Hvorfor katastrofale scenarietester utover produksjon er avgjørende for sikkerhet for kritisk infrastruktur

Det enestående FAA-bruddet som resulterte i at alle innenlandsflyvninger ble satt på bakken, får alle til å stille spørsmål:

Hvordan skjedde dette?

Hvem er ansvarlig?

Hvordan forhindrer vi at noe lignende skjer igjen?

Denne utbruddet har satt oss på varsel, og understreket at selv systemene som vi anser som de mest sikre, pålitelige og validerte kan mislykkes.

Selv om denne typen avbrudd som når opp til nivået av offentlig bevissthet er sjelden, kan når en oppstår i et livskritisk system føre til et snøskred av katastrofale resultater som påvirker sikkerhet, sikkerhet og økonomi. Vi ser dette nå med avbrudd i transporten og konsekvensene av overbelastningen i web-/apptjenester oversvømmet med tusenvis av passasjerer som strever for å komme til destinasjonene sine.

Mens dagens FAA-brudd anses som en systemfeil, var det en grasiøs nedbrytningsfeil. Det betyr at det heldigvis ikke ble noen dødsfall som følge av feilen, og systemet ble effektivt slått av før mer skade ble gjort.

Dette er heldig, men ikke oppmuntrende.

Testing har alltid vært brukt i produksjon for å oppdage defekter – feilsimulering var for eksempel en metode for kunstig å "bryte" en enhet for å se om diagnostiske tester ville oppdage og isolere feil ned til rotårsakene. Når du designer programvare, læres ingeniører å designe etter spesifikasjonen av hva den skal gjøre funksjonelt. Mye mindre innsats ble brukt på å lete etter de katastrofale scenariene eller en "perfekt storm" av forhold som må oppstå som fører til systemfeil. Å forutse disse forholdene kan hjelpe oss med proaktivt å bygge inn mekanismer for proaktivt å oppdage og forhindre katastrofale feil.

Forebygging av fremtidige strømbrudd og andre kritiske infrastrukturfeil

Med spredningen av cloud computing og kunstig intelligens-løsninger har vi nå effektiv nok beregningskraft til å evaluere millioner av operasjonelle scenarier for å oppdage hvilke tilfeller som kan resultere i katastrofale scenarier.

For FAA bør det nå være mulig å proaktivt analysere forholdene og dataene fra alle innenlandsflyplasser, fly i himmelen og på bakken, samt de som er planlagt for fremtidig bruk, kontrolltårnkommunikasjon og relatert infrastruktur, passasjerer, vær, og sikkerhet for å spille ut scenarier som kan føre til systemfeil.

Hvis man vurderer kompleksiteten til interaksjonene og gjensidige avhengighetene til dette systemet, er det klart at det er et skremmende forslag å se på alle feilpunkter.

Kunstig intelligens kan bidra til å analysere denne overveldende mengden data for å proaktivt se etter mønstre og atferd som kan utgjøre utfordringer for FAA-systemer.

Dette er ikke enestående, siden kunstig intelligens har blitt brukt for å bedre undersøke trafikkmønstre for optimalisert planlegging og logistikk.

Teknologien kan også brukes som en kraftig forsvarsmekanisme for å gi tidlig oppdagelse av cyberangrep og/eller unormal atferd i systemer. Nøkkelen til effektiv distribusjon av slike systemer vil være å isolere de spesifikke avvikene og forholdene slik at de kan overvåkes av menneskelige eksperter.

Det er mye å lære av FAA-bruddet, og med tiden vil vi få et klarere bilde av hva som skjedde. Men foreløpig er det tydelig at nye teknologier, som kunstig intelligens, som muliggjør proaktiv oppdagelse av systemfeil og andre utfordringer som kan oppstå, har en fremtredende rolle å spille i hvordan vi opprettholder vår kritiske infrastruktur fremover.