自 2022 年底ChatGPT上线迄今不过两年，从日常工作到多媒体内容输出，各类人工智能（AI）应用已经成为很多行业不可或缺的工作“助手”。正当人们对身边的智能助手感到习以为常时，AI却以更加震撼的方式刷新人类对它的认知。在刚刚过去的 10 月 8 日与 10 月 9 日， 2024 诺贝尔奖物理学与化学两个重要奖项都被人工智能（AI）的相关成果及科学家取得。与此同时，特斯拉发布的Robotaxi 以及机器人Optimus都让人们对未来AI的应用场景充满期待。
或许，未来AI能否在诺贝尔其他奖项继续大放异彩我们不得而知，但AI已经渗透到人们生活的各个方面已是不争的事实。因此，随着数字威胁日趋严峻，在AI的主场—IT领域对人工智能技术在全行业、尤其是安全方面的应用需求变得十分迫切。根据 Check Point Research 的报告，在 2024 年 1 月至 8 月期间，全球公用事业部门（包括关键基础设施）每机构平均每周遭受的网络攻击次数高达 1514 次——与去年相比增加 37%，在所有行业中排名第五，进一步凸显了采取 AI 安全防护的必要性。这项先进技术正在革新关键基础设施的网络安全防护实践，为应对日益复杂的攻击提供了比较罕见的防御能力。借助 AI 实时处理大量数据流的能力，企业现在能够极其快速、准确地检测异常情况和潜在威胁。
在机器学习算法的加持下，这些系统不断发展，可以始终领先网络犯罪分子一步。对于电网、供水系统和交通网络运营商来说，基于 AI 的解决方案可提供强大的保护，防止可能会造成破坏性影响的中断事件。通过自动执行日常安全任务，AI 能够让人类专家专注于应对复杂的挑战，从而提高整体威胁响应能力。虽然 AI 可能被用于发起攻击，而且需要持续的系统更新，但是将 AI 融入关键基础设施防护的优势远远超过了这些潜在弊端。随着世界变得日益互联，AI 将在保护我们社会的数字骨干网方面发挥关键作用。
AI 在网络安全防护中的应用现状和生成式 AI 的兴起
关键基础设施领域基于 AI 的威胁检测
AI 正在重塑关键基础设施领域的威胁检测，例如化学、关键制造、能源、交通、医疗保健、供水和污水处理系统。机器学习算法能够处理来自复杂网络的海量数据，以识别异常模式和潜在的安全漏洞。AI 系统能够检测到传统方法不易察觉到的入侵指标，支持快速做出响应，从而防止威胁破坏基本服务或泄露敏感数据。
加强安全防护自动化和编排
在关键基础设施中，集成式 AI 可增强安全防护自动化和编排，从而简化对网络威胁的响应。智能系统能够自主调查警报、关联不同来源的数据并触发响应措施。得益于这一自动化，人工安全防护团队可将更多精力用于战略规划和复杂的威胁分析，从而确保关键基础设施灵活抵御网络攻击。
生成式 AI：网络安全防护的双刃剑
对于生成式 AI 在关键基础设施防护中的应用，机遇和挑战并存。就防御而言，它有助于代码分析、漏洞发现和威胁情报整合。然而，攻击者也可以利用生成式 AI 发起复杂的网络钓鱼攻击、开发新的恶意软件变体或发现新的攻击向量。鉴于这一双重性质，关键部门必须采取积极主动的网络安全防护方法。
融合式网络 AI：整体防御策略
为了有效应对 AI 威胁，关键基础设施组织正在采用一种“融合式网络 AI”方法。该策略需要将 AI 功能集成到整个安全堆栈中，从而提高预测和缓解威胁的能力。借助 AI 原生架构，组织可构建强大的防御系统，保护重要系统和数据免受日益复杂的网络攻击。
AI 正如何应用于关键基础设施
通过提有效率、可靠性和可持续发展能力，AI 正在重塑关键基础设施，能源行业便是其中的典型。在智能电网中，AI 通过预测能源需求模式、优化能源分配和集成可再生能源发挥着至关重要的作用。这些功能有助于实现有效的能源分配，减少浪费，并确保稳定可靠的电力供应，即便是在太阳能和风能等间歇性能源的管理中也是如此。
AI 在预测性维护方面也起着关键作用，能够利用算法来预测潜在设备故障。这种积极主动的方法可通过延长关键基础设施组件的使用寿命，比较大限度地减少停机时间并降低维护成本。此外，AI 还可通过实时监控和分析能耗，提高建筑物和工业流程的能效。AI 系统可根据使用模式实时调整供暖、制冷和照明，从而优化能源使用、降低成本并减少碳排放。
