KI hat das Potenzial, die öffentliche Dienstleistungsbranche zu revolutionieren, die grundlegende Dienstleistungen wie Gesundheitswesen, Strom, Wasser, Gas und Telekommunikation anbietet. Behörden des öffentlichen Dienstes stehen vor vielen Herausforderungen, darunter einer alternden Infrastruktur, einer steigenden Nachfrage und Umweltvorschriften. KI hilft Anbietern kritischer Infrastrukturen wie Versorgungsunternehmen dabei, die Herausforderungen der Cyberkriminalität zu bewältigen, indem Effizienz und Zuverlässigkeit verbessert und Service, Netzabdeckung und Nachhaltigkeit verbessert werden. Darüber hinaus kann KI dazu beitragen, die Cybersicherheit zu verbessern, indem sie Cyberbedrohungen effektiver erkennt und darauf reagiert. Cybersicherheit ist ein kritisches Thema für Infrastrukturanbieter, da sie kritische Infrastrukturen betreiben, die die nationale und öffentliche Sicherheit unterstützen. Ein Cyberangriff auf ein Versorgungsunternehmen kann beispielsweise weitreichende Folgen für unseren Tagesablauf haben.
Kosten eines Cybersec-Vorfalls
In einem Artikel über Cybersicherheit, der zusammen mit dem IEEE veröffentlicht wurde [1], wird erklärt, dass die durchschnittlichen Kosten für die Wiederherstellung nach einem Cyberangriff international bei etwa 3,86 Millionen US-Dollar liegen. In dem Artikel wird auch darauf hingewiesen, dass Unternehmen etwa 196 Tage benötigen, um sich von einer Datenschutzverletzung zu erholen. Noch wichtiger ist, dass Cyberangriffe auf kritische Infrastrukturen immer raffinierter und häufiger werden, da Angreifer Sicherheitslücken in Altsystemen wie SCADA ausnutzen oder fortschrittliche Techniken wie Ransomware oder Distributed-Denial-of-Service (DDoS) -Angriffe einsetzen.
Wie Scalytics Connect dazu beiträgt, kritische Infrastrukturen sicherer zu machen
KI, die auf Scalytics Connect basiert, unterstützt Anbieter kritischer Infrastrukturen durch die Bereitstellung eines föderierten Data Lakehouse, das ihre Cybersicherheitsbereitschaft mithilfe verschiedener Techniken wie maschinellem Lernen (ML), natürlicher Sprachverarbeitung (NLP), Computer Vision (CV) und Argumentation verbessert.
Das Denken in der KI ist ein logischer Prozess, bei dem Schlussfolgerungen gezogen, Vorhersagen getroffen oder anhand des vorhandenen Wissens Ansätze für einen bestimmten Gedanken konstruiert werden. Es ermöglicht KI-Technologien, wichtige Informationen aus großen Datensätzen zu extrahieren und statistische Inferenzen so zu nutzen, dass sie der menschlichen Kognition nahe kommen. Diese Techniken ermöglichen es KI-Systemen, aus Daten zu lernen, die menschliche Sprache zu verstehen, visuelle Elemente wahrzunehmen und Entscheidungen auf der Grundlage von Logik und Beweisen zu treffen. Föderiertes Lernen kann das Training von KI-Modellen verbessern, indem es ihnen ermöglicht, daraus zu lernen dezentrale Daten ohne dass diese Daten zentralisiert oder geteilt werden müssen. Dies kann zu einer besseren Entscheidungsfindung und einer besseren Argumentation in KI-Modellen führen. Es ist jedoch wichtig zu beachten, dass föderiertes Lernen nur eine von vielen Techniken ist, die zur Verbesserung des KI-Denkens eingesetzt werden können.
KI für Cybersicherheit in kritischen Infrastrukturen
Kritische Infrastrukturen wie Stromnetze, Wassersysteme, Gesundheitsinfrastrukturen und Transportnetze sind für das Funktionieren moderner Gesellschaften unerlässlich. Und sie sind viel anfälliger für Cyberangriffe, die ihren Betrieb stören und zu massiven Problemen für Strafverfolgungsbehörden, Gemeinden, Städte oder Infrastrukturen wie Häfen, öffentliche Verkehrsmittel oder den Luftraum führen können. Um diese Infrastrukturen vor ausgeklügelten und sich ständig weiterentwickelnden Bedrohungen zu schützen, spielt künstliche Intelligenz (KI) eine Schlüsselrolle. Sie hilft nicht nur dabei, große Datenmengen zu analysieren, Muster und Anomalien zu erkennen, bösartige Aktivitäten und Malware zu erkennen, sondern bietet auch Risikobewertung und Entscheidungsunterstützung. KI kann auch autonome Intelligenz ermöglichen, die ohne menschliches Eingreifen agieren kann, um in Echtzeit auf Cyberangriffe zu reagieren. Durch den Einsatz von KI für Cybersicherheit können kritische Infrastrukturen ihre Widerstandsfähigkeit und Zuverlässigkeit verbessern.
