सायबर संरक्षणासाठी स्वतंत्र AI निधीची लष्कराची मागणी; तीन नव्या उपक्रमांचा वेग वाढतो

सायबर AI ला यापुढे दुय्यम प्रकल्प म्हणून निधी देता येणार नाही, असे लष्कराचे म्हणणे

अमेरिकी लष्कर सायबर संरक्षणासाठी कृत्रिम बुद्धिमत्तेबाबत अधिक औपचारिक निधी धोरणाकडे वाटचाल करत आहे, ज्यातून AI प्रयोगात्मक मदतीतून मुख्य कार्यात्मक प्राधान्यात किती वेगाने बदलले आहे हे दिसते. TechNet Augusta येथे बोलताना, लष्कराचे प्रधान सायबर सल्लागार Brandon Pugh यांनी सांगितले की आता AI कामासाठी विद्यमान ऑपरेशनल बजेटमधूनच नव्हे, तर स्वतंत्र निधीची गरज आहे.

हे महत्त्वाचे आहे कारण यामुळे लष्कर संरक्षणात्मक सायबर AI कसे पाहत आहे हे स्पष्ट होते. विद्यमान साधनांचे उपयुक्त वाढवणारे घटक म्हणून न पाहता, अधिकारी याला स्वतःचा बजेट आधार, सातत्यपूर्ण देखरेख, आणि कदाचित संयुक्त निधी व्यवस्था लागणारे एक क्षमता क्षेत्र म्हणून मांडत आहेत. चर्चेत असलेले अनेक उपाय संयुक्त स्वरूपाचे असण्याची शक्यता आहे, असे Pugh यांनी नमूद केले, त्यामुळे हा निधी केवळ लष्कराकडूनच येणार नाही असेही त्यांनी सांगितले.

निधीबाबतचा हा युक्तिवाद सरकारी सायबर कार्यक्रमांमधील व्यापक वास्तवही दाखवतो: संस्था लहान discretionary money वापरून AI चे prototype तयार करू शकतात, पण ते प्रत्यक्ष संरक्षणात्मक ऑपरेशन्समध्ये scale करण्यासाठी वेगळ्या स्तराची बांधिलकी लागते. staffing, software integration, testing, data handling, आणि operational validation हे सर्व सततचे खर्च बनतात. स्वतंत्र निधीवर भर देऊन लष्करी नेतृत्व मूलतः सांगत आहे की सायबर AI पुढच्या टप्प्यात पोहोचले आहे.

रक्षकांसाठी AI विशेषतः महत्त्वाचे का वाटते

गत वर्षभरात आपल्या कार्यालयासाठी सायबर, विशेषतः defensive cyber, साठी AI हे सर्वोच्च प्राधान्यांपैकी एक असल्याचे Pugh यांनी वर्णन केले. त्यांच्या मांडणीतून असे सूचित होते की सायबरस्पेसमध्ये हल्लेखोरांना बहुतेक वेळा गती, आश्चर्य, आणि कमी खर्चात प्रयोग करण्याचा फायदा मिळतो, त्या दीर्घकालीन असमतोलाला AI समतोल करू शकतो असे लष्कर मानते.

Pugh यांच्या मते, AI अखेर हल्लेखोरांना की रक्षकांना मोठा फायदा देईल याबाबत अजूनही चर्चा आहे. पण तंत्रज्ञान प्रभावीपणे स्वीकारल्यास रक्षकांनीच फायदा घ्यायला हवा, असे त्यांचे मत आहे. हा युक्तिवाद दोन कल्पनांवर आधारलेला आहे. पहिले, AI सध्या विश्लेषकांचा वेळ घेणारी पुनरावृत्तीची सुरक्षा कामे स्वयंचलित करू शकतो. दुसरे, तो threat detection आणि response workflows वेगवान करू शकतो, जे मानवी ऑपरेटर एकटे वापरून पुरेशा वेगाने करणे कठीण आहे.

प्रत्यक्षात, याचा अर्थ AI ला फक्त analytics स्तर म्हणून नाही, तर धोका ओळखणे आणि त्यावर कृती करणे यामधील वेळ कमी करणाऱ्या यंत्रणेप्रमाणे पाहिले जात आहे. लष्करी नेटवर्कसाठी ही वेळकपात विशेषतः महत्त्वाची आहे. लष्कर मोठ्या, गुंतागुंतीच्या वातावरणांमध्ये कार्य करते, जिथे मॅन्युअल पुनरावलोकन आणि escalation chains गती सर्वाधिक महत्त्वाची असताना प्रतिसाद मंदावू शकतात.

