Warum das Testen von Katastrophenszenarien über die Fertigung hinaus für die Sicherheit kritischer Infrastrukturen unerlässlich ist

Der beispiellose FAA-Ausfall, der dazu führte, dass alle Inlandsflüge am Boden blieben, hat alle Fragen aufgeworfen:

Wie konnte das passieren?

Wer ist verantwortlich?

Wie können wir verhindern, dass so etwas noch einmal passiert?

Dieser Ausfall hat uns aufmerksam gemacht und deutlich gemacht, dass selbst die Systeme, die wir für die sichersten, vertrauenswürdigsten und validiertesten halten, ausfallen können.

Während diese Art von Ausfall, der das öffentliche Bewusstsein erreicht, selten ist, kann er, wenn er in einem lebenskritischen System auftritt, zu einer Lawine katastrophaler Folgen führen, die die Sicherheit und die Wirtschaft beeinträchtigen. Wir sehen dies jetzt mit Unterbrechungen des Transports und den Folgen der Überlastung von Web-/App-Diensten, die von Tausenden von Passagieren überschwemmt werden, die sich bemühen, an ihr Ziel zu gelangen.

Während der heutige FAA-Ausfall als Systemausfall angesehen wird, war es ein Fehler der ordnungsgemäßen Degradation. Das bedeutet, dass glücklicherweise keine Todesfälle durch den Ausfall verursacht wurden und das System effektiv heruntergefahren wurde, bevor mehr Schaden angerichtet wurde.

Das ist erfreulich, aber nicht ermutigend.

Tests wurden in der Fertigung schon immer verwendet, um Fehler zu erkennen – die Fehlersimulation war beispielsweise eine Methode, bei der ein Gerät künstlich „zerstört“ wurde, um zu sehen, ob Diagnosetests Fehler erkennen und bis auf ihre Grundursachen isolieren würden. Beim Entwerfen von Software wird den Ingenieuren beigebracht, nach der Spezifikation dessen zu entwerfen, was sie funktional tun soll. Es wurde viel weniger Aufwand darauf verwendet, nach Katastrophenszenarien oder einem „perfekten Sturm“ von Bedingungen zu suchen, die eintreten müssen, um zu einem Systemausfall zu führen. Das Vorhersehen dieser Bedingungen kann uns dabei helfen, proaktiv Mechanismen einzubauen, um katastrophale Ausfälle proaktiv zu erkennen und zu verhindern.

Vermeidung zukünftiger Ausfälle und anderer Ausfälle kritischer Infrastrukturen

Mit der Verbreitung von Cloud-Computing- und KI-Lösungen verfügen wir jetzt über ausreichend Rechenleistung, um Millionen von Betriebsszenarien zu bewerten und zu erkennen, welche Fälle zu Katastrophenszenarien führen könnten.

Für die FAA sollte es nun möglich sein, die Bedingungen und Daten aller inländischen Flughäfen, Flugzeuge am Himmel und am Boden sowie der für den zukünftigen Einsatz geplanten, Kontrollturmkommunikation und zugehörigen Infrastrukturen, Passagiere, Wetter, und Sicherheit, um Szenarien durchzuspielen, die zu einem Systemausfall führen können.

Betrachtet man die Komplexität der Wechselwirkungen und gegenseitigen Abhängigkeiten dieses Systems, wird klar, dass es ein entmutigendes Unterfangen ist, alle Fehlerquellen zu betrachten.

Künstliche Intelligenz kann helfen, diese überwältigende Menge an Daten zu analysieren, um proaktiv nach Mustern und Verhaltensweisen zu suchen, die FAA-Systeme vor Herausforderungen stellen könnten.

Dies ist nicht beispiellos, da künstliche Intelligenz eingesetzt wurde, um Verkehrsmuster für eine optimierte Planung und Logistik besser zu untersuchen.

Die Technologie kann auch als leistungsstarker Abwehrmechanismus eingesetzt werden, um Cyberangriffe und/oder abnormales Verhalten in Systemen frühzeitig zu erkennen. Der Schlüssel zum effektiven Einsatz solcher Systeme wird darin bestehen, diese spezifischen Ausreißer und Bedingungen zu isolieren, damit sie von menschlichen Experten überprüft werden können.

Aus dem FAA-Ausfall können viele Lehren gezogen werden, und mit der Zeit werden wir ein klareres Bild davon haben, was passiert ist. Aber im Moment ist es offensichtlich, dass neue Technologien wie künstliche Intelligenz, die die proaktive Erkennung von Systemausfällen und anderen möglicherweise auftretenden Herausforderungen ermöglichen, eine herausragende Rolle dabei spielen, wie wir unsere kritische Infrastruktur in Zukunft aufrechterhalten.