AI የሚያፋጥነው የዩኒቨርሲቲ የሳይበር ክስተት ምላሽ

ብዙ ዩኒቨርሲቲዎች የሳይበር ደህንነትን “መግዛት” እንደሚቻል ይመስላቸዋል፤ አዲስ መሳሪያ እና ሶፍትዌር ገዝተው በኋላ ሁሉ ነገር ተስተካክሎ እንደሚሄድ ይጠብቃሉ። እኔ ግን በተደጋጋሚ ያየሁት ይህ ነው፦ ክስተት ሲመጣ እውነተኛው ጉዳይ ቴክኖሎጂ ብቻ አይደለም—ሰዎች፣ ሂደት እና ልምምድ ነው። በመጨረሻ ክስተት ሲከሰት የሚያድነን “የአደጋ ቀን ዝርዝር” ሳይሆን የተለመደ ተግባራዊ አቅም ነው።

ይህ ጉዳይ ለከፍተኛ ትምህርት ተቋማት ልዩ ነው፤ ካምፓስ ውስጥ የተለያዩ መሣሪያዎች (BYOD)፣ ክፍት የምርምር አውታረ-መረብ፣ አጋር ተቋማት እና በርካታ የውስጥ ስርዓቶች አሉ። እርስ በርስ የማይመሳሰሉ ክፍሎች በአንድ ኔትወርክ ላይ ሲኖሩ አደጋ በፍጥነት ይዘርፋል። ከዚህ በላይ ዛሬ በካምፓስ የሚሰሩ የAI መሳሪያዎች (ለትምህርት፣ ለምርምር፣ ለአስተዳደር) የውሂብ ፍሰትን እና የመዳረሻ መጠንን አድርገው ያሳድጋሉ። ትክክል ከተዘጋጀ ግን ይህ ተመሳሳይ ቴክኖሎጂ ራሱ ክስተት ምላሽን ሊያፋጥን ይችላል።

ይህ ጽሑፍ በ“አርቲፊሻል ኢንተሊጀንስ በመንግስታዊ አገልግሎቶች ዲጂታላይዜሽን” ተከታታይ ውስጥ የሚቀመጥ ሲሆን አንድ ሀሳብ ግልጽ ነው፦ ዩኒቨርሲቲዎች በትምህርትና በስልጠና ዘርፍ የAI መፍትሄ ሲገነቡ ከመጀመሪያው ቀን ጀምሮ ኦፕሬሽናል መቋቋምነት (operational resilience) እና የክስተት ምላሽ ዲዛይን ማድረግ አለባቸው። ያለ ይህ ፣ ዲጂታላይዜሽን ቢፋጠንም አገልግሎት በአንድ ሌሊት ሊቆም ይችላል።

የክስተት ምላሽ ስርዓት፡ የNIST 4 ደረጃዎችን በAI ማጠናከር

መልሱ ቀጥታ ነው፦ የNIST የክስተት ምላሽ ዑደት አራት ደረጃዎች አሉት—አዘጋጅት፣ መለየት/ትንታኔ፣ መከላከል/ማጥፋት/መመለስ፣ ከክስተት በኋላ ግምገማ—AI ደግሞ በእያንዳንዱ ደረጃ ጊዜን ይቆጥባል እና ውሳኔን ያበረታታል።

1) አዘጋጅት (Preparation): “እንደሚያውቅ ቡድን” ማበጀት

አዘጋጅት ማለት መሳሪያ መግዛት ብቻ አይደለም። የሚሰራ ነገር ይህ ነው፦ የቡድን ሚናዎች መግለጽ፣ የውሳኔ ሰንሰለት መቅረጽ፣ የአደጋ መግባቢያ ስርዓት ማቆም እና የመመለሻ ቅድሚያዎችን ማስቀመጥ። እዚህ ላይ AI በተለይ ሁለት ቦታ ይበልጣል፦

