מודלים של בינה מלאכותית בחזית משנים את אופי אבטחת הסייבר. מודלים חדשים אלה של שפות גדולות (LLMs) יכולים למצוא פגיעויות בקצב שלא נראה כמותו בעבר, ולסכן מערכות ונתונים.
בהתחשב במודלים החדשים הללו, ארגוני מגזר הבריאות צריכים להסתגל. אותם עקרונות יסוד של אבטחת סייבר חלים, אך הכל מואץ. ניהול פגיעויות צריך לקבל עדיפות. תיקון תיקונים, והבטחת יעילותם, צריכים להיות בראש סדר העדיפויות. במקום לקחת שבועות, זה צריך לקרות תוך ימים אם לא שעות.
זה יהיה שינוי עצום עבור ארגונים במגזר הבריאות שעובדים עם מערכות ויישומים משלהם, אך כשמדובר בשיתוף פעולה עם ספקים חיצוניים, זה הופך למסובך יותר. חוזים והסכמי רמת שירות כבר קיימים, אך מודלים אלו של בינה מלאכותית מובילה מחייבים שינויים ככל שמודל האיום משתנה.
מוקד מאמר זה הוא כיצד ארגונים במגזר הבריאות צריכים לעבוד עם שרשראות האספקה שלהם ושותפים חיצוניים בכל הנוגע למודלים אלו של בינה מלאכותית בתחום החזית. הרעיון הוא שמאמר זה יהיה מסמך חי, ככל שיותר מודלים של בינה מלאכותית בתחום החזית יתפרסמו, האיומים יתפתחו, ושיטות העבודה המומלצות וההמלצות יצטרכו להתפתח יחד איתם.
המנות העיקריות:
ניהול פגיעויות מתפתח – המהירות שבה בינה מלאכותית חזיתית מזהה פגמים פירושה שלוחות זמנים ישנים, בני מספר שבועות, לתיקון אינם ברי קיימא עוד. גופים במגזר הבריאות חייבים לעבור לטיפול באיומים תוך שעות או ימים.
מודרניזציה של הסכמי צד שלישי – חיוני לבחון מחדש את חוזי הספקים כדי לאכוף חלונות תיקון מהירים יותר ולדרוש נראות רבה יותר לגבי נוהלי אבטחת הספקים כדי להתמודד עם סיכונים המואצים על ידי בינה מלאכותית.
מעבר כלל-מגזר לכיוון הגנה מבוססת בינה מלאכותית – נתוני סקר מצביעים על כך שכ-80% מחברי Health-ISAC כבר מגדילים תקציבים לפתרונות אבטחה המונעים על ידי בינה מלאכותית או סורקים באופן יזום את הרשתות שלהם לאיתור חולשות.
להבטיח המשכיות במגזר הבריאות – מאחר שפרצות ספקים המבוססות על בינה מלאכותית עלולות לשתק זרימות עבודה קליניות, ארגונים צריכים לפתח אסטרטגיות מגירה מקיפות ולתחזק מלאי מקיף של תוכנות צד שלישי.
צעדי הגנה צפויים – לחזק את היציבה הפנימית על ידי מיפוי כל הנכסים הדיגיטליים החיצוניים, אימוץ עקרונות אפס אמון וטיפוח דיאלוג מתמיד ושקוף עם כל שותף בשרשרת האספקה.
