ICSサイバーセキュリティの人工知能は早い

グーグルが開発したバーチャルアシスタントは、昨年デビューしたときに、レストランに電話して予約するときに人間と見分けがつかないように聞こえたため、波を立てました。 「こんにちは、7日目の水曜日にテーブルを予約したいと思います」と、GoogleDuplexのデモで丁寧な男性の声が響き渡りました。 「7人用？」どうやら誤解して、ラインの反対側の女性に尋ねました。 「それは4人用です」と仮想アシスタントは反論し、その声明の前に自然な響きの「ええと」を付けました。

Google Duplexの例は、AIの現在の状態の縮図として機能します。現在、米国の43州でGoogle Pixelスマートフォンユーザーが利用できるDuplexシステムは、すぐに印象的ですが、技術的な制限も念頭に置いています。デュプレックスは人間のように不気味に聞こえるかもしれませんが、そのスキルセットはかなり日常的な相互作用に限定されています。対照的に、IBMのProject Debaterは、抽象的により流暢です。それは、熟練した人間の討論者に議論を定式化するという点で彼らのお金のために走らせることができますが、それは平らなロボットのような声でそのケースを提示します。 DuplexとProjectDebaterの両方の例は、最も成功したAIが、莫大な予算と従業員の軍隊を備えたデータセットを持つ巨大なテクノロジー企業の製品であるという規則性を思い起こさせます。そしてそれでも、一流企業はテクノロジーが失火する可能性があると警告しています。 「AIアルゴリズムに欠陥がある可能性があります」と、最近のマイクロソフトの規制当局への提出書類の一部を読んでいます。 「データセットが不十分であるか、偏った情報が含まれている可能性があります。不適切または物議を醸すデータ慣行[…]は、AIソリューションの受け入れを損なう可能性があります。」

[ モノのインターネットの世界 は、産業企業がIoTイノベーションを見つける場所です。予約する 会議パス そして350ドル節約して 無料のエキスポパス 、またはを参照してください IIoTスピーカー イベントで。]

ただし、AIの一般的なマーケティングの売り込みは、テクノロジーが現代のビジネス問題の潜在的な万能薬であるということです。企業や産業企業が（IIoTデバイスからのものを含む）膨大なデータを理解するのに役立つと同時に、産業のセキュリティを強化するのにも役立ちます。制御システム。 「運用上の洞察のためにマシンデータに適用されるインダストリアル分析は、OTとITのコンバージェンスを推進するエンジンとして機能し、最終的には第4次インダストリアルレボリューションの価値創造を促進します」と、インダストリアルインターネットオブシングス分析フレームワークのイントロの一部を読みます。インダストリアルインターネットコンソーシアム。

ICSサイバーセキュリティに対するAIの可能性について尋ねられたとき、サイバーセキュリティの専門家であるJason Haward-Grau、PAS GlobalのCISOは、ビジネスプロセスについて、「AIの観点から見ると、AIのセキュリティよりもロボットプロセスの自動化の方がはるかに興味深い」と述べました。調達などのタスクへの人間の関与の必要性を減らすことができる自動化テクノロジー。

それでも、ベンダーの状況は、考えられるほぼすべての問題に対してAIを提供している企業で溢れています。 「誰かに「AIを持っていますか？」と尋ねると、彼らは常に「はい」と答えます」とHaward-Grau氏は言います。 「しかし、それが何であるかを定義します。 「AIが答えだとしたら、何が問題なのか」という質問をします。「私のビジネスには何が必要なのか」という質問を始めたほうがよいからです。

ICSサイバーセキュリティでは脅威レベルが重要です。 2018年のKasperskyの調査によると、321人の産業回答者の合計49％が毎年少なくとも1回の攻撃を受けました。 Haward-Grau氏によると、実際の数値はもっと高くなる可能性があります。前述の数値は、組織が進んで認める攻撃が発生したことを表しているためです。

