Modeli umjetne inteligencije na granicama mijenjaju prirodu kibernetičke sigurnosti. Ovi novi modeli velikih jezika (LLM) mogu pronaći ranjivosti brzinom koja nikada prije nije viđena, dovodeći sustave i podatke u opasnost.
Uzimajući u obzir ove nove modele, organizacije zdravstvenog sektora moraju se prilagoditi. Primjenjuju se isti temelji kibernetičke sigurnosti, ali sve je ubrzano. Upravljanje ranjivostima mora imati prioritet. Zakrpe i osiguravanje da zakrpe funkcioniraju moraju biti prioritet. Umjesto da traju tjedni, ovo se mora dogoditi u danima, ako ne i satima.
Ovo će biti ogromna promjena za organizacije zdravstvenog sektora koje rade s vlastitim sustavima i aplikacijama, ali kada je riječ o suradnji s dobavljačima trećih strana, to postaje kompliciranije. Ugovori i sporazumi o razini usluge već postoje, ali ovi granični modeli umjetne inteligencije zahtijevaju promjene kako se mijenja model prijetnji.
Fokus ovog rada je na tome kako bi organizacije zdravstvenog sektora trebale surađivati sa svojim lancima opskrbe i trećim stranama kada su u pitanju ovi granični modeli umjetne inteligencije. Ideja je da ovaj rad bude živi dokument, kako se objavljuje sve više graničnih modela, prijetnje se razvijaju, a najbolje prakse i preporuke morat će se razvijati zajedno s njima.
Ključni odmori:
Razvoj upravljanja ranjivostima – Brzina kojom granična umjetna inteligencija identificira nedostatke znači da stari, višetjedni rokovi za sanaciju više nisu održivi. Subjekti zdravstvenog sektora moraju se prebaciti na rješavanje prijetnji unutar nekoliko sati ili dana.
Modernizirajte ugovore s trećim stranama – Ključno je preispitati ugovore s dobavljačima kako bi se proveli brži rokovi za sanaciju i zahtijevala veća vidljivost sigurnosnih praksi dobavljača radi suzbijanja rizika ubrzanih umjetnom inteligencijom.
Prelazak na obranu od umjetne inteligencije u cijelom sektoru – Podaci ankete pokazuju da otprilike 80% članova Health-ISAC-a već povećava proračune za sigurnosna rješenja temeljena na umjetnoj inteligenciji ili proaktivno skenira svoje mreže u potrazi za slabostima.
Osigurati kontinuitet zdravstvenog sektora – Budući da kršenja sigurnosti dobavljača omogućena umjetnom inteligencijom mogu paralizirati kliničke tijekove rada, organizacije moraju razviti sveobuhvatne strategije za nepredviđene situacije i održavati iscrpan inventar softvera trećih strana.
Anticipatorne obrambene mjere – Jačati interni položaj mapiranjem sve vanjske digitalne imovine, usvajanjem načela nultog povjerenja i poticanjem stalnog, transparentnog dijaloga sa svakim partnerom u lancu opskrbe.
