Providence的网络安全团队负责保护51家医院和1000多家诊所。在如此规模下，网络安全必须基于威胁情报、以风险为导向，并作为业务推动者运作：可衡量、适应性强，并且越来越多地由人工智能(AI)增强。
当前讨论最多的就是最后这部分——AI增强。我想坦率地说明我们如何处理这一问题，因为在谈论AI和实际部署能在压力下经受考验的AI之间存在很大区别。
AI是一种能力，而非策略
我们首先需要正确理解的是框架。AI不是一种策略，而是一种能力——与任何能力一样，它必须与问题相匹配。
我们为不同工作使用不同工具。一些AI帮助我们的团队更快地沟通、管理收件箱、起草内容，并更高效地处理常规工作。这些很有价值，但与我们在调查威胁、关联临床和企业环境中的遥测数据，或在时间压力下做出风险决策时需要的AI并非同一类。
对于后者，我们需要更深层次的工具。我们需要能够解决复杂问题并帮助我们更快找到答案的工具。我们有意识地分层实施这些能力，而不是强迫单一平台完成所有任务；不同问题，不同工具。
AI在低影响、高频率任务中的应用
我们在多个领域已经超越了试点阶段。AI正在积极减少团队处理低影响、高频率工作的工作量。它通过汇总以前需要数小时人工努力的信息，帮助处理警报、设备和系统遥测以及网络上系统生成的其他数据。仅合规工作流程方面，我们就已实现显著效率提升，在某些领域完成任务的速度比以往快四倍以上，团队正将这些节省的时间重新投入更高价值的工作。
虽然AI可以加速数据处理并突出显示关注区域，但影响风险、运营和患者安全的决策仍然牢牢掌握在人类手中。这在临床环境中尤为重要，因为即使是微小的干扰也可能产生连锁后果。
我们坚持的原则是：AI处理数据收集和重复性任务，而人类负责风险决策、分析和判断。
在不扩大团队规模的情况下扩展
事实很清楚：我们工作的数量和复杂性增长速度比人员编制快得多。我们不会大幅扩编，因此AI必须帮助吸收额外工作量。
这意味着利用AI帮助较小的团队处理更多警报、处理更多数据，并在不导致团队精疲力竭的情况下更快响应。团队中的每个人都需要学习并使用AI作为日常工作的组成部分：识别使用场景、尝试并改进。
审慎的AI采用方法
AI能力不会急于投入生产环境。新工具和用例首先在受控环境中进行评估，以了解其影响，然后再进行更广泛部署。
这种"测试、验证、扩展"的模式反映了医疗保健行业的现实，其中必须谨慎引入变更以避免意外后果。当系统与临床工作流程相交或以任何方式影响患者护理时，这一点尤为重要。出错的代价太高，必须在生产前进行测试和验证。
AI助力应对不断变化的威胁环境
这项工作是在威胁环境快速变化的背景下进行的。AI正在提高防御者和攻击者的活动速度和规模。"AI正在压缩攻击生命周期"——以前需要数周(侦察、载荷开发、交付)的工作，现在可能在数天或几小时内完成。我们已看到确认的报告，表明AI可实现可用的零日漏洞攻击，供应商安全事故和漏洞数量持续上升。
对于医疗保健组织而言，这加剧了已有的复杂挑战：管理更多联网设备、供应商依赖关系，以及在不干扰护理的情况下快速响应的压力。我们正在投资改善对联网临床环境的可见性，AI正越来越多地帮助我们关联这些环境中的信息，并突出需要关注的内容。
AI使医疗保健网络安全方法更加全面
Providence的经验展示了医疗保健网络安全的更广阔方向。
AI正成为我们日常运营的组成部分。它在整个Providence网络安全中充当力量倍增器：帮助团队更快行动、更清晰洞察，并在压力下做出更好决策。
但如果没有纪律约束，这一切都将失效。尤其是在医疗保健领域，没有控制的速度会带来风险。我们的重点是确保AI以正确的方式扩展——与我们管理风险、保护患者和支持临床运营的方式保持一致。
Mike Ratliff是Providence的高级副总裁兼首席信息安全官，领导着涵盖51家医院和1000多家诊所的企业网络安全和应急管理。他在医疗保健、政府和国防领域拥有37年以上的经验，在过去11年多的时间里，他将Providence的网络安全计划建设成为一个成熟、全球集成化的职能，专注于风险管理、威胁检测与响应以及运营韧性。
Sam Templeton是Providence的网络安全沟通、意识与教育总监，Providence是一个全国性的天主教非营利医疗系统。Sam负责为所有30万名医护人员培养信息安全文化，确保所有网络安全计划的有效变革管理，并在网络安全事件期间进行沟通管理。
【全文结束】