Jiunge na jarida letu la kila siku na la kila wiki kwa sasisho mpya na yaliyomo kipekee kwenye chanjo inayoongoza ya AI. Jifunze zaidi AI inabadilisha njia ya biashara inavyofanya kazi. Wakati mengi ya mabadiliko haya ni mazuri, inaleta wasiwasi wa kipekee wa cybersecurity. Maombi ya AI ya kizazi kijacho kama wakala wa AI husababisha hatari kubwa kwa mkao wa usalama wa mashirika. Je! AI ya wakala ni nini? Wakala AI inahusu mifano ya AI ambayo inaweza kutenda kwa uhuru, mara nyingi huelekeza majukumu yote bila pembejeo kidogo ya mwanadamu. Chatbots za hali ya juu ni kati ya mifano maarufu zaidi, lakini mawakala wa AI wanaweza pia kuonekana katika matumizi kama akili ya biashara, utambuzi wa matibabu na marekebisho ya bima. Katika visa vyote vya utumiaji, teknolojia hii inachanganya mifano ya uzalishaji, usindikaji wa lugha asilia (NLP) na kazi zingine za kujifunza mashine (ML) kufanya kazi za hatua nyingi kwa kujitegemea. Ni rahisi kuona thamani katika suluhisho kama hilo. Inaeleweka, Gartner anatabiri kwamba theluthi moja ya mwingiliano wote wa AI wa uzalishaji utatumia mawakala hawa ifikapo 2028. Hatari za kipekee za usalama wa kupitishwa kwa wakala wa AI AIT zitakua wakati biashara zinatafuta kukamilisha kazi kubwa bila nguvu kazi. Kama kuahidi kama hiyo, ingawa, kutoa mfano wa AI nguvu nyingi ina athari kubwa ya cybersecurity. Mawakala wa AI kawaida huhitaji ufikiaji wa idadi kubwa ya data. Kwa hivyo, ni malengo kuu kwa wahusika wa mtandao, kwani washambuliaji wanaweza kuzingatia juhudi kwenye programu moja ya kufunua habari kubwa. Ingekuwa na athari sawa na whaling – ambayo ilisababisha dola bilioni 12.5 katika hasara mnamo 2021 pekee – lakini inaweza kuwa rahisi, kwani mifano ya AI inaweza kuwa ya kuhusika zaidi kuliko wataalamu wenye uzoefu. Uhuru wa AI ya AIC ni wasiwasi mwingine. Wakati algorithms zote za ML zinaanzisha hatari kadhaa, kesi za kawaida za utumiaji zinahitaji idhini ya wanadamu kufanya chochote na data zao. Mawakala, kwa upande mwingine, wanaweza kutenda bila kibali. Kama matokeo, mfiduo wowote wa faragha wa bahati mbaya au makosa kama mioyo ya AI inaweza kupita bila mtu yeyote kugundua. Ukosefu huu wa usimamizi hufanya vitisho vya AI vilivyopo kama sumu ya data kuwa hatari zaidi. Washambuliaji wanaweza kuharibu mfano kwa kubadilisha asilimia 0.01 tu ya data yake ya mafunzo, na kufanya hivyo kunawezekana na uwekezaji mdogo. Hiyo inaharibu katika muktadha wowote, lakini hitimisho mbaya la wakala aliye na sumu lingefika mbali zaidi kuliko ile ambayo wanadamu wanakagua matokeo ya kwanza. Jinsi ya kuboresha cybersecurity ya wakala wa AI kwa kuzingatia vitisho hivi, mikakati ya cybersecurity inahitaji kuzoea kabla ya biashara kutekeleza matumizi ya wakala wa AI. Hapa kuna hatua nne muhimu kuelekea lengo hilo. 1. Kuongeza Kuonekana Hatua ya kwanza ni kuhakikisha timu za usalama na shughuli zinaonekana kabisa katika mtiririko wa wakala wa AI. Kila kazi inakamilisha, kila kifaa au programu inayounganisha na data yote ambayo inaweza kupata inapaswa kudhihirika. Kufunua mambo haya itafanya iwe rahisi kuona udhaifu unaowezekana. Vyombo vya uchoraji wa mtandao wa moja kwa moja vinaweza kuwa muhimu hapa. 23% tu ya viongozi wa IT wanasema wana mwonekano kamili katika mazingira yao ya wingu na 61% hutumia zana nyingi za kugundua, na kusababisha rekodi