సైబర్ రక్షణ కోసం ప్రత్యేక AI నిధులపై ఆర్మీ ఒత్తిడి తెస్తోంది, మూడు కొత్త ప్రయత్నాలను విస్తరిస్తోంది

సైబర్ AIని ఇకపై పక్క ప్రాజెక్ట్‌గా నిధులివ్వలేమని ఆర్మీ చెబుతోంది

అమెరికా ఆర్మీ సైబర్ రక్షణలో కృత్రిమ మేధస్సుకు మరింత అధికారిక నిధుల విధానాన్ని వైపు కదులుతోంది, AI ప్రయోగాత్మక సహాయంగా కాకుండా కీలక కార్యాచరణ ప్రాధాన్యంగా ఎంత వేగంగా మారిందో ఇది చూపుతోంది. TechNet Augustaలో మాట్లాడిన ఆర్మీ ప్రధాన సైబర్ సలహాదారు Brandon Pugh, ప్రస్తుత ఆపరేషనల్ బడ్జెట్‌ల నుంచే మాత్రమే మద్దతు ఇవ్వడం కాకుండా, AI పనికి ప్రత్యేక నిధులు అవసరమయ్యే స్థితికి సేవ చేరుకుందని అన్నారు.

ఇది ముఖ్యమైనది, ఎందుకంటే రక్షణాత్మక సైబర్ AIని ఆర్మీ ఎలా ఫ్రేమ్ చేస్తోందో ఇది సూచిస్తోంది. ప్రస్తుత సాధనాలకు ఉపయోగకరమైన మెరుగుదలగా చూసే బదులు, అధికారులు దీన్ని స్వంత బడ్జెట్ మద్దతు, నిరంతర పర్యవేక్షణ, మరియు అవసరమైతే సంయుక్త నిధుల ఏర్పాట్లు కావలసిన సామర్థ్య విభాగంగా వివరిస్తున్నారు. చర్చలో ఉన్న అనేక పరిష్కారాలు సంయుక్త స్వభావం కలిగి ఉంటాయని Pugh చెప్పారు, అందువల్ల ఈ వనరులు ఆర్మీ నుంచే మాత్రమే రాకపోవచ్చని సూచించారు.

ఈ నిధుల వాదన ప్రభుత్వ సైబర్ కార్యక్రమాల్లో ఉన్న విస్తృత వాస్తవాన్ని కూడా చూపుతోంది: చిన్న discretionary moneyతో సంస్థలు AIని prototype చేయగలుగుతాయి, కానీ దాన్ని ప్రత్యక్ష రక్షణ కార్యకలాపాల్లోకి scale చేయడానికి వేరే స్థాయి కట్టుబాటు అవసరం. staffing, software integration, testing, data handling, operational validation అన్నీ పునరావృత ఖర్చులుగా మారతాయి. ప్రత్యేక నిధులను ప్రాధాన్యం ఇవ్వడం ద్వారా, సైబర్ AI తదుపరి దశలోకి ప్రవేశించిందని ఆర్మీ నాయకులు చెబుతున్నారు.

రక్షకుల కోసం AI ఎందుకు ముఖ్యమని ఆర్మీ భావిస్తోంది

గత సంవత్సరం తన కార్యాలయానికి సైబర్, ముఖ్యంగా రక్షణాత్మక సైబర్ కోసం AI అగ్ర ప్రాధాన్యాల్లో ఒకటిగా ఉందని Pugh వివరించారు. ఇది సైబర్‌స్పేస్‌లో దాడిచేసేవారికి వేగం, ఆశ్చర్యం, మరియు తక్కువ ఖర్చుతో ప్రయోగం ద్వారా లాభం కలుగుతుండే దీర్ఘకాల అసమానతను AI సమతుల్యం చేయగలదని ఆర్మీ నమ్ముతుందని సూచిస్తోంది.

Pugh ప్రకారం, AI చివరికి దాడిచేసేవారికా లేదా రక్షకులకా పెద్ద ఆధిక్యం ఇస్తుందా అనే విషయంలో ఇంకా చర్చ ఉంది. కానీ ఈ సాంకేతికతను సమర్థవంతంగా స్వీకరిస్తే రక్షకులకే పైచేయి ఉండాలనే ఆయన అభిప్రాయం. ఈ వాదన రెండు ఆలోచనలపై ఆధారపడింది. మొదటిది, AI ప్రస్తుతం విశ్లేషకుల సమయాన్ని ఎక్కువగా తీసుకునే పునరావృత భద్రతా పనులను ఆటోమేట్ చేయడంలో సహాయపడగలదు. రెండవది, అది మానవ ఆపరేటర్లతో మాత్రమే వేగంగా చేయడం కష్టమైన గుర్తింపు మరియు స్పందన workflows‌ను వేగవంతం చేయగలదు.

