关键基础设施正竞相采用人工智能,为何可见性必须优先

State-backed cyber adversaries are already mapping physical control loops to target critical infrastructure.Image: Unsplash/Ximin Lin
本内容由人工智能自动翻译。
  • 工业领域采用人工智能的速度,快于运营环境中的安全监测。

  • 有国家背景的网络对手已在对物理控制回路进行测绘,以锁定关键基础设施。

  • 组织必须在盲区扩大之前,建立严格的人工智能治理和运营可见性。

在工业和关键基础设施领域,我们正竞相迈向由人工智能驱动的未来,它在效率、优化和竞争优势方面前景广阔。但我们并未应对人工智能给维系现代生活的工业系统带来的风险。

企业IT和人工智能模型本身的网络安全已受到关注,但人工智能如何影响运营环境的安全、保障和韧性,这一问题的关注度远远落后。没有能源和基础设施,就不会有人工智能革命;没有运营技术(OT)网络安全,能源和基础设施也难以长期保持安全。

相关发现来自Dragos《2026年OT/ICS网络安全报告》,这些发现证实了一个严峻现实:对手已在并未对其进行监测的工业环境内部活动。人工智能的应用将使这一可见性难题显著更难解决。

随着OT演进,变革为何正在加速

过去40年间,OT环境已从机械控制演进为数字系统;过去30年间,从孤立网络演进为IP互联基础设施;过去20年间,则演变为由OT、IT和物联网(IoT)设备构成的复杂自动化环境。

过去十年间,这一进程显著加速。数字化转型带来了巨大的效率收益,但也产生了新的攻击面和依赖关系,而我们至今仍未对其进行充分防护。

如今,我们正进入下一阶段:人工智能融入OT。遗憾的是,其应用速度已超出我们管控风险的能力。

人工智能正进入控制回路

制造工厂、电网、数据中心以及其他拥有物理流程的组织,正将人工智能从辅助角色转入控制回路,利用这些系统影响物理世界的基本能力。早期采用者正在将人工智能应用、控制器和软件部署到运营之中。部分机构正在电池场、太阳能电站、风电场、采矿业及其他关键基础设施中探索智能体人工智能的应用。

董事会、高管和投资者正在推动人工智能的应用。其结果是测试和验证时间表承压、对新供应商的审查力度减弱,以及复杂程度超过这些环境以往所能管理的水平。

威胁格局不会等待

我们的《2026年OT/ICS网络安全报告》发现,以OT环境为目标的对手已跨越一道重要门槛。全球多个与国家背景及犯罪组织有关联的威胁团体,已开始主动对控制回路进行测绘:识别工程工作站、窃取配置文件和报警数据,并充分了解物理流程的运行方式,从而足以对其实施破坏。其中两个此类威胁团体为ELECTRUM和KAMACITE。

KAMACITE曾耗时数月,系统性地对美国基础设施的控制回路进行测绘。ELECTRUM是2015年和2016年乌克兰电网遭袭事件的责任方,十年来一直在针对乌克兰目标提升其能力。这种经验一旦获得,便不会局限于单一地区。2025年12月,ELECTRUM袭击了波兰,对分布式能源资源发动了该类攻击中首次大规模协同网络攻击,其中包括可再生能源管理系统,而这正是人工智能被部署用于优化的关键基础设施。

当OT环境出现问题时,无论是网络攻击、故障还是操作失误,组织都需要具备开展根本原因分析的能力。然而,许多组织做不到。它们要么依赖无法覆盖OT的IT监测,要么对OT可见性投入过少,以至于事件发生时,无法确定发生了什么、何时发生以及原因何在。

人工智能的应用通过在本已缺乏可见性的环境中增加自主决策层,使这一问题进一步恶化。

亟需立即关注的两种失效情景

随着组织将自主决策引入关键基础设施,两种新兴风险情景凸显了可见性和韧性必须先于快速部署。

风险情景一:市场调整导致人工智能技术和数据消失。

人工智能在某个时点可能会出现回调。如果某个人工智能应用或相关数据一夜之间无法使用,您的运营会受到怎样的影响?组织现在就需要思考:您从人工智能供应商处获得了哪些保证和持续性承诺?如果人工智能不可用,您能否以人工方式或借助传统系统继续运营?应用速度之快,可能使组织发现自己依赖的系统突然消失。

风险情景二:人工智能盲区妨碍根本原因分析。

随着人工智能使运营环境日趋复杂,了解系统内部正在发生的事情将变得呈指数级增加的困难。无论是网络攻击、故障还是操作失误,组织都需要在运营环境中收集的数据,以支持事件发生后的根本原因分析。我们在当今环境中已然看到这一缺口。对于缺乏充分监测的组织而言,人工智能的应用将使这一问题显著恶化。

组织当前必须采取的行动

首先,组织必须建立人工智能应用的治理机制,将其历来应用于控制系统的同等测试、验证和持续评估严谨性延伸至人工智能。管理层必须认识到,若让竞争压力压倒使运营保持安全的工程纪律,将带来风险。

其次,组织必须在人工智能应用进一步加剧复杂性之前,立即部署原生于OT的可见性与监测能力。我们报告中的数据显示,具备全面OT可见性的工业组织平均在5天内即可发现并遏制勒索软件事件,而全行业平均水平为42天。防御方无法有效缓解其看不见的威胁,安全团队也无法调查从未被记录的事件。随着人工智能增加复杂性,可见性缺口只会越来越大。

第三,通过了解已在发生的威胁情景来规划应对失效。记录您的人工智能依赖关系。了解系统或供应商失效时将发生什么。在必要时,保持无人工智能情况下继续运营的能力。

防御是可以实现的

我们知道如何保护复杂的工业系统。相关人才和技术均已具备。各国可以围绕保护民众、家庭和共享基础设施形成共识。

所需要的是:认识到这是一个问题,在各组织和各行业之间展开对话以应对该问题,并付诸行动落实适当的保障措施。

在人工智能领域进行创新的压力是真实存在的,而且只会进一步加剧。但从长远来看,能够成功的组织,将是那些事先做好准备的组织。

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。