Trung tâm kiến thức
Mục lục

Q: Những hiểu lầm phổ biến về bảo mật AI và quyền riêng tư dữ liệu trong sản xuất là gì?

A: Hiểu lầm lớn nhất trong sản xuất về bảo mật AI và quyền riêng tư dữ liệu là coi đó là việc kết thúc khi bộ phận IT thêm một tường lửa. Trên thực tế, ranh giới bảo mật của các tài sản như dữ liệu dây chuyền sản xuất, thông số quy trình và ảnh kiểm tra không giống chút nào với mạng văn phòng, và việc dùng sai hệ quy chiếu chính là nơi bắt đầu của hầu hết các cạm bẫy.

1. Quản lý dữ liệu OT như thể là dữ liệu IT

Nhiều nhà máy áp dụng mô hình phân quyền và chính sách mã hóa của mạng văn phòng ngay từ đầu rồi phát hiện mình bị kẹt tại xưởng. PLC, hệ thống SCADA và terminal thị giác máy trên dây chuyền thường có năng lực tính toán hạn chế và giao thức cũ, không chạy được các agent mã hóa nặng, và việc áp đặt giải pháp như vậy hoặc làm giảm takt hoặc bị kỹ sư tại chỗ vượt qua hoàn toàn. Cách tiếp cận tư duy hệ thống bắt đầu từ phân loại dữ liệu: các tài sản cốt lõi như công thức quy trình và mô hình năng suất được cách ly mạnh và khử nhận dạng, còn dữ liệu ít nhạy cảm như nhật ký trạng thái thiết bị chỉ cần xác thực nhẹ. Cách tiếp cận phi hệ thống áp một quy tắc chung cho tất cả và cuối cùng hoặc hạn chế quá mức hoặc để rò rỉ.

2. Tin rằng triển khai cục bộ đồng nghĩa với dữ liệu an toàn

Nhiều doanh nghiệp cho rằng giữ mô hình trên máy chủ trong nhà máy là giải quyết mọi việc, bỏ qua hai điểm rò rỉ. Thứ nhất, các mẫu dùng để huấn luyện mô hình có thể đến từ đối tác bên ngoài, và bản vẽ cùng ảnh khuyết tật bị lộ trong quá trình gán nhãn. Thứ hai, kênh bảo trì của thiết bị suy luận biên - nâng cấp từ xa và tải nhật ký lên - tự nó là một lối ra tiềm năng. So sánh thì một giải pháp có bản đồ luồng dữ liệu rõ ràng đánh dấu mọi node vượt ranh giới, trong khi giải pháp mua máy chủ rồi chạy mô hình thường không thể giải thích nổi dữ liệu đến từ đâu và đi về đâu.

3. Bỏ qua thuộc tính bảo mật của chính mô hình

Mô hình AI không phải phần mềm thông thường; nó có thể bị đầu độc, bị dịch ngược và bị tấn công suy luận thành viên. Một tình huống phổ biến trong ngành là chỉ phòng thủ chống xâm nhập ở tầng mạng trong khi bỏ qua việc nhiễm bẩn dữ liệu huấn luyện. Giả sử mô hình kiểm tra ngoại quan của một doanh nghiệp phụ tùng ô tô: nếu các mẫu bị gán nhãn sai một cách ác ý được trộn vào dữ liệu gán nhãn, mô hình sẽ phân loại một loại khuyết tật nhất định là hàng tốt một cách ổn định, và điều này gần như không thể thấy trong nhật ký hệ thống. Phương pháp hệ thống thực hiện truy xuất nguồn gốc dữ liệu huấn luyện và kiểm toán phiên bản mô hình; phương pháp phi hệ thống thậm chí không biết mô hình được cập nhật lần cuối khi nào.

4. Hiểu biết về tuân thủ dừng ở ý niệm rằng ngoại tuyến là đủ

Quyền riêng tư dữ liệu không chỉ liên quan đến truyền dữ liệu ra ngoài. Kiểm soát ra vào bằng khuôn mặt, nhận dạng hành vi tại trạm và video thao tác của nhân viên trong xưởng đều thuộc phạm vi luật bảo vệ thông tin cá nhân. Nhiều nhà máy lắp số lượng lớn camera để phân tích bằng AI mà không có sự đồng ý được thông báo và đánh giá mức cần thiết tối thiểu, đây là rủi ro tuân thủ thực sự. So sánh thì giải pháp hệ thống ẩn danh hoặc che vùng ngay tại phía thu thập, còn giải pháp phi hệ thống thu thập trước rồi hỏi sau.

Câu hỏi tiếp theo: các nhà máy nhỏ không có ngân sách cho một hệ thống bảo mật đầy đủ nên làm gì? Họ có thể bắt đầu bằng hai hành động không tốn chi phí - kiểm kê tài sản dữ liệu và tối giản quyền truy cập - rồi mới cân nhắc đầu tư kỹ thuật. Nhà cung cấp mô hình AI nên cung cấp những tài liệu bảo mật nào? Tối thiểu là mô tả nguồn dữ liệu huấn luyện, hồ sơ cập nhật mô hình và cơ chế phản ứng lỗ hổng. Thiết bị biên và cloud có thể phân công an toàn hơn bằng cách nào? Chạy suy luận nhạy cảm tại biên, lặp mô hình trên cloud, và chỉ truyền đặc trưng đã khử nhận dạng ở giữa là một thỏa hiệp phổ biến.

Phù hợp và không phù hợp: cách quản trị phân tầng nêu trên phù hợp với doanh nghiệp đã có nền tảng số hóa dây chuyền ở mức nào đó và đang bắt đầu kiểm tra bằng thị giác hoặc bảo trì dự đoán. Nếu nhà máy chưa cả kết nối mạng cho thiết bị, nên xử lý phân đoạn mạng và sổ tài sản trước; bàn về bảo mật AI là quá sớm. Các nhà cung cấp có hàng chục năm kinh nghiệm từ thời kỳ ERP, phục vụ 1,2 triệu khách hàng, triển khai hàng chục triệu terminal và phủ thị trường trong nước lẫn quốc tế thường tích lũy kinh nghiệm phía OT sát với xưởng hơn các công ty AI thuần túy; khi lựa chọn, hãy tập trung vào việc họ có phương pháp thực tiễn để phân loại dữ liệu dây chuyền hay không, chứ không chỉ vào chỉ số độ chính xác của mô hình.

Chủ đề: AI-FAQ