ప్రయోగాత్మకంగా, దీని అర్థం AIని కేవలం విశ్లేషణ పొరగా కాకుండా, ముప్పును గుర్తించడం మరియు దానిపై చర్య తీసుకోవడం మధ్య సమయాన్ని కుదించే మార్గంగా చూస్తున్నారు. సైనిక నెట్‌వర్క్‌లలో ఈ కుదింపు ప్రత్యేకంగా ముఖ్యమైనది. ఆర్మీ పెద్ద, సంక్లిష్ట వాతావరణాల్లో పనిచేస్తుంది, అక్కడ మానవ సమీక్ష మరియు escalation chains వేగం అత్యంత అవసరమైన సమయంలో స్పందనను మందగింపజేయగలవు.

Pugh వ్యాఖ్యల్లో AIని సైబర్ సిబ్బందికి ప్రత్యామ్నాయంగా చూపలేదు. బదులుగా, సాధారణ పనులను నిర్వహించడం నుంచి మరింత ఆటోమేటెడ్ చర్యలను సాధ్యం చేయడం వరకు, రక్షణాత్మక పనుల సంపూర్ణ శ్రేణిలో దాన్ని force multiplier‌గా వివరించారు. ఇది ప్రాయోగిక framing. headline-worthy స్వయంచాలక సామర్థ్యాలకన్నా, AI విలువ cognitive load తగ్గించడం మరియు consistency పెంచడంలో ఉండవచ్చని ఇది అంగీకరిస్తుంది.

ఒక పరిశ్రమ వ్యాయామం తర్వాత మూడు పనిదిశలు రూపుదిద్దుకుంటున్నాయి

ఆర్మీ ప్రస్తుత దూకుడు ఏప్రిల్‌లో పరిశ్రమ ఎగ్జిక్యూటివ్‌లతో నిర్వహించిన tabletop exercise తరువాత వచ్చింది. ఆ కార్యక్రమం తరువాత, సేవా నాయకులు Rapid Defense Cyber Systems initiative, లేదా Project ARDCS,ను ప్రారంభించి, ఆ exercise నుండి వచ్చిన పాఠాలను అనుసరించారు. సుమారు 17 నుండి 20 సామర్థ్యాలు లేదా ప్రయత్నాలకు దృష్టి అవసరమని ఆర్మీ గుర్తించిందని Pugh చెప్పారు, కానీ మొదట మూడు ప్రారంభ పనిదిశలపై దృష్టి పెట్టుతోంది.

మొదటిది Project Griffin, ఇది AIని ఉపయోగించి ఆర్మీ నెట్‌వర్క్‌లపై ముప్పులను గుర్తించి, అనుమానాస్పద కార్యకలాపాలను కేవలం గమనించడం కాకుండా చర్య తీసుకునేలా చేయడాన్ని లక్ష్యంగా పెట్టుకుంది. Pugh ప్రకారం, ఈ ప్రయత్నం cyber detection agents‌ను ఆటోమేట్ చేయడం మరియు autonomous response‌ను సాధ్యం చేయడంపై దృష్టి సారిస్తోంది. ఈ తేడా ముఖ్యమైనది. పాసివ్ మానిటరింగ్ అలర్ట్‌లను చూపగలదు, కానీ ఏ ఘటనలు ముఖ్యమైనవి, ఏ చర్య తీసుకోవాలి, ఎంత వేగంగా అమలు చేయాలి అనే నిర్ణయాన్ని ఇంకా మానవ బృందాలకే వదిలేస్తుంది. మరింత చురుకైన మోడల్ AIని సహాయక పాత్ర నుంచి నెట్‌వర్క్ రక్షణలో ప్రత్యక్ష భాగస్వామిగా మార్చగలదు.