現在、AIという用語は無数の方法で使用されており、インテリジェンスとは何かを具体的に理解することは依然として困難であるため、この用語の定義は哲学的に見える可能性があります。 「エンジニアリングの観点から、「スマート」を定義することは困難です」と、テクノロジーライターのジャロンラニアーは2016年のAIに関する討論で述べました。 「測定可能なベースラインを定義しないと、幻想的な土地にいることになります。」彼はまた、「私たちが「スマート」システムと呼ぶシステムの多くは、経験的プロセスから脱線しているようなものです。」

と付け加えました。

AIシステム、より正確には機械学習の1つの提案された使用例は、ネットワーク上のマルウェアまたは異常を検出するための使用です。ネットワークがどのように動作するかについてのベースラインがあり、健全な機械学習アルゴリズムと十分なデータアクセスがある場合、テクノロジーはネットワークの脅威を迅速に検出し、時間の経過とともに、疑わしい可能性のあるコードまたはネットワークの誤警報の数を減らすのに強力です。行動。より広範なサイバーセキュリティ業界が有能な労働者のかなりの不足と格闘しているという事実を考えると、それは大きな約束です。

ただし、それを成功させるには、機械学習システムが関連データにアクセスできる必要があります。 AIシステムが認識していないことをビジネスが行っている場合、誤警報の形で問題が発生する可能性があります。あるいは、ソフトウェアコードを調査するために設計された教師あり学習システムが不正なデータでトレーニングされたため、アルゴリズムがマルウェアを正常と見なす可能性があります。さらに、攻撃者はセキュリティベンダーのソフトウェアを変更して、マルウェアを通常のコードとして渡すこともできます。テクノロジーレビューの記事で言及されているもう1つの可能性は、攻撃者が機械学習モデルがマルウェアを特定するために使用している機能を単純に把握し、悪意のあるコードからそれらを削除することです。

産業の文脈では、ITネットワーク指向ではない、またはIT TCP / IPプロトコルを使用しない機器からのデータを織り込むのは難しい場合があります。 「AIは25年前の制御バスでどのように機能しますか？」 Haward-Grauに尋ねました。

産業環境で大規模なIoTプロジェクトを立ち上げる際の潜在的な困難の例を示すために、Haward-Grauは、物理ワークステーション、HMI、サーバー、スイッチなどの500の従来のITデバイスを備えた製油所の例を示します。 「それは管理しやすいです。小さなオフィスのようなものです。ネットワーク追跡をその周りに置くことができました」と彼は言いました。しかし、セキュリティ責任者が製油所にOTエンドポイントの数を尋ねると、答えは28,500になります。 AIの利点の1つは、一般に、活発な速度で生成された大量のさまざまなデータを理解できる可能性があることですが、実際には、複雑で歴史的にサイロ化されたデータを理解することは依然として困難です。 「課題はエンドポイントの数ではありません」とHaward-Grau氏は述べています。 「これは、20の異なるベンダーを持つという課題です。 ABB、シュナイダーエレクトリック、シーメンス、横河電機、フィリップス、GE、ハネウェルの機器を持っているとしましょう」と彼は言いました。 「彼らはすべて異なっています、彼らは異なって話します。では、最初にこれらのさまざまなことをすべて翻訳してから、「良いものはどのように見えるか」という質問に答えるにはどうすればよいでしょうか。」Haward-Grauは尋ねました。

それに加えて、企業が侵害されるのは時間の問題であるという仮定から、企業がすでに侵害されているという仮定へのサイバーセキュリティのスタンスの変化は、優れたネットワーク動作がどのように見えるかを理解することの複雑さをさらに難しくします。 IBMが支援する2018年の調査によると、企業は違反を特定するのに平均197日かかります。これは、複雑なネットワークトポロジで機械学習モデルをトレーニングしようとしている、潜在的に危険にさらされている組織にとっては悪いニュースです。

これはすべて、AIがICSサイバーセキュリティに大きな可能性を秘めているということではありません。テクノロジーの導入を検討している産業企業は、最初はデータの複雑さが制限された定義済みのユースケースから始める必要があります。 E. F.シューマッハがかつて書いたように、「知的な愚か者は物事をより大きく、より複雑に、そしてより暴力的にすることができます。少しの天才が必要です—そして反対方向に動くには多くの勇気が必要です。」