Duomenų saugumas yra pasitikėjimo fiziniu dirbtiniu intelektu pagrindas

Jei sekate robotikos pramonę, tikriausiai matėte humanoidų bangą, besiverčiančių atgal, šunų robotų, naršančių parkūrą, ir robotų rankų lankstymo skalbinius. Toks inovacijų tempas įkvepia, be to, įdomu matyti AI poveikį fizinėms mašinoms. Tačiau technologiją iš kontroliuojamos laboratorijos saugos perkeliant į realaus pasaulio sudėtingumą, saugumo antraštė yra aiškus priminimas platesnei pramonei.

Neseniai pasirodė pranešimų apie kritinius vartotojų robotų dulkių siurblių saugumo trūkumus. Įdomu tai, kad tai atrado programinės įrangos inžinierius, kuris atsitiktinai pateko į pažeidžiamumą, visiškai kontroliuodamas įrenginius ir pasiekdamas kameras bei mikrofonus, kad galėtų pažvelgti į privačius namus.

Nors pažeidžiamumas gyvenamajame kambaryje kelia rimtą susirūpinimą dėl privatumo, autonominis robotas chemijos gamykloje arba aukštos įtampos elektros tinkle kelia daug didesnį pavojų. Tokiose aplinkose kibernetinio saugumo pažeidimas kelia pavojų svarbiam pramonės turtui ir, galbūt, žmonių gyvybei.

Nesunku susižavėti robotais, kurie gali šokinėti ar šokti, tačiau norint, kad pramonė iš tikrųjų išsiplėstų, dėmesys turi būti nukreiptas. Mašinai pajudėti neužtenka. Turime suprasti, kaip jį saugiai įdiegti ir, svarbiausia, kaip apsaugoti didžiulius duomenų kiekius, reikalingus šioms fizinėms sistemoms išmokyti.

Manau, kad kitą robotikos dešimtmetį laimės įmonė, kuri sukuria patikimiausią ir saugiausią duomenų grandinę realiame pasaulyje.

AI mokymas: kodėl modeliavimas pasiekia lubas

Kad pasiektų prasmingą mastą, robotai turi daugiau nei judėti. Jie turi išspręsti didelės vertės pramonines programas, kurioms reikalingas sudėtingas kontekstinio intelekto lygis.

Vienas iš pavyzdžių yra tikrinimo žvalgyba: nuoseklaus turto būklės stebėjimo, daugiarūšio aptikimo ir konteksto analizės pavertimo pramoninių operacijų žvalgybos informacija. Kur robotai fiksuoja įrangos būklę, nustato anomalijas, praneša žmonių darbo jėgai ir veikia kaip sprendimų palaikymo priemonė. Toks savarankiškumo, analizės ir kontekstinių sprendimų priėmimo lygis reikalauja, kad aparatas suprastų konkrečią taikomąją programą ir aplinką, kurią jis aptarnauja.

Kalbant apie pagrindinį mobilumą – kaip robotas balansuoja ir vaikšto – modeliavimas veikia nepaprastai gerai. Galime išmokyti robotą lipti laiptais virtualiame pasaulyje milijonus kartų, kol jis dar nepaliečia betono. Šis sim-to-real dujotiekis yra viena iš priežasčių, kodėl naujausi pažangiausi robotai yra tokie tvirti ant kojų.

Tačiau tikrinimo žvalgybai ir autonomijai modeliavimas turi esmines ribas. Neįmanoma lengvai imituoti sugedusio siurblio vibracijos profilio arba subtilaus akustinio aukšto slėgio dujų nuotėkio cheminiame reaktoriuje požymio.

Be specialios įrangos, taip pat yra iššūkis išmokyti robotą naršyti dinamiškoje lauko aplinkoje. Pramonės aikštelės nėra statinės laboratorijos. Tikrinimo robotai turi važiuoti stipriu lietumi, tirštu purvu ir besikeičiančiu apšvietimu, nekliudydami žmonėms ir vengdami laikinų priežiūros pastolių.

Vienintelis būdas sukurti aukšto lygio intelektą, reikalingą šiems kraštutiniams atvejams, yra rinkti įvairius, labai tikslius duomenis iš lauko. Tačiau tai sukuria esminę kliūtį patekti į rinką. Šie duomenys yra užrakinti už kritinės, saugios infrastruktūros vartų.

Pramonės operatoriai nesuteiks prieigos prie jautriausių įrenginių, jei negali pasitikėti tiesioginio duomenų srauto vientisumu. Pramoninės žvalgybos mastelis neįmanomas be bekompromisinio požiūrio į duomenų saugumą.