mbili. Admins lazima ashughulikie maswala haya kwanza kupata ufahamu muhimu wa kile mawakala wao wa AI wanaweza kupata. Kuajiri kanuni ya upendeleo mdogo mara tu ni wazi ni nini wakala anaweza kuingiliana, biashara lazima zizuie haki hizo. Kanuni ya upendeleo mdogo – ambayo inashikilia kuwa chombo chochote kinaweza kuona na kutumia kile kinachohitaji kabisa – ni muhimu. Database yoyote au matumizi ya wakala wa AI anaweza kuingiliana na ni hatari inayowezekana. Kwa hivyo, mashirika yanaweza kupunguza nyuso za kushambulia na kuzuia harakati za baadaye kwa kupunguza ruhusa hizi iwezekanavyo. Chochote ambacho hakichangia moja kwa moja kusudi la kuendesha gari la AI linapaswa kuwa na mipaka. Punguza habari nyeti vivyo hivyo, viboreshaji vya mtandao vinaweza kuzuia uvunjaji wa faragha kwa kuondoa maelezo nyeti kutoka kwa hifadhidata AI yao ya Agentive inaweza kupata. Kazi nyingi za mawakala wa AI kwa kawaida zinajumuisha data ya kibinafsi. Zaidi ya 50% ya matumizi ya AI ya uzalishaji itaenda kwenye mazungumzo, ambayo inaweza kukusanya habari juu ya wateja. Walakini, sio maelezo haya yote ni muhimu. Wakati wakala anapaswa kujifunza kutoka kwa mwingiliano wa zamani wa wateja, haiitaji kuhifadhi majina, anwani au maelezo ya malipo. Kupanga mfumo wa kugundua habari isiyo ya lazima ya kibinafsi kutoka kwa data inayoweza kupatikana itapunguza uharibifu katika tukio la uvunjaji. Angalia biashara za tabia za tuhuma zinahitaji kutunza wakati wa programu ya AI ya Agentive, pia. Itumie kwa kesi moja, ndogo ya matumizi kwanza na utumie timu tofauti kukagua mfano wa ishara za upendeleo au maoni wakati wa mafunzo. Inapofika wakati wa kupeleka wakala, kuipeleka polepole na kuifuatilia kwa tabia ya tuhuma. Usikivu wa wakati halisi ni muhimu katika ufuatiliaji huu, kwani hatari za AI za AI zinamaanisha uvunjaji wowote unaweza kuwa na athari kubwa. Kwa kushukuru, ugunduzi wa kiotomatiki na suluhisho za majibu ni bora sana, kuokoa wastani wa $ 2.22 milioni katika gharama za uvunjaji wa data. Mashirika yanaweza kupanua mawakala wao wa AI polepole baada ya jaribio lililofanikiwa, lakini lazima waendelee kufuatilia matumizi yote. Kama maendeleo ya cybersecurity, ndivyo lazima mikakati ya cybersecurity ya haraka ya AI ina ahadi kubwa kwa biashara za kisasa, lakini hatari zake za cybersecurity zinaongezeka haraka. Ulinzi wa cyber wa biashara lazima uwe juu na kusonga mbele pamoja na kesi za matumizi ya AI. Kukosa kuendelea na mabadiliko haya kunaweza kusababisha uharibifu ambao unazidi faida za teknolojia. AI ya Agentive itachukua ML kwa urefu mpya, lakini hiyo hiyo inatumika kwa udhaifu unaohusiana. Wakati hiyo haitoi teknolojia hii sio salama sana kuwekeza, inahakikisha tahadhari ya ziada. Biashara lazima zifuate hatua hizi muhimu za usalama wakati zinapotoa programu mpya za AI. Zac Amos ni mhariri wa makala huko Rehack. Wateja wa data wanakaribishwa kwa jamii ya VentureBeat! Datadecisionmaker ni mahali wataalam, pamoja na watu wa kiufundi wanaofanya kazi ya data, wanaweza kushiriki ufahamu unaohusiana na data na uvumbuzi. Ikiwa unataka kusoma juu ya maoni ya kukata na habari mpya za kisasa, mazoea bora, na mustakabali wa data na teknolojia ya data, ungana nasi kwenye DataDecisionmaker. Unaweza kufikiria hata kuchangia nakala yako mwenyewe! Soma zaidi kutoka kwa wafanyabiashara wa data
Leave a Reply