சைபர் பாதுகாப்பிற்கான தனிப்பட்ட AI நிதியை ராணுவம் வலியுறுத்துகிறது; மூன்று புதிய முயற்சிகளை விரிவுபடுத்துகிறது

சைபர் AI-ஐ இனி துணைத் திட்டமாக நிதியளிக்க முடியாது என ராணுவம் கூறுகிறது

அமெரிக்க ராணுவம் சைபர் பாதுகாப்பிற்கான செயற்கை நுண்ணறிவுக்கு ஒரு முறையான நிதி நிலைப்பாட்டை நோக்கி நகர்கிறது; இது AI ஒரு பரிசோதனை உதவியிலிருந்து மைய செயல்பாட்டு முன்னுரிமையாக எவ்வளவு வேகமாக மாறியுள்ளது என்பதை வெளிப்படுத்துகிறது. TechNet Augusta-வில் உரையாற்றிய ராணுவத்தின் முதன்மை சைபர் ஆலோசகர் Brandon Pugh, AI பணிகள் இப்போது நிலவும் செயல்பாட்டு பட்ஜெட்டுகளால் மட்டும் ஆதரிக்கப்படுவதற்கு பதிலாக தனிப்பட்ட நிதி தேவைப்படும் நிலையை சேவை எட்டிவிட்டதாக கூறினார்.

இது முக்கியம், ஏனெனில் இது பாதுகாப்பு சார்ந்த சைபர் AI-ஐ ராணுவம் எப்படி வரையறுக்கிறது என்பதைச் சுட்டுகிறது. இதை தற்போதைய கருவிகளுக்கான பயனுள்ள மேம்பாடாகக் கருதுவதற்குப் பதிலாக, அதிகாரிகள் இதை தனி பட்ஜெட் ஆதரவு, தொடர்ச்சியான மேற்பார்வை, மற்றும் சாத்தியமான கூட்டு நிதி ஏற்பாடுகள் தேவைப்படும் ஒரு திறன் பிரிவாக விவரிக்கின்றனர். விவாதிக்கப்படும் பல தீர்வுகள் கூட்டு இயல்புடையவையாக இருக்கும் என்பதால், இந்த வளங்கள் ராணுவத்திலிருந்து மட்டும் வராது என்றும் Pugh கூறினார்.

இந்த நிதி வாதம் அரசு சைபர் திட்டங்களில் காணப்படும் ஒரு பரந்த உண்மையையும் வெளிப்படுத்துகிறது: அமைப்புகள் சிறிய விருப்ப நிதியால் AI-யை prototype செய்ய முடியும், ஆனால் அதை நேரடி பாதுகாப்பு நடவடிக்கைகளில் அளவுபடுத்த வேறு அளவிலான அர்ப்பணிப்பு தேவை. staffing, software integration, testing, data handling, மற்றும் operational validation ஆகியவை அனைத்தும் மீண்டும் மீண்டும் வரும் செலவுகளாக மாறுகின்றன. தனிப்பட்ட நிதியை வலியுறுத்துவதன் மூலம், சைபர் AI அடுத்த கட்டத்துக்கு நகர்ந்துவிட்டதாக ராணுவத் தலைவர்கள் கூறுகிறார்கள்.

பாதுகாவலர்களுக்கு AI ஏன் குறிப்பாக முக்கியம் என ராணுவம் கருதுகிறது

சைபருக்காக, குறிப்பாக பாதுகாப்பு சார்ந்த சைபருக்காக AI, கடந்த ஆண்டு தனது அலுவலகத்தின் முதன்மை முன்னுரிமைகளில் ஒன்றாக இருந்ததாக Pugh விவரித்தார். அவரது framing, சைபர்வெளியில் தாக்குபவர்கள் பொதுவாக வேகம், ஆச்சரியம், மற்றும் குறைந்த செலவு பரிசோதனையின் நன்மையைப் பெறும் நிலவிய அசமநிலையை AI சமன்செய்ய உதவலாம் என ராணுவம் நம்புவதைச் சுட்டுகிறது.

Pugh-ன் கூற்றுப்படி, AI இறுதியில் தாக்குபவர்களுக்கா அல்லது பாதுகாவலர்களுக்கா அதிக முன்னிலை வழங்குமா என்பதில் இன்னும் விவாதம் உள்ளது. ஆனால் தொழில்நுட்பத்தை திறம்பட ஏற்றுக்கொண்டால் பாதுகாவலர்களே முன்னிலை பெற வேண்டும் என்பதே அவரது பார்வை. இந்த வாதம் இரண்டு கருத்துகளில் தங்கியுள்ளது. முதலில், AI தற்போது பகுப்பாய்வாளர்களின் நேரத்தை அதிகம் செலவழிக்கும் மீண்டும் மீண்டும் செய்யப்படும் பாதுகாப்பு பணிகளை தானியக்கமாக்க உதவலாம். இரண்டாவதாக, மனித ஆபரேட்டர்களால் மட்டும் போதுமான வேகத்தில் செயல்படுத்த இயலாத கண்டறிதல் மற்றும் பதிலடி பணிமுறைகளை வேகப்படுத்தலாம்.