Project Griffin‌పై దృష్టి పెట్టిన commercial solutions opening విడుదలచేయడం ద్వారా ఆ ప్రయత్నం సీరియస్‌నెస్‌ను ఆర్మీ బలంగా చూపింది. ఇది సేవ బాహ్య సాంకేతిక ఇన్‌పుట్‌ను చురుకుగా కోరుతోందని మరియు భావనాత్మక అభివృద్ధిని దాటి ముందుకు సాగాలని చూస్తోందని సూచిస్తోంది.

రెండవ పనిదిశ agentic deception agents‌పై కేంద్రీకృతమైంది. Pugh సాంకేతిక వివరాలు ఇవ్వలేదు, కానీ ఈ ఆలోచన తప్పుడు సమాచారం, decoy వాతావరణాలు, లేదా కల్పిత సంకేతాలతో దాడిచేసేవారిని తప్పుదోవ పట్టించడానికి రూపొందించిన AI వ్యవస్థలను సూచిస్తుంది. సైబర్ రక్షణలో deceptionను ప్రత్యర్థి సమయాన్ని వృథా చేయడం మరియు దుష్ట ప్రవర్తనను బయట పెట్టడం కోసం దీర్ఘకాలంగా ఉపయోగిస్తున్నారు. ఈ మిషన్‌పై agentic AIని వర్తింపజేయడం deceptionను మరింత అనుకూలంగా, నమ్మదగినదిగా, మరియు పెద్ద నెట్‌వర్క్‌లలో మరింత scalableగా మార్చగలదు.

మూడవ ప్రయత్నం vendorsతో పాటు ఆర్మీ స్వంత నెట్‌వర్క్‌ల భద్రతా స్థితిని audit చేయడానికి agentic AIని ఉపయోగించడంపై దృష్టి పెడుతోంది. సరఫరాదారుల రిస్క్ మరియు configuration drift రక్షణ సైబర్‌సెక్యూరిటీలో నిలకడైన బలహీన పాయింట్లుగా ఉన్నందున ఆ ప్రాంతం ప్రత్యేకంగా ముఖ్యమవుతుంది. AI సాధనాలు నిరంతరం స్థితిని సమీక్షించి, లోపాలను గుర్తించి, remediation workflows‌ను వేగవంతం చేయగలిగితే, బలహీనతను కనుగొనడం మరియు దానిపై చర్య తీసుకోవడం మధ్య గ్యాప్‌ను తగ్గించడంలో సహాయపడతాయి.

ప్రయోగాల నుండి పాలన మరియు బాధ్యత వైపు

ఈ ప్రాజెక్టుల కోసం నిర్వహణ లయను కూడా Pugh వివరించారు; పురోగతి, అడ్డంకులు, మరియు నిర్ణయ పాయింట్లపై అధికారులు నెలవారీ నవీకరణలు కావాలని చెప్పారు. ఇది విధానాత్మకంగా అనిపించవచ్చు, కానీ ఆర్మీ ఉద్దేశ్యం గురించి ముఖ్యమైన విషయాన్ని చూపుతోంది. నియమిత సమీక్షలు అంటే ఈ చర్యలను స్పష్టమైన ఫలితాలు లేకుండా తేలుతూ ఉండే exploratory pilots‌గా కాకుండా, పురోగతి చూపాల్సిన కార్యక్రమాలుగా పరిగణిస్తున్నారని అర్థం.

పర్యవేక్షణ నిర్మాణం సాంకేతిక పనితో సమానంగా ముఖ్యమైనది కావచ్చు. ప్రభుత్వ AI ప్రాజెక్టులు తరచుగా demo మరియు deployment మధ్య నిలిచిపోతాయి, ఎందుకంటే మార్పు మార్గం స్పష్టంగా ఉండదు. బడ్జెట్ స్వామ్యము, చట్టపరమైన సమీక్ష, కొనుగోలు వ్యూహం, మరియు కార్యాచరణ అధికారం అన్నీ bottlenecks‌గా మారవచ్చు. ప్రత్యేక నిధులు ఆ అడ్డంకులలో ఒకదాన్ని పరిష్కరించడంలో సహాయపడతాయి, కానీ momentum‌ను నిలబెట్టి సమస్యలు వచ్చినప్పుడు నిర్ణయాలను తీసుకునేలా చేసే పాలనతో జతచేయబడినప్పుడే.

