Whalesbook
சைபர் பாதுகாப்பு கட்டமைப்பில் ஒரு மாற்றம்
Mythos AI-யின் வருகை, வழக்கமான பாதுகாப்பு முறைகளில் இருந்து ஒரு பெரிய மாற்றத்தைக் குறிக்கிறது. இந்த AI தொழில்நுட்பம், நிஜ நேரத்தில் மென்பொருள் பாதிப்புகளைக் கண்டறிந்து, தானாகவே அவற்றைச் சுரண்டுகிறது. இதனால், பழைய ஃபயர்வால் அமைப்புகள் பயனற்றதாகிவிடும். இந்திய ரிசர்வ் வங்கியின் (RBI) சமீபத்திய உத்தரவு, வங்கிகள் தங்கள் டிஜிட்டல் பாதுகாப்பை வலுப்படுத்தவும், AI மூலம் வேகமாக நடக்கும் ஊடுருவல்களை எதிர்கொள்ளவும் வலியுறுத்துகிறது. பாதுகாப்புத் துறையில் தானியங்கி முறை (Automation) வந்த பிறகு, மனிதர்களின் மேற்பார்வை மட்டும் போதாது என்பதை இது உணர்த்துகிறது.
அமைப்பு ரீதியான பாதிப்புகள் மற்றும் மேற்பார்வை
வழக்கமான பாதுகாப்பு மென்பொருட்களைப் போலல்லாமல், Anthropic-ன் இந்த AI ஒரு மாறும் ஆபத்து சுயவிவரத்தை (Dynamic Risk Profile) அறிமுகப்படுத்துகிறது. தானியங்கி அமைப்புகள், இந்திய வங்கித் துறையில் உள்ள அமைப்பு ரீதியான குறைபாடுகளை மனித ஆய்வாளர்களை விட வேகமாக கண்டறியக்கூடும் என்ற கவலையை மத்திய வங்கி வெளிப்படுத்துகிறது. இது போன்ற டிஜிட்டல் மாற்றங்களின்போது, குறிப்பாக AI-யின் செயல்பாடு வெளிப்படையாக இல்லாதபோது, நிதி அமைப்புகள் அதிக நிலையற்ற தன்மையை அனுபவிக்கும்.
மேலும், வெளிநாடுகளில் உருவாக்கப்பட்ட AI மாடல்களை நம்பியிருப்பது ஒரு புவிசார் அரசியல் சார்புநிலையை (Geopolitical Dependency) உருவாக்குகிறது. அதிநவீன பாதுகாப்பு கருவிகளின் நன்மைகளை, வெளிநாட்டு தொழில்நுட்பத்தின் ஆபத்துகளுடன் சமன் செய்ய RBI முயற்சிக்கிறது.
கட்டமைப்பு சார்ந்த ஆபத்துகள் (Structural Risks)
முதலீட்டாளர் உணர்வைப் பராமரிக்க RBI-யின் நம்பிக்கை அவசியமானாலும், AI மூலம் ஏற்படும் பாதிப்புகளைக் குறைப்பதில் உள்ள சிரமத்தை இது குறைத்து மதிப்பிடக்கூடும். ஒரு முக்கிய ஆபத்து என்னவென்றால், தாக்குதல் நடத்தும் AI-க்கும், அதைப் பாதுகாக்க உருவாக்கும் பேட்ச்களுக்கும் (Patches) இடையே உள்ள கால தாமதம். Mythos போன்ற தளங்கள், பழைய இயங்குதளங்களில் இயங்கும் வங்கி மென்பொருட்களில் பாதிப்புகளைக் கண்டறிந்தால், அவசரத் திருத்தங்களுக்கான செலவு உள்நாட்டு வங்கிகளின் மூலதனச் செலவு பட்ஜெட்களை கடுமையாக பாதிக்கும்.
மேலும், இந்த AI கருவிகளின் ஒருங்கிணைப்பை ஒழுங்குபடுத்துபவர் கட்டுப்படுத்த வேண்டியிருந்தால், உலகளாவிய போட்டியாளர்களுடன் ஒப்பிடும்போது இந்திய வங்கிகள் போட்டித்தன்மையில் பின்தங்கக்கூடும். மூன்றாம் தரப்பு AI கருவி மூலம் தரவு கசிவு ஏற்பட்டால், தரவு இறையாண்மை (Data Sovereignty) குறித்த ஒழுங்குமுறை உணர்திறன் காரணமாக நிதித்துறை பங்குகளில் பெரும் சரிவு ஏற்பட வாய்ப்புள்ளது.
அடுத்த கட்டம்
அடுத்த நிதியாண்டில், பேச்சுகளிலிருந்து செயல்படுத்தலுக்கு கவனம் மாறும். RBI, அரசு சைபர் பாதுகாப்பு முகமைகளுடன் இணைந்து உள்நாட்டு வங்கித் துறையை மேம்பட்ட இயந்திர கற்றல் மாதிரிகளுக்கு (Machine-Learning Models) எதிராக சோதிக்க எதிர்பார்க்கப்படுகிறது. AI-எதிர்ப்பு கட்டமைப்பை தரப்படுத்துவதில் (Standardization) கவனம் செலுத்தப்படும், இது நிதி ஸ்திரத்தன்மை மற்றும் செயற்கை நுண்ணறிவு ஆகியவற்றின் குறுக்குவெட்டை மத்திய வங்கிகள் எவ்வாறு நிர்வகிக்கின்றன என்பதற்கு ஒரு உலகளாவிய முன்னுதாரணத்தை அமைக்கக்கூடும்.