நடைமுறையில், இதன் பொருள் AI-யை வெறும் analytics அடுக்காக அல்லாமல், அச்சுறுத்தலை அடையாளம் காணும் நேரமும் அதற்கு பதிலளிக்கும் நேரமும் இடையே உள்ள இடைவெளியை சுருக்கும் வழியாகப் பார்க்கப்படுகிறது. ராணுவ நெட்வொர்க்குகளுக்கு இந்தச் சுருக்கம் குறிப்பாக முக்கியம். மனிதரால் கையேடு பரிசீலனையும் escalation chains-உம் பதிலைக் குறைக்கக்கூடிய பெரிய, சிக்கலான சூழல்களில் ராணுவம் செயல்படுகிறது; வேகம் மிக அதிகமாக முக்கியமாய் இருக்கும் தருணத்திலேயே இது நடக்கிறது.

Pugh-ன் கருத்துகளில் AI சைபர் பணியாளர்களை மாற்றும் கருவியாகக் காட்டப்படவில்லை. அதற்கு பதிலாக, சாதாரண வேலைகளை கையாளுவதிலிருந்து அதிக தானியங்கி நடவடிக்கையைச் செயல்படுத்துவதற்கும்வரை, பாதுகாப்பு சார்ந்த பணிகளின் முழு வரம்பிலும் ஒரு force multiplier ஆக விவரிக்கப்பட்டது. இது நடைமுறை சார்ந்த framing. AI-யின் மதிப்பு headline-worthy தானியங்கி திறனைவிட, அறிவுச்சுமையைக் குறைப்பதிலும் ஒரேமாதிரி செயல்திறனை அதிகரிப்பதிலும் இருக்கலாம் என்பதை இது ஏற்கிறது.

தொழில் பயிற்சிக்குப் பிறகு மூன்று செயல்துறைகள் உருவாகின்றன

ராணுவத்தின் தற்போதைய முன்னெடுப்பு, ஏப்ரலில் தொழில் நிர்வாகிகளுடன் நடைபெற்ற tabletop exercise-ஐத் தொடர்ந்து வந்தது. அந்த நிகழ்வுக்குப் பிறகு, சேவை தலைவர்கள் Rapid Defense Cyber Systems முயற்சி, அல்லது Project ARDCS-ஐத் தொடங்கி, பயிற்சியிலிருந்து கிடைத்த பாடங்களை முன்னெடுக்க முயன்றனர். சுமார் 17 முதல் 20 திறன்கள் அல்லது முயற்சிகளுக்கு கவனம் தேவை என ராணுவம் கண்டறிந்ததாக Pugh கூறினார், ஆனால் முதலில் மூன்று ஆரம்ப செயல்துறைகளில் கவனம் செலுத்துகிறது.

முதலாவது Project Griffin, இது AI-ஐப் பயன்படுத்தி ராணுவ நெட்வொர்க்குகளில் அச்சுறுத்தல்களை அடையாளம் கண்டு, சந்தேகமான செயலைக் கவனிப்பதோடு நிற்காமல் நடவடிக்கை எடுக்க நோக்கமுடையது. Pugh விவரிப்பின்படி, இந்த முயற்சி cyber detection agents-ஐ தானியக்கமாக்கி, autonomous response-ஐ செயல்படுத்துவதில் கவனம் செலுத்துகிறது. இந்த வேறுபாடு முக்கியம். Passive monitoring அலெர்ட்களை உருவாக்கலாம், ஆனால் எந்த நிகழ்வுகள் முக்கியம், என்ன நடவடிக்கை எடுக்க வேண்டும், எவ்வளவு விரைவாக செய்ய முடியும் என்பதை மனித குழுக்களே தீர்மானிக்க வேண்டி இருக்கும். ஒரு செயலில் ஈடுபடும் முறை AI-யை ஆதரிப்பு பங்கிலிருந்து நெட்வொர்க் பாதுகாப்பின் நேரடி பங்கேற்பாளராக மாற்றலாம்.