• የፖሊሲ/ሂደት ማስተካከያ ረዳት: በካምፓስ የተለያዩ ክፍሎች (አይቲ፣ ሕግ፣ ሕብረት ግንኙነት፣ መዝገብ አስተዳደር) የሚጠቀሙትን ቋንቋ አንድ ላይ ለማምጣት እና የመልስ መመሪያ ሰነዶችን ለማዘመን።
• የንብረት ካርታ (asset inventory) እና መጠን ግምገማ: የተለመዱ እንቅስቃሴዎች ምን እንደሆኑ ማቆጠር (baseline) ከሌለ አዲስ ልዩነት ለመለየት አይቻልም።

“ክስተት ምላሽ የሚያሸንፈው ቡድን መሳሪያ ብዛት ሳይሆን የተለመደ ሂደት ነው።”

2) መለየትና ትንታኔ (Detection & Analysis): የ“ድምጽ”ን ከ“ምልክት” መለየት

ካምፓስ ኔትወርክ ከፍተኛ የሎግ መጠን አለው። ብዙ ማስጠንቀቂያ ካለ ሁሉ ነገር አደጋ ይመስላል፤ አነስተኛ ካለ ደግሞ አደጋ እየተሸሸገ ሊሄድ ይችላል። እዚህ ላይ የAI ተግባራዊ እርዳታ ግልጽ ነው፦

• የሐሰተኛ ማስጠንቀቂያ መቀነስ (false positives): ከተማሪ ኔትወርክ፣ ከመምህራን ላፕቶፖች እና ከምርምር ላብ ሰርቨሮች የሚመጡ ልዩ ልዩ እንቅስቃሴዎችን በተለመዱ ሁኔታዎች ላይ አስቀድሞ በማስተማር የሚታመን አስተያየት ማቅረብ።
• ባህሪ መለየት (behavior analytics): “ተማሪ A በተለመዱት ሰዓታት እና ቦታ እንጂ ዛሬ ከሌላ አገር ለመግባት ሞክሯል” ያለውን ልዩነት መያዝ።

የሚያስጠነቅቀው ነገር ይህ ነው፦ AI ለመስራት “መደበኛ ሁኔታ” መታወቅ አለበት። ባለመገንባቱ ካምፓስ ውስጥ ያለ ሁሉንም ነገር አደጋ ሊያደርግ ይችላል—ወይም አደጋን ሊያልፍ ይችላል።

ልምምድ የሚያደርገው ልዩነት፡ የTabletop ልምምዶችን በAI ማበርታት

መልሱ ቀጥታ ነው፦ ክስተት ምላሽ በልምምድ ይሻላል፤ tabletop ልምምድ ሳይደረግ ክስተት ቀን ላይ ሂደቶች አይንቀሳቀሱም።

Tabletop ልምምድ ሲባል ሰዎች ብዙ ጊዜ “አይቲ ብቻ ይደርገዋል” ይላሉ። ትክክል አይደለም። በካምፓስ ውስጥ ክስተት ሲከሰት የሚወስኑ ነጥቦች ብዙውን ጊዜ ቴክኒካል ብቻ አይደሉም—እንደ መረጃ ግላዊነት፣ የህግ ግዴታ፣ የተማሪ አገልግሎት ቀጣይነት እና የህዝብ ግንኙነት ይገባሉ።