Duomenų smagratis: nuo trūkumo iki intelekto

Programinės įrangos pasaulyje augimas yra susijęs su platinimu. Fiziniame AI augimas yra susijęs su „duomenų smagračiu“.

Robotai turi galimybę kas mėnesį surinkti šimtus tūkstančių autonominių tikrinimo taškų. Ši aukšto tikslumo daugiarūšė žemės tiesa apima šiluminius profilius, akustinius ženklus, vibracijos bazines linijas ir dujų koncentracijos rodmenis. Viskas turi būti užfiksuota tokiu dažnumu, nuoseklumu ir objektyvumu, kurio tiesiog neįmanoma pasiekti atliekant rankinio patikrinimo raundus.

Surinkti aplinkoje, į kurią žmonės dažnai negali saugiai patekti, šie duomenys sukuria tai, ko dar niekada nebuvo pramoninėse operacijose: palyginamas kiekvieno turto tikrinimo pagrindas laikui bėgant. Ši bazinė padėtis leidžia patikimumo inžinieriams pamatyti turto degradacijos kreivę ir įsikišti, kol nedidelė anomalija netampa kelių milijonų dolerių vertės uždarymu.

Robotų laivynams pereinant nuo bandomųjų programų prie didelio masto pramoninio diegimo, saugumo sistemos iš teorinių modelių išsivystė į eksploatacines reikmes. Didelio masto diegimo atveju kiekvieno jutiklio rodmenų, 3D modelio ir saugai svarbios įžvalgos vientisumo apsauga yra pramonės pasitikėjimo pagrindas.

Šie principai atspindi sugriežtintus saugos standartus, reikalingus duomenų srautui iš nuotolinio turto valdyti atgal į centralizuotas komandų sistemas:

1. Visiška atsakomybė už saugumą

Vartotojų pasaulyje „Apple“ yra auksinis saugumo standartas, nes ji prisiima atsakomybę už visą krūvą: silicį, aparatinę įrangą ir OS. Robotikai reikia tos pačios filosofijos.

Jei kuriate programinę įrangą ant bendros, trečiosios šalies aparatinės įrangos neprisiimdami nuosavybės teisės į dizainą, paveldėsite pažeidžiamumą, kurio negalite ištaisyti. Tai matėme neseniai, kai pigių robotikos platformų tyrimai atskleidė katastrofiškus gedimus.

Tai apima kietojo kodo kriptografinius raktus, aptiktus Unitree G1 humanoidinėje sistemoje, ir nedokumentuotas užpakalinių durų paslaugas Unitree Go1 keturkojuje, kuri be vartotojo sutikimo sukūrė nuotolinius tunelius į išorinius serverius.

Kai saugumas yra pasenęs, robotas tampa technologiniu Trojos arkliu.

Pramoninės klasės robotika priklauso nuo visiškos atsakomybės. Integruodamos techninę ir programinę įrangą į vieningą architektūrą, autonominės sistemos pasiekia tokį valdymo ir saugumo lygį, kuris dažnai nepasiekiamas su fragmentuotomis, jau paruoštomis platformomis.

Nesvarbu, ar komponentai yra pagaminti pagal užsakymą, ar gaunami iš audituotų partnerysčių, svarbiausia išlaikyti atskaitomybę už saugumo rezultatus. Tam reikalinga nuo pat pradžių sukurta „saugumas pirmiausia“ architektūra, apimanti griežtą tiekėjo patikrinimą ir aparatinės įrangos patikrinimą gamybos metu. Ši gili integracija užtikrina duomenų vientisumą kiekviename sluoksnyje ir užtikrina šifravimo kelią nuo fizinio jutiklio iki debesies serverio.

Pramoninio masto tikrinimo žvalgybai reikia daugiau nei geros programinės įrangos. Tai reikalauja atskaitomybės nuo roboto jutiklio iki įžvalgos prietaisų skydelyje. Šis nuosavybės gylis turi būti įtrauktas į architektūrą nuo 1 dienos.

Yokogawa integravo OpreX robotų valdymo programinę įrangą su ANYmal tikrinimo robotais. Šaltinis: ANYbotics

2. Izoliavimas pagal dizainą

Didėjanti DI valdoma robotika prieštarauja griežtiems tradicinės pramoninės IT suvaržymams. Kad pasiektume robotikos pramonei reikalingos informacijos, turime įveikti atotrūkį tarp svetainės lygio privatumo ir pasaulinio mokymosi.