Project Griffin-க்கு கவனம் செலுத்தும் commercial solutions opening-ஐ வெளியிட்டு இந்த முயற்சியின் தீவிரத்தை ராணுவம் வலியுறுத்தியுள்ளது. இது சேவை வெளியிலிருந்து தொழில்நுட்ப உள்ளீட்டைக் கூர்மையாகத் தேடுகிறது என்றும், வெறும் கருத்து வளர்ச்சியைத் தாண்டிச் செல்ல முயற்சிக்கிறது என்றும் காட்டுகிறது.

இரண்டாவது செயல்துறை agentic deception agents மீது கவனம் செலுத்துகிறது. Pugh தொழில்நுட்ப விவரங்களை வழங்கவில்லை, ஆனால் இந்த எண்ணம் AI அமைப்புகள் மூலம் போலித் தகவல்கள், decoy சூழல்கள், அல்லது உருவாக்கப்பட்ட அறிகுறிகளால் தாக்குபவர்களைத் திசைதிருப்புவதை குறிக்கிறது. சைபர் பாதுகாப்பில் deception நீண்ட காலமாக எதிரியின் நேரத்தை வீணாக்கவும், தீங்கிழைக்கும் நடத்தையை வெளிச்சத்திற்கு கொண்டு வரவும் பயன்படுத்தப்படுகிறது. இந்தப் பணியில் agentic AI-ஐப் பயன்படுத்துவது deception-ஐ மேலும் சூழலுக்கு ஏற்ப மாற்றக்கூடியதாக, நம்பகமாக, மற்றும் பெரிய நெட்வொர்க்குகளுக்கு அளவுபடுத்தக்கூடியதாக மாற்றலாம்.

மூன்றாவது முயற்சி, விற்பனையாளர்களின் பாதுகாப்பு நிலையைப் பரிசோதிக்கவும், ராணுவத்தின் சொந்த நெட்வொர்க்குகளையும் ஆய்வு செய்யவும் agentic AI-ஐப் பயன்படுத்துவதில் கவனம் செலுத்துகிறது. supply chain risk மற்றும் configuration drift தொடர்ந்து பாதுகாப்பு சைபர் பாதுகாப்பில் பலவீனமான இடங்களாக இருப்பதால், இந்த பகுதி குறிப்பாக முக்கியமானதாக மாறலாம். AI கருவிகள் தொடர்ந்து நிலையை மதிப்பாய்வு செய்து, இடைவெளிகளைச் சுட்டிக்காட்டி, remediation workflows-ஐ வேகப்படுத்தினால், ஒரு பலவீனம் கண்டறியப்பட்டதும் அதைப் போக்குவதற்கும் இடையே உள்ள தாமதத்தை குறைக்க உதவலாம்.

பரிசோதனையிலிருந்து ஆளுமை மற்றும் பொறுப்புக்கூறல் நோக்கி

இந்தத் திட்டங்களுக்கு ஒரு மேலாண்மை 리தமும் வேண்டுமென்று Pugh விவரித்தார்; முன்னேற்றம், தடைகள், மற்றும் முடிவு புள்ளிகள் குறித்து அதிகாரிகள் மாதாந்திரப் புதுப்பிப்புகளை விரும்புகிறார்கள் என்றார். இந்த விவரம் நடைமுறை சார்ந்ததாகத் தோன்றலாம், ஆனால் ராணுவத்தின் நோக்கத்தைப் பற்றி முக்கியமான ஒன்றைக் காட்டுகிறது. வழக்கமான மதிப்பாய்வுகள் என்றால், இந்த முயற்சிகள் தெளிவான முடிவுகள் இல்லாமல் drift ஆக விடப்படக்கூடிய exploratory pilots-ஆக அல்ல, முன்னேற்றம் காட்ட வேண்டிய திட்டங்களாகக் கருதப்படுகின்றன.

மேற்பார்வை அமைப்பு தொழில்நுட்பப் பணியையேப் போலவே முக்கியமானதாக இருக்கலாம். அரசு AI திட்டங்கள் பொதுவாக demonstration-க்கும் deployment-க்கும் இடையில் சிக்கிக்கொள்கின்றன, ஏனெனில் transition பாதை தெளிவாக இருக்காது. பட்ஜெட் உரிமை, சட்ட மதிப்பாய்வு, கொள்முதல் உத்தி, மற்றும் செயல்பாட்டு அதிகாரம் அனைத்தும் bottlenecks ஆகலாம். தனிப்பட்ட நிதி அவற்றில் ஒன்றைத் தீர்க்க உதவுகிறது, ஆனால் பிரச்சினைகள் எழும்பும்போது momentum-ஐ வைத்திருந்து முடிவுகளை கட்டாயப்படுத்தும் ஆளுமை அதனுடன் சேர்ந்தால் மட்டுமே பயனுள்ளது.