Pugh यांच्या टिप्पण्यांत AI ला सायबर कर्मचाऱ्यांचा पर्याय म्हणून मांडलेले नाही. उलट, साधी कामे हाताळण्यापासून अधिक स्वयंचलित कृती सक्षम करण्यापर्यंत, तो संरक्षणात्मक कामांच्या संपूर्ण पट्ट्यात force multiplier म्हणून वर्णन केला आहे. ही व्यावहारिक मांडणी आहे. यामध्ये AI चे मूल्य headline-worthy स्वयंचलित क्षमतेइतकेच cognitive load कमी करण्यात आणि सातत्य वाढवण्यातही असू शकते, हे मान्य केले आहे.

उद्योग-आधारित सरावानंतर तीन कार्यदिशा आकार घेत आहेत

लष्कराची सध्याची मोहीम एप्रिलमध्ये उद्योग कार्यकारिणींसोबत झालेल्या tabletop exercise नंतर आली. त्या कार्यक्रमानंतर, सेवा नेत्यांनी Rapid Defense Cyber Systems उपक्रम, किंवा Project ARDCS, सुरू केले, जेणेकरून त्या सरावातून मिळालेले धडे पुढे नेता येतील. सुमारे 17 ते 20 क्षमता किंवा प्रयत्नांना लक्ष देणे गरजेचे आहे असे लष्कराने ओळखले, असे Pugh म्हणाले, पण सध्या पहिले तीन प्रारंभिक कार्यदिशांवर लक्ष केंद्रित आहे.

पहिली आहे Project Griffin, ज्याचा उद्देश AI चा वापर करून लष्करी नेटवर्क्सवरील धोके ओळखणे आणि केवळ संशयास्पद क्रिया पाहत बसण्याऐवजी कृती करणे हा आहे. Pugh यांच्या मते, हा प्रयत्न cyber detection agents स्वयंचलित करण्यावर आणि autonomous response सक्षम करण्यावर केंद्रित आहे. हा फरक महत्त्वाचा आहे. Passive monitoring अलर्ट उभे करू शकते, पण कोणते प्रसंग महत्त्वाचे आहेत, काय करायचे, आणि किती लवकर करायचे हे अजूनही मानवी संघांनाच ठरवावे लागते. अधिक सक्रिय मॉडेल AI ला सहाय्यक भूमिकेतून नेटवर्क संरक्षणाचा थेट भागीदार बनवू शकते.

Project Griffin वर केंद्रित commercial solutions opening जारी करून लष्कराने या प्रयत्नाचे गांभीर्य अधोरेखित केले आहे. याचा अर्थ सेवा बाहेरील तंत्रज्ञान इनपुट सक्रियपणे शोधत आहे आणि केवळ संकल्पना विकासाच्या पलीकडे जायचे पाहत आहे.

दुसरी कार्यदिशा agentic deception agents वर केंद्रित आहे. Pugh यांनी तांत्रिक तपशील दिले नाहीत, पण ही कल्पना अशा AI प्रणालींकडे निर्देश करते ज्या खोटी माहिती, decoy वातावरणे, किंवा बनावट संकेत वापरून हल्लेखोरांना दिशाभूल करतात. सायबर संरक्षणात deception चा वापर विरोधकांचा वेळ वाया घालवण्यासाठी आणि दुष्ट वर्तन उघड करण्यासाठी दीर्घकाळ केला जातो. या मोहिमेसाठी agentic AI वापरल्यास deception अधिक अनुकूल, अधिक विश्वासार्ह, आणि मोठ्या नेटवर्क्सवर अधिक scalable होऊ शकते.

तिसरा प्रयत्न vendors सोबतच लष्कराच्या स्वतःच्या नेटवर्क्सची सुरक्षा स्थिती audit करण्यासाठी agentic AI वापरण्यावर केंद्रित आहे. supplier risk आणि configuration drift हे संरक्षण सायबरसुरक्षेमधील सतत कमकुवत दुवे असल्याने तो भाग विशेषतः महत्त्वाचा ठरू शकतो. AI साधने सतत posture पुनरावलोकन करू शकली, त्रुटी ओळखू शकली, आणि remediation workflows वेगवान करू शकली, तर कमकुवतता सापडण्यापासून तिच्यावर कृती होईपर्यंतचा विलंब कमी होऊ शकतो.

प्रयोगांपासून प्रशासन आणि जबाबदारीकडे

Pugh यांनी या प्रकल्पांसाठी व्यवस्थापनाची एक लयही सांगितली; प्रगती, अडथळे, आणि निर्णयबिंदूंवर अधिकाऱ्यांना दरमहा अद्यतने हवी आहेत. हे प्रक्रियात्मक वाटू शकते, पण लष्कराचा हेतू काय आहे याबद्दल ते महत्त्वाचे काहीतरी सांगते. नियमित पुनरावलोकने म्हणजे या उपक्रमांना स्पष्ट निष्कर्षांशिवाय वाहत राहणाऱ्या exploratory pilots म्हणून न पाहता, प्रगती दाखवावी लागणाऱ्या कार्यक्रमांप्रमाणे वागवले जात आहे.

