Zašto je testiranje katastrofalnog scenarija izvan proizvodnje neophodno za sigurnost kritične infrastrukture

Neviđeni prekid FAA koji je rezultirao prizemljenjem svih domaćih letova dovodi do toga da svi postavljaju pitanja:

Kako se to dogodilo?

Ko je odgovoran?

Kako spriječiti da se nešto slično ponovi?

Ovaj prekid nas je upozorio, naglašavajući da čak i sistemi za koje smatramo da su najsigurniji, najpouzdaniji i provjereni mogu otkazati.

Iako je ova vrsta ispadanja koja dostiže nivo javne svijesti rijetka, kada se dogodi u sistemu kritičnom za život, može dovesti do lavine katastrofalnih rezultata koji utiču na sigurnost, sigurnost i ekonomiju. To sada vidimo s prekidom transporta i posljedicama preopterećenja web/aplikacionih usluga preplavljenih hiljadama putnika koji se muče da stignu do svojih odredišta.

Iako se današnji prekid FAA-e smatra kvarom sistema, to je bio graciozan kvar degradacije. To znači da, srećom, nije došlo do smrtnih slučajeva zbog kvara i da se sistem efektivno isključio prije nego što je napravljena veća šteta.

Ovo je na sreću, ali ne i ohrabrujuće.

Testiranje se oduvijek koristilo u proizvodnji za otkrivanje nedostataka – simulacija kvara, na primjer, bila je metoda umjetnog „razbijanja“ uređaja kako bi se vidjelo da li će dijagnostički testovi otkriti i izolirati kvarove do njihovih osnovnih uzroka. Prilikom dizajniranja softvera, inženjeri se uče da dizajniraju prema specifikaciji onoga što bi trebao raditi funkcionalno. Mnogo manje truda utrošeno je na traženje katastrofalnih scenarija ili „savršene oluje“ uslova koji se moraju dogoditi koji dovode do kvara sistema. Predviđanje ovih stanja može nam pomoći da proaktivno izgradimo mehanizme za proaktivno otkrivanje i sprječavanje katastrofalnih kvarova.

Sprečavanje budućih zastoja i drugih kritičnih kvarova na infrastrukturi

Uz proliferaciju računarstva u oblaku i rješenja umjetne inteligencije, sada imamo dovoljno efikasne računske snage da procijenimo milione operativnih scenarija kako bismo otkrili koji slučajevi mogu dovesti do katastrofalnih scenarija.

Za FAA bi sada trebalo biti moguće proaktivno analizirati uslove i podatke sa svih domaćih aerodroma, aviona na nebu i na zemlji, kao i one predviđene za buduću upotrebu, komunikacije kontrolnog tornja i prateću infrastrukturu, putnike, vremenske prilike, i sigurnost za scenarije igranja koji mogu dovesti do kvara sistema.

Ako se uzme u obzir složenost interakcija i međuzavisnosti ovog sistema, jasno je da je zastrašujući predlog sagledati sve tačke neuspjeha.

Umjetna inteligencija može pomoći u analizi ove ogromne količine podataka kako bi se proaktivno tražili obrasci i ponašanja koja bi mogla predstavljati izazov za FAA sisteme.

Ovo nije bez presedana, jer se umjetna inteligencija koristi za bolje ispitivanje prometnih obrazaca radi optimiziranog rasporeda i logistike.

Tehnologija se takođe može primeniti kao moćan odbrambeni mehanizam za rano otkrivanje sajber napada i/ili abnormalnog ponašanja u sistemima. Ključ za efikasnu implementaciju ovakvih sistema biće izolovanje tih specifičnih izuzetaka i uslova kako bi ih mogli proveriti ljudski stručnjaci.

Mnogo je lekcija koje treba naučiti iz nestanka FAA, a vremenom ćemo imati jasniju sliku o tome šta se dogodilo. Ali, za sada je očigledno da nove tehnologije, kao što je veštačka inteligencija, koje omogućavaju proaktivno otkrivanje kvarova sistema i drugih izazova koji se mogu pojaviti, imaju istaknutu ulogu u tome kako održavamo našu kritičnu infrastrukturu u napredovanju.