Wir haben die wichtigsten Anwendungsfälle für KI in kritischen Umgebungen identifiziert:
- Erkennung von Anomalien: Die Erkennung von Anomalien ist ein Anwendungsfall von KI für Cybersicherheit in kritischen Infrastrukturen. KI-basierte Systeme können große Datenmengen aus verschiedenen Quellen analysieren, um Abweichungen von normalen Verhaltensmustern zu erkennen. Diese Anomalien können auf potenzielle Cyberbedrohungen hinweisen, und KI-Systeme können Sicherheitsteams alarmieren, wenn sie entdeckt werden. Diese Fähigkeit ist für die Cyberstrategie eines Landes von entscheidender Bedeutung.
- Bedrohungsinformationen: Threat Intelligence ist ein weiterer Anwendungsfall von KI für Cybersicherheit in kritischen Infrastrukturen. KI-gestützte Systeme können mithilfe natürlicher Sprachverarbeitung und Argumentation Bedrohungsinformationen aus verschiedenen Quellen sammeln und analysieren. Dies kann wertvolle Einblicke in die Taktik und Motivation von Cyberangreifern liefern. Mithilfe von föderiertem Lernen kann KI diese Informationen nutzen, um neu auftretende Bedrohungen zu identifizieren und geeignete Gegenmaßnahmen zu empfehlen.
- Reaktion auf Vorfälle: KI, die auf Verbundlernen basiert, kann Computer-Vision-Modelle und Argumentation verwenden, um einige Aspekte der Reaktion auf Vorfälle zu automatisieren. Dazu gehören Triage, Analyse, Eindämmung, Beseitigung, Wiederherstellung und Berichterstattung. KI-gestützte Systeme können visuelle Elemente im Zusammenhang mit Katastrophen erkennen und anhand von Argumenten die Ursache und die beste Vorgehensweise ermitteln. KI, die auf Verbundlernen basiert, kann auch in der Katastrophenprävention und im Katastrophenmanagement eingesetzt werden.
Erfüllen Sie behördliche Anforderungen oder Kundenerwartungen
Als Betreiber kritischer Infrastrukturen gilt es, einige Punkte zu beachten, indem er Risikobewertungen durchführt und sicherstellt, dass seine KI-Systeme über Funktionen verfügen, die die Erklärbarkeit unterstützen [2]. Dazu gehört auch, sicherzustellen, dass ihre KI-Systeme transparent sind und Erklärungen für ihre Entscheidungen liefern können [3]. Unternehmen müssen möglicherweise auch neue Prozesse und Tools wie Systemaudits und Dokumentation implementieren, um die möglicherweise bevorstehenden strengeren KI-Vorschriften einzuhalten [4].
Die von Federated Lakehouse unterstützte KI hat das Potenzial, es Betreibern kritischer Infrastrukturen, Regierungsbehörden und öffentlichen Diensten wie Versorgungsunternehmen zu ermöglichen, effizienter, zuverlässiger, sicherer und nachhaltiger zu arbeiten und sich gleichzeitig vor Cyberbedrohungen zu schützen. Mithilfe von Verbundtechnologien können Unternehmen KI-Modelle auf dezentralen Datenquellen wie Edge-Datenbanken oder Remote-Datenbanken trainieren, ohne diese Daten zentralisieren oder gemeinsam nutzen zu müssen. Das bedeutet, dass sie maschinelles Lernen und KI nutzen können, um bessere Entscheidungen zu treffen, ohne den Datenschutz zu opfern und zu riskieren, gegen den Datenschutz oder internationale Datenvorschriften zu verstoßen. Föderiertes Lernen kann zwar bei Datenschutzproblemen helfen, ist aber noch nicht bereit, bei Problemen mit der Erklärbarkeit zu helfen. Es werden jedoch Untersuchungen zum föderierten Lernen erklärbarer KI-Modelle durchgeführt [5,6].
Data Mesh und die Abstraktion von Datenplattformen sind keine Patentrezepte oder Einheitslösungen. Sie erfordern eine sorgfältige Planung, Gestaltung, Implementierung und Verwaltung. Sie erfordern auch einen Kulturwandel von zentralem zu dezentralem Dateneigentum und Zusammenarbeit. Scalytics Connect bietet eine vielversprechende Vision, wie Unternehmen die Macht der Daten nutzen können, um ihren Anbietern, Partnern und Stakeholdern einen besseren Nutzen zu bieten. Führen Sie unbedingt ein kurzes Beratungsgespräch mit Ihrem Scalytics Vertreter, um die Herausforderungen der Implementierung von Scalytics Connect in Ihre Datenstrategien zu besprechen.
[1] Die Auswirkungen von KI auf die Cybersicherheit | IEEE Computer Society
[2] Der Weg zu erklärbarer KI in GxP-regulierten Bereichen | Pharmaceutical Engineering (ispe.org).
[3] Definition erklärbarer KI für die Anforderungsanalyse | SpringerLink
[4] Die KI-Regulierung kommt (hbr.org)
[5] EVFL: Ein erklärbares vertikales föderiertes Lernen für datenorientierte Systeme der künstlichen Intelligenz - ScienceDirect
[6] Ein Ansatz für das föderierte Lernen erklärbarer Fuzzy-Regressionsmodelle | IEEE-Konferenzveröffentlichung | IEEE Xplore
