AI 人工智慧在安全產業中正獲得大量關注和討論。儘管AI的定義眾說紛紜，但業界專家一致認為，其真正潛力仍有待發掘。數位轉型對未來企業至關重要，而AI則是這場變革的核心，帶來無限的可能性，提升效率和營運效能。
AI的採用是否已達臨界點？
AI應用需要大量的運算能力，依賴複雜的深度學習模型和強大的技術，例如圖形處理單元（GPU）。此外，大數據創新、演算法改進，以及最關鍵的財務與投資領域的發展，也推動了AI技術的進步。如今，各類企業、學術機構與政府機關 - 無論規模大小 - 都在積極投資AI。
風險評估
AI的應用潛力極大，但也伴隨著相當的風險。正如AI能被用於抵禦網路攻擊，駭客與犯罪組織同樣也能利用AI來發動攻擊，尋找系統漏洞並開發新的攻擊手段。
傳統安全技術主要用於限制和驗證存取權限、身份認證，或進行環境監控以偵測與威懾威脅。過去，這些技術專注於保護企業資產與設施，但現今，實體安全系統越來越多地與其他業務系統（如HVAC、HR、行銷系統）相連接。
部分企業高層過去可能認為安全技術會影響業務發展，但事實上，當安全技術被用來提升企業營運效率、提升靈活性並推動創新時，它反而能成為一種競爭優勢。
安全技術的潛力
充分利用安全技術的潛力，能夠為企業提供更高的可視性和業務洞察力，幫助決策者做出真正基於數據的決策，從而優化和提升業務運作。
例如，在實體零售環境中，AI能提供關鍵的客戶數據，包括人流統計、排隊管理、停留時間、熱點圖以及人口統計資訊 - 所有數據均經過匿名處理，以確保隱私安全。這些數據不僅能為企業帶來商業利益，還能提升公共安全，例如搜尋失蹤兒童。透過AI分析監控攝影機的元數據，系統能根據特定外貌特徵搜尋目標，無需手動查看數小時的錄影畫面。
此外，這些數據可傳輸至雲端或遠端監控中心，例如警報中心或視頻監控中心，以提高偵測準確性，加快調查進程，並在必要時自動觸發回應。
風險因素
雖然這些技術能為企業提供寶貴的數據洞察，但若缺乏整合，它們的效能將受到限制。只有當技術能夠連接其他系統並對數據進行深入分析時，才能發揮真正的價值。
例如，在建築管理系統中，安全技術可以與HVAC（暖通空調）整合，以控制照明與空調，使企業能夠實現節能減碳目標。然而，這種整合需要開放數據傳輸通道，使安全系統的數據能夠在企業內部共享，這也帶來了潛在的網路安全風險。
傳統的安全系統通常運行在獨立的封閉網路中，不對外廣播訊號，從而提供高度安全的防護。然而，當我們開始開放存取權限並允許安全設備在網路上共享數據時，這種模式將帶來新的安全挑戰。
AI的真正價值在於提升業務營運效率，減少重複性與耗時的任務，讓企業與員工能夠專注於更重要的領域。但當我們將多個系統與基礎架構相互連結並共享數據時，也增加了潛在的網路安全風險。
要降低這些風險，關鍵在於明確責任歸屬，確保從端到端的安全管理。在日益互聯的環境中，個人、部門、設備與技術相互交織，責任邊界變得模糊，進而增加了風險。當企業面臨網路攻擊時，確定責任人將變得更加困難。
下一步該怎麼做？
企業不應因為AI技術帶來的風險而驚慌，甚至停止採用AI技術。相反地，應當像評估任何其他IT、IoT或OT技術一樣，對AI技術進行網路安全審查，確保數據的收集、管理與共享符合安全標準。
為了降低風險，未來企業需要開發更複雜的工具來保護AI應用程序，並減輕可能的安全威脅。目前，AI仍處於發展初期，未來仍可能出現漏洞、錯誤或供應商的安全疏忽。供應商可能會為了快速將產品推向市場，而忽略網路安全問題，這種情況下，風險可能遠大於收益。
因此，在評估這些技術時，仍應遵循傳統的安全最佳實踐。這代表要評估提供技術的組織，確保他們能夠證明其網路成熟度。滲透測試技術或至少執行漏洞掃描，並評估其安全功能的有效性，因為這些也至關重要。同樣重要的是檢查供應商是否有適當的策略來支援技術的發展，包括漏洞管理政策、安全公告通知和韌體更新。
最後，企業還應審視自身的網路安全策略，確保其符合當前的安全標準。例如，考慮是否應採用「零信任安全模型」，以及如何調整採購策略來提升整體安全性。
