การรักษาความปลอดภัยของประเทศต้องการการรักษาความปลอดภัยของ AI ที่ทันสมัย

ในขณะที่การเขียนโค้ดและปรับเปลี่ยนการทำงานของ AI อ้างว่าสามารถเพิ่มประสิทธิภาพของภารกิจ แต่ก็ทำให้เกิดช่องโหว่ในระบบด้วย ความท้าทายที่เข้าใจได้ดี คือ การจัดการช่องโหว่ในปัจจุบันไม่สามารถตามทันเครื่องมือ AI ที่พัฒนาเร็วได้ ซึ่งในที่สุดก็เพิ่มความเสี่ยงต่อทหารที่ทำภารกิจ

การรู้ว่าเครื่องมือของคุณจะสำเร็จ ไม่ว่าจะเป็น M27 IAR หรือ AI ที่ควบคุมการยิงที่มีประสิทธิภาพ ทำให้เกิดความมั่นใจในสนาม เมื่อพูดถึงระบบซอฟต์แวร์ สามารถเพิ่มความน่าเชื่อถือได้โดยการกำจัดความเสี่ยงของซอฟต์แวร์โดยใช้การรักษาความปลอดภัยของโซนการผลิตซอฟต์แวร์ (SSC) อย่างครอบคลุม

ช่องโหว่ของ Container เป็นความเสี่ยงที่เพิ่มขึ้นในซอฟต์แวร์ป้องกันประเทศ

ทุกองค์กรที่ใช้ซอฟต์แวร์ต่อสู้กับความเสี่ยงด้านความปลอดภัยที่เกี่ยวข้องกับ Container กระทรวงสงคราม (DoW) มีเป้าหมายที่จะนำระบบที่ดีที่สุดไปสู่ทหารที่ทำภารกิจ แต่นี่ก็เพิ่มความเสี่ยงด้วย เนื่องจากระบบภารกิจส่วนใหญ่พึ่งพาซอฟต์แวร์หลักจาก Linux และฐานซอฟต์แวร์จากชุมชนซึ่งมีฐานซอฟต์แวร์ที่ใหญ่เกินไป ระบบที่สร้างขึ้นจากซอฟต์แวร์แบบเปิดนี้มักจะมีช่องโหว่และความเสี่ยงที่ทราบและไม่ทราบ

เพื่อแก้ไขปัญหานี้ ภาพที่ถูกปรับให้เหมาะสมซึ่งรวมถึงการแก้ไขช่องโหว่เหล่านี้สามารถลดพื้นที่ที่ถูกโจมตีได้อย่างมาก นอกจากนี้ โค้ดที่ไม่จำเป็นยังเป็นความเสี่ยงอีกอย่างหนึ่ง เนื่องจากโค้ดเหล่านี้อาจซ่อนช่องโหว่ การใช้ภาพซอฟต์แวร์ที่ถูกปรับให้เหมาะสมสามารถลดความเสี่ยงนี้ได้โดยการกำจัดโค้ดที่ไม่จำเป็น หากไม่มีการปรับให้เหมาะสม โค้ดที่เกินความจำเป็นจะเพิ่มพื้นที่ที่ถูกโจมตีและนำช่องโหว่ที่ซ่อนอยู่มาให้ นอกจากนี้ยังสำคัญที่จะต้อง ประเมินช่องโหว่ทุกช่องโหว่ ในบริบทที่ช่องโหว่เหล่านั้นเกิดขึ้น ช่องโหว่เหล่านี้สามารถถูกโจมตีได้ในสภาพแวดล้อม ระบบปฏิบัติการ และฮาร์ดแวร์ที่ช่องโหว่เหล่านั้นถูกพบว่าสามารถทำซ้ำได้ การสแกนอย่างชาญฉลาด การสร้างโปรไฟล์ และการทำความเข้าใจซอฟต์แวร์ในการผลิตจะช่วยกำหนดว่าช่องโหว่แต่ละช่องโหว่จะส่งผลกระทบต่อสภาพแวดล้อมเป้าหมายหรือไม่ และระบุช่องโหว่ซ้ำซึ่งปรากฏในแพ็คเกจหลายแพ็คเกจ

เครื่องมือเขียนโค้ด AI เพิ่มปัญหา

เครื่องมือเขียนโค้ด AI เป็นเครื่องมือที่ต้องการทรัพยากรสูงในการพัฒนา ฝึกอบรม และใช้โมเดล แต่ thườngมุ่งเน้นไปที่ผลลัพธ์สุดท้ายมากกว่าการปรับให้เหมาะสมในการคำนวณและการจัดเก็บข้อมูล ดังนั้นจึงทำให้ปัญหาเกี่ยวกับความปลอดภัยเพิ่มขึ้นโดยใช้การกระจายซอฟต์แวร์แบบเปิดมากกว่าการใช้ภาพและภาพที่ถูกปรับให้เหมาะสม