Istoriškai atsakymas buvo „oro tarpas“, o sistemos buvo visiškai neprisijungusios. Tačiau oro tarpas turintis robotas yra atskirtas nuo kolektyvinio laivyno intelekto. Jis negali gauti svarbių saugos naujinimų arba mokytis iš naujų anomalijų, aptiktų kitose svetainėse.

Norėdami tai išspręsti, jums reikia pakopinės architektūros, kurią vadiname „izoliavimu pagal dizainą“.

• Krašto anonimiškumas: Skelbtinų duomenų filtravimas ir identifikavimas prieš jiems paliekant kliento domeną. Tai apima automatinį veidų suliejimą, balsų iškirtimą, valstybinių numerių užtemdymą ir kitos asmenį identifikuojančios informacijos pašalinimą siekiant užtikrinti privatumą.
• Kelias nuomininkas: Kiekvieno kliento duomenys yra saugomi logiškai atskirtose duomenų plokštumose su unikaliais šifravimo raktais.
• Federalinė žvalgyba: Tai apima anoniminės telemetrijos naudojimą siekiant nustatyti viso transporto parko optimizavimą. Jei duomenys atskleidžia naują mechaninio susidėvėjimo modelį arba efektyvesnį būdą įveikti sudėtingą kliūtį, galime įdiegti atnaujinimą visam automobilių parkui. Kiekviena svetainė naudojasi bendra automobilių parko patirtimi, kartu išsaugant klientų privatumą.

3. Saugumas yra kultūra, o ne kontrolinis sąrašas

Netgi stipriausias šifravimas nepavyks, jei kultūra atsakomybės prioritetu nesuteiks. Mūsų pasaulyje „greitas judėjimas ir daiktų laužymas“ gali reikšti naftos perdirbimo gamyklos sprogimą.

Štai kodėl ANYbotics neseniai gavo ISO 27001 sertifikatą ir tapo pirmąja kojomis robotų kompanija pasaulyje, pasiekusia šį standartą. Mums tai nebuvo biurokratinis įvykis, tai buvo mūsų vidinės informacijos saugumo valdymo sistemos (ISMS) testavimas nepalankiausiomis sąlygomis.

Daugiapakopį auditą išlaikėme be nulio neatitikimų iš pirmo karto. Tai nepriklausomai patvirtina, kad saugumas yra ne tik įtrauktas į mūsų procesus, bet ir įsišaknijęs mūsų kultūroje.

Hannesas Wyssas, pagrindinis kibernetinio saugumo programinės įrangos inžinierius (trečias iš kairės) ir komanda švenčia ISO 27001 sertifikatą ANYbotics pagrindinėje būstinėje Ciuriche. Šaltinis: ANYbotics

Žvilgsnis į ateitį: saugumas dirbtinio intelekto greičiu

Pramoninėms operacijoms įžengus į AI amžių, kibernetinės grėsmės vystosi neregėtu greičiu. Siekdama išlaikyti gynybinę laikyseną, kuri atitiktų šiuolaikinių grėsmių veikėjų greitį, robotikos pramonė vis labiau juda prie dirbtinio intelekto pagrįsto saugumo.

Naudodamos automatizavimą ir mašininį mokymąsi saugos krūvoje, autonominės sistemos gali nustatyti ir neutralizuoti spragas realiuoju laiku. Taip sukuriama atsparesnė ekosistema, kurioje grėsmių žvalgyba dalijamasi tinkluose, o tai leidžia visai pramonės infrastruktūrai mokytis ir prisitaikyti prie naujų vektorių, kai jie atsiranda.

Robotinėms sistemoms įgyjant didesnį nepriklausomybės lygį, griežtų skaitmeninių ribų įgyvendinimas yra būtinas siekiant užtikrinti, kad savarankiškas sprendimų priėmimas liktų be kompromisų ir apsaugotas nuo išorinių manipuliacijų. Dėl šios „užkietėjusios autonomijos“ pramonės operatoriai gali sutelkti dėmesį į pagrindinę robotų tikrinimo vertę: nustatyti turto gedimą prieš kelis mėnesius iki gedimo, gauti matomumą ten, kur fiksuoti jutikliai negali pasiekti, ir pašalinti darbuotojus iš pavojingos aplinkos.

Šių bazinių linijų ir anomalijų modelių vientisumo išlaikymas yra esminis reikalavimas norint sukurti „patikimą pagrindą“ šiuolaikinei pramonei. Kai saugumas yra suprojektuotas šiame lygyje, gautos saugos požiūriu svarbios įžvalgos nėra tik duomenų taškai; tai patikrinti signalai, užkertantys kelią katastrofiniams gedimams ir užtikrinantys ilgalaikį veiklos tęstinumą.