निगराणीची रचना तांत्रिक कामाइतकीच महत्त्वाची ठरू शकते. सरकारी AI प्रकल्प अनेकदा demonstration आणि deployment यांच्या मध्ये अडकतात, कारण संक्रमणाचा मार्ग स्पष्ट नसतो. बजेट मालकी, कायदेशीर पुनरावलोकन, खरेदी धोरण, आणि कार्यकारी अधिकार ही सर्व अडथळे ठरू शकतात. स्वतंत्र निधी त्यापैकी एक अडथळा दूर करण्यास मदत करतो, पण फक्त त्याला momentum राखणाऱ्या आणि समस्या आल्यावर निर्णय घेण्यास भाग पाडणाऱ्या governance सोबत जोडले तरच.

लष्कराच्या दृष्टिकोनात एक अंतर्भूत सावधानताही आहे. सैनिकी नेटवर्क्सवर detection आणि response स्वयंचलित करणे विश्वसनीयता, नियंत्रण, आणि अनपेक्षित परिणाम याबद्दल गंभीर प्रश्न निर्माण करते. friendly वातावरणांमध्ये गोंधळ निर्माण होऊ नये म्हणून deception systems काळजीपूर्वक डिझाइन करावे लागतील. कमांडर आणि सुरक्षा संघांनी त्यावर कारवाई करायची असल्यास AI-चालित audits ने विश्वासार्ह आउटपुट द्यावे लागतील. या समस्या मुलाखतीत सुटल्या नाहीत, पण लष्कर काही मोजक्या प्रयत्नांवर लक्ष केंद्रित करत आहे हे दाखवते की ते व्यापक महत्त्वाकांक्षेपेक्षा व्यावहारिक use cases भोवती उभारणी करण्याचा प्रयत्न करत आहे.

सैनिकी सायबर AI च्या पुढील टप्प्यासाठी याचा अर्थ

लष्कराच्या भूमिकेचे मोठे महत्त्व हे नाही की त्यांना सायबर संरक्षणात AI वापरायचा आहे. ते संरक्षण क्षेत्रात आधीच मोठ्या प्रमाणावर समजले गेले आहे. अधिक अर्थपूर्ण बदल म्हणजे वरिष्ठ नेतृत्व आता या तंत्रज्ञानाला औपचारिक बजेट नियोजन आणि जवळच्या कालावधीतील अंमलबजावणी प्राधान्यांशी जोडत आहे.

तो निधी प्रत्यक्षात आला, तर लष्कर तीन अशा क्षेत्रांत जलद हालचाल करू शकते जी खऱ्या कार्यात्मक अडचणींशी जवळून जुळतात: जलद धोका ओळख आणि प्रतिसाद, अधिक परिष्कृत विरोधी deception, आणि नेटवर्क व vendor सुरक्षेचे अधिक सतत मूल्यमापन. ही कल्पनाविलासात्मक moonshots नाहीत. ही व्यावहारिक संरक्षण कार्ये आहेत, जिथे प्रणाली विश्वासार्हपणे कार्य केल्यास AI मोजण्याजोगे कार्यकारी मूल्य देऊ शकतो.

म्हणूनच लष्कराचा संदेश AI hype पेक्षा institutionalization बद्दल अधिक आहे. सायबर AI ला बजेट, acquisition, आणि आवर्ती पुनरावलोकन यांच्या यंत्रणेत ओढले जात आहे. यामुळे यशाची हमी मिळत नाही, पण काठावरच्या प्रयोगांपासून अशा क्षमतांकडे एक बदल नोंदवला जातो ज्यांना सेवा आपल्या नेटवर्क्सचे संरक्षण करण्याच्या पद्धतीत अंतर्भूत करू इच्छिते.

विस्तृत संरक्षण तंत्रज्ञान बाजारासाठी हा एक महत्त्वाचा संकेत आहे. विक्रेत्यांना आता अधिक स्पष्ट पुरावा मिळाला आहे की लष्कर AI मध्ये केवळ संकल्पनात्मक रस घेत नाही. ते विशिष्ट mission क्षेत्रे ओळखत आहे, व्यावसायिक इनपुटसाठी मार्ग उघडत आहे, आणि या कामासाठी पैसे वेगळे ठेवले पाहिजेत असे सांगत आहे. संरक्षण खरेदीच्या दृष्टीने, तोच तो क्षण असतो जेव्हा तंत्रज्ञान क्षेत्र खरोखर वास्तविक होऊ लागते.

हा लेख Breaking Defense च्या अहवालावर आधारित आहे. मूळ लेख वाचा.