เครื่องมือเขียนโค้ด AI ในปัจจุบันเปลี่ยนแปลงอย่างรวดเร็ว มีความพึ่งพาซอฟต์แวร์แบบเปิด และใช้งานอย่างกว้างขวางมากกว่าเครื่องมือแบบดั้งเดิม โมเดล ฟрейมเวิร์ก และบริการที่รองรับอัปเดตทุกวันหรือทุกสัปดาห์มากกว่าทุกไตรมาสหรือทุกปี และทุกซอฟต์แวร์ที่ไม่ถูกปรับให้เหมาะสมที่ใช้โดยเครื่องมือเหล่านี้จะเพิ่มความเสี่ยง นี่ไม่ใช่ความเสี่ยงใหม่ แต่ด้วย AI ความเสี่ยงเหล่านี้เพิ่มขึ้นเร็วขึ้น ตัวอย่างเช่น รายการช่องโหว่เพิ่มขึ้นเร็วขึ้นเมื่อมีซอฟต์แวร์ถูกใช้งานมากขึ้น ตาม รายการช่องโหว่ในปี 2025 มีเฉลี่ย 132 ช่องโหว่ใหม่ทุกวัน เพิ่มขึ้น 20% จากปีก่อน และเพิ่มขึ้น 3 เท่าจากปี 2020

การบริหารจัดการช่องโหว่ที่ไม่ดีทำให้เกิดผลกระทบด้านปฏิบัติการ

ผลกระทบด้านปฏิบัติการจากการจัดการช่องโหว่ที่ไม่ดี ได้แก่

• การจำกัดเทคโนโลยีที่เข้าถึง ATO โดยมีเครื่องมือ AI ที่ได้รับการอนุมัติสำหรับการผลิตน้อยลง
• การชะลอการนำ AI ไปใช้เนื่องจาก chồngซ้อนของ Container ไม่ผ่านการตรวจสอบตามกำหนดเวลา
• การไม่สามารถแข่งขันกับยุทธวิธี AI ของฝ่ายตรงข้าม ทำให้ความเสี่ยงของภารกิจเพิ่มขึ้น
• ค่าใช้จ่ายทางการเงินที่สูงซึ่งจำเป็นต้องจัดการกับรายการช่องโหว่
• วิศวกรที่มีทักษะสูงมุ่งเน้นไปที่การตามหาและแก้ไขช่องโหว่มากกว่าการนำเสนอกำลังใหม่

ด้วยหรือไม่มี AI การปฏิบัติในการจัดการช่องโหว่สำหรับโซลูชัน DoW จะต้องตรงตามกำหนดเวลา การใช้ AI จะต้องปรับปรุงการป้องกันไซเบอร์ ไม่ใช่เพิ่มความเสี่ยงด้านความปลอดภัย โซลูชันที่เลือกจะต้องแก้ไขปัญหาเกี่ยวกับการเปิดเผยในช่วงการทำงาน ลดจำนวนช่องโหว่ และทำให้ผู้มีอำนาจอนุมัติสามารถแยกแยะระหว่างสัญญาณและผลกระทบต่อภารกิจได้ การแก้ไขปัญหานี้จะช่วยให้หน่วยงานไม่ต้องทำความพยายามในการปรับให้เหมาะสมแบบเฉพาะตัว และสร้างกระบวนการที่มีข้อมูลเป็นฐานที่สม่ำเสมอ

แนวทางที่ชนะสำหรับการป้องกันประเทศ

กระบวนการรักษาความปลอดภัยที่ดีที่สุดคือกระบวนการที่ช่วยให้การทำงานของ AI ที่เร็วขึ้นและปลอดภัยยิ่งขึ้น มีฐาน Container ที่มีความน่าเชื่อถือ และมีข้อมูลความเสี่ยงของโซนการผลิตซอฟต์แวร์ที่มีคุณภาพสูงสำหรับผู้บัญชาการ

หน่วยงานป้องกันประเทศควรเริ่มต้นด้วยภาพที่มีช่องโหว่ใกล้เคียงกับศูนย์ จากนั้นกำจัดช่องโหว่เพิ่มเติมโดยการลบส่วนประกอบที่ไม่จำเป็นแทนการแก้ไขเพื่อลดเส้นทางความเสี่ยงที่ยอมรับได้ ภาพที่ถูกปรับให้เหมาะสมจะทำให้พื้นที่ที่ถูกโจมตีเล็กลงและเรื่องราวความเสี่ยงที่ชัดเจนขึ้น เพื่อเพิ่มความเร็วในการรับรองระบบ AI ที่ใช้งานได้ และปล่อยให้ทีมไซเบอร์มุ่งเน้นไปที่ภารกิจที่มีความสำคัญมากกว่าการตรวจสอบช่องโหว่อย่างไม่มีที่สิ้นสุด

นอกจากนี้ บิลของวัสดุซอฟต์แวร์ (SBOMs) บิลของวัสดุในการทำงาน (RBOMs) และภาพที่ถูกปรับให้เหมาะสมจะให้operators และทีมรักษาความปลอดภัยมองเห็นภาพที่ชัดเจนและถูกต้องของ AI ที่ทำงานใน Container แนวทางนี้สนับสนุนหลักการของ Zero Trust และสอดคล้องกับ Enduring Security Framework (ESF) ของทีมความปลอดภัยของโซนการผลิตซอฟต์แวร์ ซึ่งแสดงให้เห็นว่าซอฟต์แวร์มีอะไรอยู่ข้างใน พฤติกรรม และวิธีการส่งมอบ

การเพิ่มความเข้มแข็งของการให้คะแนนความเสี่ยงและการรับรองของ DoW ควร伴隨ไปกับการใช้ข้อมูลที่อ่านได้จากเครื่องและบันทึกความปลอดภัยทางเทคนิค นี่ทำให้นักพัฒนาและ operators to subscribe to needed containers and receive consistent risk scores and alerts if new issues arise. For Command, this acts as a practical “check engine light” on critical software stacks, enabling decisions to move beyond commercial discovery into direct mission alignment at the speed of AI-driven operations.