چرا آزمایش سناریو فاجعه آمیز فراتر از تولید برای امنیت زیرساخت های حیاتی ضروری است

قطع بی‌سابقه FAA که منجر به توقف تمام پروازهای داخلی شد، همه را وادار کرد که سؤالاتی بپرسند:

چگونه این اتفاق افتاد؟

چه کسی مسئول است؟

چگونه از تکرار چنین چیزی جلوگیری کنیم؟

این قطعی ما را در معرض خطر قرار داده است و نشان می‌دهد که حتی سیستم‌هایی که از نظر ما امن‌ترین، قابل اعتمادترین و معتبرترین هستند نیز ممکن است از کار بیفتند.

در حالی که این نوع قطعی که به سطح آگاهی عمومی می رسد نادر است، زمانی که در یک سیستم حیاتی رخ می دهد می تواند منجر به بهمنی از نتایج فاجعه آمیز شود که بر ایمنی، امنیت و اقتصاد تأثیر می گذارد. ما اکنون شاهد این هستیم که با اختلال در حمل و نقل و پیامدهای ناشی از بار اضافی در خدمات وب/اپلیکیشن که هزاران مسافر برای رسیدن به مقصد خود تلاش می کنند، غرق شده است.

در حالی که قطعی FAA امروز به عنوان یک نقص سیستم در نظر گرفته می‌شود، این یک خرابی برازنده تخریب بود. این بدان معناست که خوشبختانه هیچ مرگ و میر ناشی از خرابی رخ نداده و سیستم به طور موثر قبل از وارد شدن آسیب بیشتر خاموش شد.

این خوش شانسی است، اما دلگرم کننده نیست.

آزمایش همیشه در تولید برای تشخیص عیوب مورد استفاده قرار گرفته است – برای مثال شبیه‌سازی خطا روشی برای «شکستن» مصنوعی یک دستگاه بود تا ببینیم آیا آزمایش‌های تشخیصی خرابی‌ها را تا حد علل اصلی شناسایی و جدا می‌کنند. هنگام طراحی نرم‌افزار، به مهندسان آموزش داده می‌شود که با مشخصاتی که باید به صورت عملکردی انجام دهند، طراحی کنند. تلاش بسیار کمتری برای جستجوی سناریوهای فاجعه بار یا "طوفان کامل" شرایطی که باید رخ دهد و منجر به شکست سیستم می شود، صرف شد. پیش‌بینی این شرایط می‌تواند به ما کمک کند تا مکانیسم‌هایی را برای شناسایی فعال و جلوگیری از شکست فاجعه‌بار ایجاد کنیم.

جلوگیری از خاموشی های آینده و سایر خرابی های اساسی زیرساخت

با گسترش راه‌حل‌های رایانش ابری و هوش مصنوعی، ما اکنون قدرت محاسباتی کافی برای ارزیابی میلیون‌ها سناریو عملیاتی برای تشخیص مواردی که ممکن است منجر به سناریوهای فاجعه‌بار شوند، داریم.

برای FAA، اکنون باید امکان تجزیه و تحلیل فعالانه شرایط و داده‌ها از همه فرودگاه‌های داخلی، هواپیماهای موجود در آسمان و روی زمین، و همچنین مواردی که برای استفاده در آینده برنامه‌ریزی شده‌اند، ارتباطات برج کنترل و زیرساخت‌های مرتبط، مسافران، آب‌وهوا، و امنیت برای بازی کردن سناریوهایی که ممکن است منجر به شکست سیستم شود.

اگر پیچیدگی فعل و انفعالات و وابستگی های متقابل این سیستم را در نظر بگیریم، واضح است که نگاه به تمام نقاط شکست، پیشنهادی دلهره آور است.

هوش مصنوعی می‌تواند به تجزیه و تحلیل این حجم عظیم از داده‌ها برای جستجوی فعال الگوها و رفتارهایی که ممکن است برای سیستم‌های FAA چالش‌هایی ایجاد کند، کمک کند.

این بی سابقه نیست، زیرا هوش مصنوعی برای بررسی بهتر الگوهای ترافیک برای برنامه ریزی و تدارکات بهینه استفاده شده است.

این فناوری همچنین می تواند به عنوان یک مکانیسم دفاعی قدرتمند برای تشخیص زودهنگام حملات سایبری و/یا رفتارهای غیرعادی در سیستم ها به کار گرفته شود. کلید استقرار مؤثر چنین سیستم‌هایی جداسازی آن شرایط و شرایط خاص است تا بتوان آنها را توسط متخصصان انسانی بررسی کرد.

درس های زیادی از قطع FAA می توان آموخت، و به مرور زمان تصویر واضح تری از آنچه رخ داد خواهیم داشت. اما، در حال حاضر، آشکار است که فناوری‌های نوظهور مانند هوش مصنوعی، که امکان شناسایی پیشگیرانه خرابی‌های سیستم و سایر چالش‌هایی را که ممکن است ایجاد شوند، نقش برجسته‌ای در نحوه حفظ زیرساخت‌های حیاتی ما در حرکت رو به جلو دارند.