AI እዚህ ላይ የሚያግዝበት መንገድ የተግባር ነው፦

1. የልምምድ ሴነርዮ ፈጠራ: ለካምፓስ ባህሪ የተስተካከለ ሁኔታ—ለምሳሌ የምዝገባ ስርዓት በየሴሚስተሩ መጨረሻ ተገግቷል እና በተመሳሳይ ጊዜ የማስተማሪያ መድረክ ወደ ውጭ ውሂብ ለመላክ መጀመር አለበት ያለ ሴነርዮ።
2. የውሳኔ የጊዜ ማዕቀፍ ማስተካከያ: “በ15 ደቂቃ ውስጥ ማን ይጠራ? በ60 ደቂቃ ውስጥ የትኛው አገልግሎት ይቆማል?” የሚለውን ግልጽ ማድረግ።
3. ከልምምድ በኋላ አጭር ግምገማ (after-action notes): የተወሰኑ ቁጥሮችን ማስቀመጥ—እንደ “የመጀመሪያ ማስጠንቀቂያ እስከ እውነተኛ ማረጋገጥ 45 ደቂቃ ወሰደ”፣ “የሚና ግልጽነት ክፍተት በ3 ክፍሎች ታየ”።

በዲሴምበር መጨረሻ (የዓመት መዝጊያ) የበዓላት እና የፈተና ዘመን ሲደርስ ብዙ ተቋማት በሰው ኃይል ይቀንሳሉ። ይህ በእውነት የሳይበር ጥቃት የሚወደደው ወቅት ነው፤ ስለዚህ tabletop ልምምድ በቅድሚያ ማድረግ እና የእረፍት ሰዓት መርሀ-ግብር ማስቀመጥ ያስፈልጋል።

መሳሪያ ካለ ብቻ አይደለም፡ የAI የደህንነት መሳሪያዎችን እንዲሰሩ ማድረግ

መልሱ ቀጥታ ነው፦ የደህንነት መሳሪያ መግዛት የመመለሻ አቅምን አይፈጥርም፤ መቼት (configuration)፣ ቱኒንግ (tuning) እና ተግባራዊ መለኪያ (metrics) ይፈጥረዋል።

በስራ ላይ የሚከሰት ብዙ ስህተት ይህ ነው፦ የEndpoint Detection & Response (EDR) ወይም የSecurity Information and Event Management (SIEM) ተጭኗል እና “እንደተጠበቀ” ተብሎ ተተውቷል። እንዲህ ሲሆን የAI ክፍሎች እንኳ ያላስተማሩ ሊሆኑ ይችላሉ—እንዲሁም አዲስ እንቅስቃሴን ለመለየት መርሀ-ግብር አይኖርም።

በካምፓስ ለሚሰሩ ቡድኖች የተግባር ቼክሊስት

• አንድ ተቋማዊ baseline ይገንቡ: የመለያየት ህጎች የሚመሠረቱት በመደበኛ ባህሪ ላይ ነው።
• ማስጠንቀቂያ ክብደት ይመዝኑ: ሁሉን ከፍ ማድረግ ማለት ምንም ነገር ከፍ አይደለም።
• የአውቶሜሽን ደረጃ ይወስኑ: ምን ነገር በራስ-ሰር ይደረግ? ምን ነገር ሰው እንዲያረጋግጥ ይፈልጋል?
• የመመለሻ መለኪያዎች (KPIs) ያስቀምጡ: ለምሳሌ የመጀመሪያ መለየት ጊዜ (MTTD)፣ የመገደብ ጊዜ (MTTC)፣ የመመለስ ጊዜ (MTTR)።

AI እውነተኛ እርዳታውን የሚያሳየው ሲሆን የመጀመሪያ እርምጃ ግን “መሳሪያው ትክክል እንዲሰራ” ነው። ያልተቀናበረ AI ማለት ፈጣን ውሳኔ ሳይሆን ፈጣን ውሳኔ ስህተት ሊሆን ይችላል።

AI የሚያበረታታው ኦፕሬሽናል መቋቋምነት፡ ከክስተት በፊት መቆም ማለት ምንድን ነው?