ఆర్మీ దృక్పథంలో ఒక అంతర్లీన హెచ్చరిక కూడా ఉంది. సైనిక నెట్‌వర్క్‌లపై detection మరియు response‌ను ఆటోమేట్ చేయడం నమ్మకత్వం, నియంత్రణ, మరియు అనుకోని పరిణామాల గురించి తీవ్రమైన ప్రశ్నలను లేవనెత్తుతుంది. friendly వాతావరణాల్లో గందరగోళం రాకుండా deception systems‌ను జాగ్రత్తగా రూపకల్పన చేయాలి. కమాండర్లు మరియు భద్రతా బృందాలు వాటిపై చర్య తీసుకోవాలంటే AI-చాలన ఆడిట్‌లు నమ్మదగిన ఫలితాలు ఇవ్వాలి. ఈ సమస్యలలో ఏదీ ఇంటర్వ్యూలో పరిష్కరించబడలేదు, కానీ ఆర్మీ కొన్ని నిర్దిష్ట ప్రయత్నాలపై దృష్టి కేంద్రీకరించడం, అది విస్తృత ఆశయాలకన్నా ప్రాయోగిక use cases చుట్టూ నిర్మించడానికి ప్రయత్నిస్తోందని చూపిస్తోంది.

సైనిక సైబర్ AI యొక్క తదుపరి దశకు దీని అర్థం

ఆర్మీ స్థానం యొక్క పెద్ద ప్రాముఖ్యత అది సైబర్ రక్షణలో AIని ఉపయోగించాలని కోరుకోవడం కాదు. అది ఇప్పటికే రక్షణ రంగంలో విస్తృతంగా అర్థమైంది. మరింత ముఖ్యమైన మార్పు ఏమిటంటే, సీనియర్ నాయకత్వం ఇప్పుడు ఈ సాంకేతికతను అధికారిక బడ్జెట్ ప్రణాళిక మరియు సమీపకాల అమలు ప్రాధాన్యాలతో అనుసంధానిస్తోంది.

ఆ నిధులు అందితే, ఆర్మీ నిజమైన కార్యాచరణ సమస్యలతో సన్నిహితంగా సరిపోతున్న మూడు ప్రాంతాల్లో వేగంగా ముందుకు సాగగలదు: వేగవంతమైన ముప్పు గుర్తింపు మరియు స్పందన, మరింత అభివృద్ధి చెందిన ప్రత్యర్థి deception, మరియు నెట్‌వర్క్ మరియు vendor భద్రతపై మరింత నిరంతర అంచనా. ఇవి ఊహాజనిత moonshots కావు. ఇవి ప్రాయోగిక రక్షణ విధులు; వ్యవస్థలు నమ్మకంగా పనిచేస్తే AI కొలిచే స్థాయిలో కార్యాచరణ విలువను ఇవ్వగలదు.

కాబట్టి ఆర్మీ సందేశం AI hype గురించి కంటే institutionalization గురించి ఎక్కువ. సైబర్ AIని బడ్జెట్, acquisition, మరియు పునరావృత సమీక్షల యంత్రాంగంలోకి లాగుతున్నారు. ఇది విజయాన్ని హామీ ఇవ్వదు, కానీ అంచుల వద్ద ప్రయోగాల నుండి, సేవ తన నెట్‌వర్క్‌లను రక్షించే విధానంలో భాగం కావాలని కోరుకునే సామర్థ్యాల వైపు మార్పును సూచిస్తుంది.

విస్తృత రక్షణ సాంకేతిక మార్కెట్‌కు ఇది ఒక ముఖ్యమైన సంకేతం. ఆర్మీ AIపై కేవలం సిద్ధాంతపరంగా ఆసక్తి చూపడం లేదని విక్రేతలకు ఇప్పుడు మరింత స్పష్టమైన ఆధారం ఉంది. అది నిర్దిష్ట మిషన్ ప్రాంతాలను గుర్తిస్తోంది, వాణిజ్య ఇన్‌పుట్‌కు మార్గాలను తెరుస్తోంది, మరియు ఈ పనికి డబ్బు కేటాయించబడాలని వాదిస్తోంది. రక్షణ కొనుగోలు పరంగా, ఒక సాంకేతిక ప్రాంతం నిజంగా మారడం ప్రారంభించే క్షణం అదే.

ఈ వ్యాసం Breaking Defense నివేదికపై ఆధారపడింది. మూల వ్యాసాన్ని చదవండి.