ராணுவத்தின் அணுகுமுறையில் ஒரு மறைமுக எச்சரிக்கையும் உள்ளது. இராணுவ நெட்வொர்க்குகளில் detection மற்றும் response-ஐ தானியக்கமாக்குவது நம்பகத்தன்மை, கட்டுப்பாடு, மற்றும் எதிர்பாராத விளைவுகள் குறித்து கடுமையான கேள்விகளை எழுப்புகிறது. friendly சூழல்களில் குழப்பம் வராமல் deception systems-ஐ கவனமாக வடிவமைக்க வேண்டும். கட்டளை அதிகாரிகளும் பாதுகாப்பு குழுக்களும் அவற்றில் நடவடிக்கை எடுக்க வேண்டுமெனில், AI இயக்கும் audits நம்பகமான முடிவுகளை வழங்க வேண்டும். இந்தப் பிரச்சினைகளில் எதுவும் பேட்டியில் தீர்க்கப்படவில்லை, ஆனால் ராணுவம் சில குறுகிய முயற்சிகளுக்கு கவனம் செலுத்துகிறது என்பதே அது பரவலான லட்சியத்தைவிட நடைமுறை பயன்பாடுகளைச் சுற்றியே கட்டமைக்க முயலுகிறது என்பதை காட்டுகிறது.

இராணுவ சைபர் AI-யின் அடுத்த கட்டத்திற்கு இது என்ன பொருள்

ராணுவத்தின் நிலைப்பாட்டின் பெரிய முக்கியத்துவம் அது சைபர் பாதுகாப்பில் AI-யைப் பயன்படுத்த விரும்புவதில் இல்லை. அது ஏற்கனவே பாதுகாப்புத் துறையில் பரவலாகப் புரிந்துகொள்ளப்பட்டுள்ளது. மேலும் பொருத்தமான மாற்றம் என்னவெனில், மூத்த தலைமை இப்போது இந்த தொழில்நுட்பத்தை முறையான பட்ஜெட் திட்டமிடல் மற்றும் அருகிலுள்ள கால செயல்படுத்தல் முன்னுரிமைகளுடன் இணைக்கிறது.

அந்த நிதி கிடைத்தால், உண்மையான செயல்பாட்டு வலி புள்ளிகளுடன் நெருக்கமாக பொருந்தும் மூன்று பகுதிகளில் ராணுவம் வேகமாக நகர முடியும்: வேகமான அச்சுறுத்தல் கண்டறிதல் மற்றும் பதிலடி, மேலும் நுணுக்கமான எதிரி deception, மற்றும் நெட்வொர்க் மற்றும் vendor பாதுகாப்பின் மேலும் தொடர்ச்சியான மதிப்பீடு. இவை ஊக moonshots அல்ல. இவை நடைமுறை பாதுகாப்பு செயல்பாடுகள்; அமைப்புகள் நம்பகமாக செயல்பட்டால், AI அளவிடக்கூடிய செயல்பாட்டு மதிப்பை வழங்க முடியும்.

ஆகவே, ராணுவத்தின் செய்தி AI hype-இல் அல்ல, institutionalization-இல் உள்ளது. சைபர் AI பட்ஜெட், கொள்முதல், மற்றும் மீள்மதிப்பாய்வு இயந்திரத்துக்குள் இழுக்கப்படுகிறது. அது வெற்றியை உறுதி செய்யாது, ஆனால் விளிம்புகளில் உள்ள பரிசோதனையிலிருந்து, சேவை தனது நெட்வொர்க்குகளை பாதுகாக்கும் முறையில் உட்கார வேண்டும் என்று விரும்பும் திறன்களுக்கான மாற்றத்தை அது குறிக்கிறது.

பரந்த பாதுகாப்புத் தொழில்நுட்ப சந்தைக்காக, இது ஒரு முக்கிய சிக்னல். ராணுவம் AI-யில் வெறும் கருத்தரீதியாக அல்லாமல் ஆர்வம் கொண்டுள்ளது என்பதற்கான தெளிவான ஆதாரம் இப்போது விற்பனையாளர்களிடம் உள்ளது. அது குறிப்பிட்ட mission பகுதிகளை அடையாளம் காண்கிறது, வணிக உள்ளீட்டுக்கான வழிகளைத் திறக்கிறது, மற்றும் இந்த வேலைக்காக தனியாக பணம் ஒதுக்கப்பட வேண்டும் என்று வாதிடுகிறது. பாதுகாப்பு கொள்முதல் மொழியில், அதுவே ஒரு தொழில்நுட்பப் பகுதி உண்மையானதாக மாறத் தொடங்கும் தருணம்.

இந்தக் கட்டுரை Breaking Defense செய்தியின் அடிப்படையில் உள்ளது. மூலக் கட்டுரையைப் படிக்கவும்.