Säkra användningen av AI i OT-miljöer

När organisationer med operativ teknik (OT) börjar anta AI, måste säkerhet vara en prioritet i deras strategi. Integrationen av AI utökar avsevärt angreppsytor – en yta som redan har utvidgats av konvergensen mellan IT och OT. De flesta OT-attacker härrör från IT-anslutningar, och OT-enheter, som ofta saknar inbyggda säkerhetsfunktioner och möjligheter till uppdatering, är svåra att skydda. Införandet av AI lägger till en ny komplexitetsnivå i en redan utmanande miljö.

För att navigera i dessa utmaningar måste säkerhetsproffs omvärdera sin strategi. Nyckeln till att säkra AI ligger i att utnyttja AI själv – att använda teknikens styrkor för att skapa kraftfulla försvar.

Tillväxt av AI-användning och åtföljande säkerhetsutmaningar

Antagandet av AI-applikationer av anställda accelererar snabbt, och driver innovation över branscher. Företag använder AI för att få en konkurrensfördel, med anställda som använder verktyg som generativ AI för att effektivisera arbetsflöden och öka produktiviteten.

I OT-sektorn är potentialen för AI enorm, och det förändrar redan verksamheten. Till exempel ger AI kraft till tillverkning och energi, med användningsfall som smart tillverkning och “maskin-som-tjänst” som använder en ny industriell IoT-teknikstack som utmanar den traditionella Purdue-modellen och luftgap. Smarta byggnader blir mer effektiva genom att använda AI för att optimera energiförbrukning, förbättra arbetsupplevelsen och automatisera rutinmässiga underhållsuppgifter som övervakning av HVAC-system, justering av belysning baserat på närvaro och upptäckt av läckor i vattenledningar.

Dessutom hjälper AI-drivna beslut till OT-proffs att automatisera komplexa processer som schemaläggning av underhåll baserat på utrustningsanvändningsmönster, dynamisk justering av produktionslinjer för att optimera utmatning och hantering av lager i realtid för att förhindra brist. Genom att ta över dessa rutinmässiga men kritiska uppgifter låter AI OT-team fokusera på mer strategiska, högvärdiga aktiviteter som driver innovation och effektivitet.

Detta sker redan, och användningsfall rullas ut snabbt. En nylig rapport från MIT Technology Review Insights fann att 64% av tillverkare som tillfrågades redan hade börjat forska eller experimentera med AI. Faktum är att enligt Gartner, kan upp till 75% av operativa beslut fattas inom en AI-aktiverad applikation eller process år 2030.

Men organisationer måste komma ihåg att medan AI-aktiverade applikationer erbjuder fantastiska möjligheter, presenterar de också nya problem för datasäkerhet och utökar den potentiella angreppsytan. När AI-användningen ökar blir dessa system primära mål för cyberattacker.

AI-applikationer som till exempel anslutna maskiner kräver att maskintelemetri samlas in från kanten direkt till IT och/eller molnet, vilket bryter mot den traditionella OT-modellen och ökar hotytan. Ofta kan OT (eller skugg-IT) bygga en sådan teknisk stack utan kunskap eller godkännande från IT-säkerhetsteamet, vilket utsätter industriella organisationer för hot från många obehöriga, externa applikationer och tillgångar. Detta kräver att organisationer omvärderar sin säkerhetsstrategi för att skydda dessa kritiska tillgångar.

AI antas alltmer av organisationer när de inser dess dubbla potential: att minska kostnader på baksidan samtidigt som de driver större vinster genom förbättrade applikationer. Företag integrerar nu AI-komponenter i sina applikationsstackar för att kapitalisera på dessa fördelar. Men det introducerar också nya risker, särskilt kring exponeringen av känsliga data, eftersom AI-system är beroende av inferens- och utbildningsdata. När AI blir en allt viktigare del av affärsverksamheten är det avgörande att skydda dessa data från potentiella hot för att upprätthålla både säkerhet och förtroende.

