Proč je testování katastrofického scénáře mimo výrobu nezbytné pro zabezpečení kritické infrastruktury

Bezprecedentní výpadek FAA, který měl za následek pozastavení všech vnitrostátních letů, vyvolal u každého otázky:

Jak se to stalo?

Kdo je zodpovědný?

Jak zabráníme tomu, aby se něco podobného opakovalo?

Tento výpadek nás upozornil a upozornil na to, že i systémy, které považujeme za nejbezpečnější, nejdůvěryhodnější a ověřené, mohou selhat.

Zatímco tento typ výpadku, který dosahuje úrovně veřejného povědomí, je vzácný, pokud k němu dojde v životně kritickém systému, může to vést k lavině katastrofálních výsledků ovlivňujících bezpečnost, zabezpečení a ekonomiku. Vidíme to nyní s narušením dopravy a důsledky přetížení webových/aplikačních služeb zaplavených tisíci cestujících, kteří se snaží dostat do svých destinací.

Zatímco dnešní výpadek FAA je považován za selhání systému, šlo o ladné selhání degradace. To znamená, že naštěstí nedošlo k žádnému úmrtí v důsledku selhání a systém se účinně vypnul dříve, než došlo k většímu poškození.

To je štěstí, ale ne povzbuzení.

Testování se ve výrobě vždy používalo k odhalování vad – například simulace chyb byla metodou umělého „rozbití“ zařízení, aby se zjistilo, zda diagnostické testy odhalí a izolují poruchy až po jejich základní příčiny. Při navrhování softwaru se inženýři učí navrhovat podle specifikace toho, co by měl funkčně dělat. Mnohem méně úsilí bylo vynaloženo na hledání katastrofických scénářů nebo „dokonalé bouře“ podmínek, které musí nastat a které vedou k selhání systému. Předvídání těchto podmínek nám může pomoci s proaktivním budováním mechanismů k proaktivní detekci a prevenci katastrofického selhání.

Předcházení budoucím výpadkům a dalším kritickým selháním infrastruktury

S rozšiřováním cloud computingu a řešení umělé inteligence máme nyní dostatečně efektivní výpočetní výkon na vyhodnocení milionů provozních scénářů, abychom zjistili, jaké případy mohou vyústit v katastrofické scénáře.

Pro FAA by nyní mělo být možné proaktivně analyzovat podmínky a údaje ze všech vnitrostátních letišť, letadel na obloze i na zemi, jakož i těch plánovaných pro budoucí použití, komunikace řídicí věže a související infrastruktury, cestujících, počasí, a zabezpečení pro vyhrané scénáře, které mohou vést k selhání systému.

Pokud vezmeme v úvahu složitost interakcí a vzájemných závislostí tohoto systému, je jasné, že je skličující návrh podívat se na všechny body selhání.

Umělá inteligence může pomoci analyzovat toto ohromné ​​množství dat a proaktivně hledat vzorce a chování, které by mohly představovat výzvy pro systémy FAA.

To není bezprecedentní, protože umělá inteligence byla využita k lepšímu zkoumání vzorců provozu pro optimalizované plánování a logistiku.

Tato technologie může být také nasazena jako výkonný obranný mechanismus pro včasnou detekci kybernetických útoků a/nebo abnormálního chování v systémech. Klíčem k efektivnímu nasazení takových systémů bude izolace těchto specifických odlehlých hodnot a podmínek, aby je mohli prověřit odborníci.

Z výpadku FAA plyne mnoho ponaučení a časem budeme mít jasnější obrázek o tom, co se stalo. V tuto chvíli je však zřejmé, že nové technologie, jako je umělá inteligence, které umožňují proaktivní detekci systémových selhání a dalších problémů, které mohou nastat, hrají významnou roli v tom, jak udržujeme naši kritickou infrastrukturu vpřed.