AI 在关键基础设施中的应用现状：聚焦交通运输行业
AI 正在交通运输行业掀起一场效率、安全和可持续发展的技术革命。
· 自动驾驶汽车：作为自动驾驶汽车的核心，AI 可帮助车辆导航、解读传感器数据并做出实时决策。机器学习算法可处理来自摄像头、激光雷达和雷达的输入数据，以检测障碍物、识别交通信号并预测行人和其他车辆的活动。
· 交通管理：AI 系统通过分析来自摄像头、传感器和 GPS 设备的数据，优化市区的交通流量。这些系统能够预测交通拥堵情况，调整交通信号灯的变换时间，并推荐替代路线，以减少路程时间和排放。目前有几个正在开发中的项目将应急车辆与信号系统相结合，以确保应急车辆畅通无阻。
· 预测性维护：在铁路和公路等交通基础设施中，基于 AI 的预测性维护利用来自物联网传感器的数据预测设备故障，防患于未然。这既能减少停机时间和维护成本，又能提高安全性。
· 公共交通优化：AI 可根据实时数据优化路线和时间表，从而改善公共交通。它有助于管理车队营运、预测乘客需求和提高整体服务效率。
· 安全监控：基于 AI 的监控系统可监控机场和火车站等交通枢纽的安全威胁，利用面部识别和行为分析来识别可疑活动，保障乘客安全。
· 供应链与物流：在物流业，AI 通过预测需求、管理库存和规划有效的配送路线来优化供应链运营，从而节省成本并提高服务水平。
· 智能基础设施：AI 还推动了智能基础设施的发展，例如智能交通系统和智能电网，通过与交通网络相结合，提高了连通性和效率。
AI 在医疗保健基础设施中的应用现状：聚焦网络安全防护
由于患者数据的敏感性，医疗保健行业日益成为网络威胁的目标。AI 可增强该行业的网络安全防护。
· 威胁检测和预防：AI 系统分析网络流量和用户行为，以实时识别异常情况并拦截恶意软件、勒索软件和网络钓鱼攻击等威胁。
· 数据保护：AI 可加强数据加密和访问控制，识别未经授权的访问并执行安全协议来保护患者数据。
事件响应：AI 可自动执行事件响应流程，快速识别和处理安全漏洞，并根据严重程度划分威胁的优先级。
· 漏洞管理：AI 可识别和修补医疗保健系统中的漏洞，预测易受攻击之处并推荐更新。
· 欺诈检测：AI 通过识别异常模式和差异来检测欺诈活动。
AI 在关键基础设施中的应用现状：教育行业
通过增强学习体验、优化管理流程和提供个性化教育，AI 正在重塑教育行业。
· 个性化学习：AI 通过分析学生的学习模式、调整难度和提供实时反馈，根据学生的个人需求量身定制教育内容，例如 Coursera 和可汗学院等平台。
· 智能辅导系统：AI 助教提供个性化课外辅导，为学生解疑答惑和提供指导，例如 MATHia 和 IBM 的 Watson Tutor 等工具。
· 自动评分：基于 Gradescope 等系统提供的详细反馈，AI 可自动为测试和论文评分，这能够帮助教育工作者节省时间，并确保评估的一致性。
· 预测性分析：AI 可预测学生的表现并识别遇到困难的学生，从而及时进行干预和提供支持，并预测注册趋势和资源需求。
· 提升无障碍服务能力：AI 通过语音识别和文本转语音等工具提高了无障碍服务能力，增强了教学场景对残障学生的包容性。
· 虚拟现实和增强现实：基于 AI 的虚拟现实和增强现实技术可打造沉浸式互动学习体验，助力学生探索医学和工程学等领域的复杂课题。
· 研究与数据分析：AI 可分析大型数据集，提供教学方法和学习成果方面的有益洞察，从而帮助制定教育策略和政策。
综上所述，在关键基础设施中采用 AI 技术的重要性与日剧增。Check Point建议企业用户可通过集成 AI 增强安全措施，提高运营韧性。AI 系统不仅能快速识别和响应威胁，降低中断风险，而且还能优化资源管理，预测维护需求，从而提高运营效率。要想在日新月异的技术环境中保持领先地位，关键基础设施部门应重视 AI 技术的采用。这不仅有助于提升关键资产的安全保护，又能确保长期可持续发展能力和可靠性。
（推广）