መልሱ ቀጥታ ነው፦ AI የሚረዳው በክስተት ጊዜ ብቻ አይደለም፤ በክስተት በፊት ምልክቶችን በመለየት እና የቀጣዩን ጥቃት እንዳይደገም በመተንበይ ይረዳል።

እዚህ ውስጥ የሚገባው ትንሽ አስተያየት አለኝ፦ ብዙ ተቋማት የሚያስቡት “በክስተት ጊዜ መድረስ” ነው። እኔ ግን “ክስተት እንዳይሰፋ” ማድረግ ነው የምትሸነፉበት ነገር እላለሁ። አስተዳደራዊ እና የትምህርት አገልግሎቶች በዲጂታል መንገድ ሲሰጡ ከተቋማዊ መቋቋምነት ጋር መሄድ አለባቸው። ይህ በመንግስታዊ ዲጂታላይዜሽን ላይ የምንሰራውን መርሃ-ግብር ጋር በቀጥታ ይገናኛል፦ አገልግሎት ፈጣን መሆን ብቻ አይበቃም፤ በችግኝ ጊዜ መቆም የማይችል መሆን አለበት።

የAI-የተመራ ክስተት አስተዳደር በካምፓስ ላይ እንዴት ይታያል?

• በቅድሚያ የሚገኙ ምልክቶች: የመግቢያ ሞክሮ መጠን በአንድ ክፍል ላይ እየጨመረ መምጣት፣ ያልተለመደ የውሂብ መላኪያ እና ያልተለመደ የመተግበሪያ ፍሰት።
• የውሳኔ ድጋፍ: “ይህን ሰርቨር አሁን ብናስቆም የትኛው አገልግሎት ይቆማል?” ያለውን ጥያቄ በስርዓት ካርታ ላይ በፍጥነት መመልስ።
• ራስ-ሰር መውጫ እርምጃዎች: አካውንት ማግለል፣ መሳሪያ ከኔትወርክ መለየት እና የተጠረጠሩ ፋይሎች ማገድ—እነዚህ ሁሉ በሰው ማረጋገጥ ጋር የተመጣጠኑ መሆን አለባቸው።

ለዩኒቨርሲቲ እና ለማህበረ-ትምህርት መሪዎች የሚሰሩ ቀጣይ እርምጃዎች

መልሱ ቀጥታ ነው፦ በ30 ቀን ውስጥ የሚታይ ማሻሻያ ለማምጣት አዘጋጅት፣ ልምምድ እና መሳሪያ ቱኒንግ በአንድ ላይ መንቀሳቀስ ያስፈልጋል።

1. የክስተት ምላሽ ቡድን (IRT) ስም እና ሚና አጠናክሩ: ቴክኒካል/ቴክኒካል ያልሆኑ አባላትን ጨምሩ።
2. አንድ 90 ደቂቃ የtabletop ልምምድ ያድርጉ: የምዝገባ እና የLMS ስርዓት የሚነካ ሴነርዮ ይምረጡ።
3. AI ማስጠንቀቂያ እና ራስ-ሰር እርምጃ ደረጃ ይወስኑ: ከፍተኛ አደጋ ላይ ብቻ አውቶሜሽን ይጀምሩ።
4. የመመለሻ አቅም ፈተና ያድርጉ: መቼ እና እንዴት መመለስ እንደሚቻል በተግባር ያረጋግጡ (backup ማረጋገጥ ብቻ አይበቃም)።

ክስተት ምላሽ ከስልጠና ዘርፍ ጋር በቀጥታ ይገናኛል፤ እሱ ከፍተኛ ትምህርት ተቋም ለመማር የሚያበቃ እና ለህዝብ ዲጂታል አገልግሎት የሚሰጥ መሠረት ነው። በAI የተመራ ክስተት አስተዳደር አዲስ ፋሽን አይደለም—በዲጂታላይዜሽን ዘመን የአገልግሎት ቀጣይነት መመሪያ ነው።

እስቲ አንድ ጥያቄ ብቻ ይውሰዱ፦ በካምፓሳችሁ የመጀመሪያ ማስጠንቀቂያ ከመጣ በኋላ በ60 ደቂቃ ውስጥ የምታደርጉት እርምጃ በማን እጅ እንዳለ በግልጽ ታውቃላችሁ?