Säkra AI-aktiverade applikationer med rätt AI-drivet plan

AI-genen är ute ur flaskan. Det finns ingen återvändo, vilket innebär att den enda säkra vägen framåt är att ta en stark strategi för att säkra dessa AI-aktiverade applikationer. Och, ironiskt nog, kräver bekämpandet av AI-relaterade säkerhetshot AI-bränslede lösningar. I en rapport från Palo Alto Networks och ABI Research (PANW ) sa 8 av 10 respondenter att de trodde att AI skulle vara avgörande för att bekämpa AI-bränslede attacker.

Några av de sätt som AI kan hjälpa till med AI-säkerhet är:

IT- och OT-säkerhetsteamssamarbete: AI förändrar sättet som IT- och OT-säkerhetsteam samarbetar genom att tillhandahålla en enhetlig vy av säkerhetsdata som båda sidor kan utnyttja. När OT-miljöer alltmer integrerar IT-teknik hjälper AI till att överbrygga gapet genom att tillämpa avancerad analys över båda domänerna. Detta möjliggör tidigare hotdetektering, mer exakt kartläggning av attacker till ramverk som MITRE ATT&CK och automatiserad övervakning av avvikelser. Genom att förbättra kommunikationen och effektivisera rutinmässiga säkerhetsuppgifter möjliggör starkare samarbete mellan IT- och OT-team en ändpunkt-till-ändpunkt, AI-aktiverad insikt för bättre detektering och säkerhet.

Förstärkning av hotdetektering och respons: AI förändrar sättet som tillverkare upptäcker och svarar på hot, särskilt i fråga om User and Entity Behavior Analytics (UEBA) som tillämpas på de många enheterna på fabriksgolvet. AI-verktyg använder algoritmer för att fastställa baslinjer för normalt beteende och snabbt upptäcka oregelbundenheter som kan signalera ett hot. Standard IT-säkerhetsverktyg kanske inte förstår OT:s specialiserade protokoll, så denna AI-förmåga är särskilt viktig.

Att hantera cybersäkerhetskompetensgapet: Globalt finns det en uppskattad brist på 4 miljoner utbildade cybersäkerhetsproffs, enligt ISC2. AI kan hjälpa till genom att automatisera vissa av de monotona uppgifter som team kämpar med och hjälpa nya teammedlemmar att hantera högre säkerhetsoperationer. AI-automatisering ger också säkerhetspersonal möjlighet att fokusera på högvärdiga strategiska initiativ.

Att se framåt finns flera AI-innovationer som är på väg att positivt påverka OT-säkerhet:

• AI-digital tvillingintegrering för att skapa mer effektiva säkerhetssimuleringar
• Större noggrannhet i termer av hotdetektering, vilket minskar antalet falska positiva
• Större förmåga att bedöma operativ risk

Att säkra AI kräver naturligtvis också att följa alla bästa praxis för alla säkerhetsprogram, inklusive att investera i periodisk utbildning och medvetenhet för personal, hålla sig uppdaterad om reglerings- och regelefterlevnadskrav och genomföra kontinuerlig säkerhetsinspektion av OT-processer och nätverkstrafik.

Att göra AI säkert

Konvergensen mellan OT och IT har redan utvidgat den tillgängliga nätverks- och datasäkerhetsangreppsytan – och införandet av AI har utvidgat den ännu mer. När organisationer och deras anställda snabbt antar AI medför tekniken både möjligheter och nya risker, inklusive användningen av obehörig skugg-AI.

Med tanke på AI:s obestridliga nytta är det här för att stanna, och dess säkerhetskonsekvenser måste hanteras nu. För att säkra användningen av GenAI och AI-aktiverade applikationer måste organisationer utveckla en omfattande säkerhetsplan som inte bara skyddar mot potentiella hot utan också utnyttjar AI:s förmågor för att stärka sina försvar. De bästa praxis som nämns ovan ger en ram för organisationer att skapa eller finjustera en strategi som möjliggör för dem att maximera AI-möjligheter samtidigt som de effektivt hanterar de associerade riskerna.