Zašto je testiranje scenarija katastrofe izvan proizvodnje ključno za sigurnost kritične infrastrukture

Neviđeni prekid FAA-e koji je rezultirao prizemljenjem svih domaćih letova natjerao je sve na pitanja:

Kako se to dogodilo?

Tko je odgovoran?

Kako spriječiti da se nešto slično ponovi?

Ovaj prekid nas je upozorio, ističući da čak i sustavi koje smatramo najsigurnijima, najpouzdanijima i provjerenima mogu zakazati.

Iako je ova vrsta ispada koja doseže razinu javne svijesti rijetka, kada se dogodi u životno kritičnom sustavu, može dovesti do lavine katastrofalnih rezultata koji utječu na sigurnost, zaštitu i ekonomiju. Ovo sada vidimo s prekidom prijevoza i posljedicama preopterećenosti web/aplikacijskih usluga preplavljenih tisućama putnika koji se bore da dođu do svojih odredišta.

Dok se današnji prekid rada FAA-e smatra kvarom sustava, bio je to elegantan kvar degradacije. To znači da, srećom, nije bilo smrtnih slučajeva kao posljedica kvara i sustav se učinkovito isključio prije nego što je nastala veća šteta.

To je sreća, ali ne i ohrabrujuće.

Testiranje se oduvijek koristilo u proizvodnji za otkrivanje nedostataka - simulacija kvara, na primjer, bila je metoda umjetnog "razbijanja" uređaja kako bi se vidjelo hoće li dijagnostički testovi otkriti i izolirati kvarove do njihovih temeljnih uzroka. Prilikom dizajniranja softvera, inženjeri se uče da dizajniraju prema specifikaciji onoga što bi funkcionalno trebao raditi. Puno manje truda utrošeno je na traženje katastrofičnih scenarija ili "savršene oluje" uvjeta koji se moraju dogoditi da dovedu do kvara sustava. Predviđanje ovih uvjeta može nam pomoći u proaktivnoj izgradnji mehanizama za proaktivno otkrivanje i sprječavanje katastrofalnog kvara.

Sprječavanje budućih prekida rada i drugih kritičnih kvarova infrastrukture

S proliferacijom računalstva u oblaku i rješenja umjetne inteligencije, sada imamo dovoljno učinkovite računalne snage za procjenu milijuna operativnih scenarija kako bismo otkrili koji bi slučajevi mogli rezultirati katastrofalnim scenarijima.

Za FAA bi sada trebalo biti moguće proaktivno analizirati uvjete i podatke iz svih domaćih zračnih luka, zrakoplove na nebu i na zemlji, kao i one koji su planirani za buduću upotrebu, komunikacije kontrolnog tornja i povezane infrastrukture, putnike, vrijeme, i sigurnost za scenarije igranja koji mogu rezultirati kvarom sustava.

Ako se uzme u obzir složenost interakcija i međuovisnosti ovog sustava, jasno je da je zastrašujući prijedlog sagledati sve točke neuspjeha.

Umjetna inteligencija može pomoći u analizi ove ogromne količine podataka kako bi se proaktivno tražili obrasci i ponašanja koji bi mogli predstavljati izazov FAA sustavima.

Ovo nije bez presedana jer je umjetna inteligencija korištena za bolje ispitivanje obrazaca prometa za optimizirano planiranje i logistiku.

Tehnologija se također može primijeniti kao snažan obrambeni mehanizam za rano otkrivanje kibernetičkih napada i/ili abnormalnog ponašanja u sustavima. Ključ za učinkovitu implementaciju takvih sustava bit će izoliranje tih specifičnih ekstrema i uvjeta kako bi ih ljudski stručnjaci mogli provjeriti.

Mnogo je lekcija koje se mogu naučiti iz kvara FAA-e, a s vremenom ćemo imati jasniju sliku o tome što se dogodilo. No, za sada je očito da tehnologije u nastajanju, kao što je umjetna inteligencija, koje omogućuju proaktivno otkrivanje kvarova sustava i drugih izazova koji se mogu pojaviti, imaju istaknutu ulogu u tome kako održavamo našu kritičnu infrastrukturu u napredovanju.