne łatanie, nie są po prostu zdolnościami technicznymi. Są to środki operacyjne, które wzmacniają wytrzymałość kliniczną, zachowują ciągłość opieki i chronią zaufanie, które łączy organizacje opieki zdrowotnej ze społecznościami, którym służą.

Ponieważ w ochronie zdrowia zaufanie nie jest tylko częścią doświadczenia pacjenta. Jest częścią leczenia.