Det Hvide Hus spilder ikke tid på at forberede sig på angrebet af zero-day-sårbarheder, som forventes at dukke op i førende AI-værktøjer.

Den 2. juni underskrev præsident Trump bekendtgørelse 14409 om fremme af avanceret kunstig intelligens, innovation og sikkerhed . Det er et forsøg på at bringe AI-leverandører og operatører af kritisk national infrastruktur (CNI) sammen i et partnerskab om fejlfinding.

Den udøvende bekendtgørelse opfordrede til oprettelse af et AI-cybersikkerhedsclearingcenter, der skulle samle AI-leverandører og CNI-aktører. Det, der formelt blev annonceret som 'Gold Eagle' i en opfølgningsrapport medio juli , fokuserer på at bruge AI-drevet sårbarhedsscanning til at styrke CNI-organisationer.

Administrationen har handlet hurtigt, og finansministeriet (som leder denne indsats), NSA og CISA har oprettet clearinghousen inden for 30 dage efter offentliggørelsen af ​​EO.

Initiativet er bredt nok til, at en bred gruppe mennesker kan være med. Det er ikke kun udviklere af closed source-modeller, der får lov til at deltage i denne ordning. Open source-modeller er også velkomne. På CNI-siden vil de prioritere landlige hospitaler, lokale banker og lokale forsyningsselskaber som kandidater til hjælp fra AI-leverandører, og de vil finde fejl for at styrke deres infrastruktur.

Ordrebekendtgørelsen fortsætter den anti-reguleringslinje, som administrationen har indtaget over for AI, og fritager officielt udviklere af AI-modeller fra at skulle indhente licenser til at frigive deres software eller på anden måde søge godkendelse. Dette fremmer en vending af Biden-æraens tilgang til AI. Den tidligere administration havde påbudt udviklere at rapportere AI-modeller i en bekendtgørelse, som den nuværende administration tilbagekaldte.

Mangel på tredjepartsansvar

Selvom dette skridt på en måde er gode nyheder for CNI-organisationer, skaber det også en ubalance. Dette er et frivilligt program for AI-operatører, og det fritager dem stort set fra kontrol. NSA vil foretage en benchmarkingproces for at vurdere AI-modeller for "dækket" status. Regeringen vil få forhåndsadgang til sådanne modeller og vil også hjælpe med at beslutte, hvilke andre partnere der får tidlig adgang, men benchmarkingprocessen er klassificeret.

Banker, hospitaler og forsyningsselskaber står over for strenge regler for håndhævelse af cybersikkerhed både i deres egen infrastruktur og i hele deres forsyningskæder, men det synes uklart, hvordan de vil kræve det samme fra deres AI-partnere, eller om de forventes at overlade det til direktøren for NSA til godkendelse.

"Kriterierne vil ikke være underlagt den offentlige bekendtgørelses- og kommentardynamik, der typisk følger med føderal standardfastsættelse," påpeger en analyse fra det juridiske firma Ropes & Gray.

Behovet for granskning af AI-forsyningskæden

På et overordnet niveau giver et initiativ som dette mening i betragtning af den hurtige hastighed, hvormed frontlinje-AI-modeller begynder at udvikle trusselsjagtfunktioner. Vi har allerede set adskillige zero-days-strategier opstå som et resultat af Project Glasswing, et Anthropic-projekt, hvor det samarbejdede med industripartnere om at udrydde softwaresårbarheder ved hjælp af sin avancerede Mythos-model.

Programmet fremhæver dog også behovet for udviklede forvaltningspolitikker, der imødekommer et nyt lag af AI-affødte risici.

Disse risici omfatter opdagelse af nye trusler og udnyttelse af dem via AI-modeller. En BCG- undersøgelse fra 2026 viste, at over en tredjedel af organisationerne havde set "betydelig indvirkning" fra AI-aktiverede angreb i de foregående 12 måneder.

AI's hurtige udvikling og implementering introducerer også ubevidst sikkerhedsbrister. Udover den risiko, der er forbundet med intern AI-assisteret softwareudvikling, påpeger BCG, at AI øger en organisations afhængighed af tredjeparter, lige fra cloud-hyperscalers til modeludbydere og værktøjer, der integrerer AI-funktioner. Denne udvidede forsyningskæde udvider angrebsfladen.

Fremkomsten af ​​autonom agentisk AI forværrer kun problemet. Den britiske regerings AI Security Research Institute har fundet AI-agenter, der foretager sig usanktionerede handlinger på internettet, rettet mod rigtige mennesker og organisationer online.

En opfordring til AI-styring og leverandørsikring

Cybersikkerheds- og kontrolrammer er et vigtigt værktøj til at strukturere en indsats. National Institute of Standards and Technology, NIST, har for nylig præsenteret et koncept kaldet Trustworthy AI in Critical Infrastructure for en ny profil som en del af deres AI Risk Management Framework (RMF). Dette ville skabe et officielt ordforråd til at definere, hvad pålidelig AI betyder. Det ville skitsere, hvilke risici der skal håndteres, og hvilken dokumentation der skal fremlægges for risikoreduktion, hvilket ville gøre troværdighed til et kontraktligt, reviderbart krav fra operatør til leverandør.

CNI-sektorer er allerede begyndt at udvikle vejledninger til at imødegå risikoen for tredjeparts-AI og gennemsigtighed i forsyningskæden, såsom Health Sector Coordinating Councils vejledning om gennemsigtighed i tredjeparts-AI-risici og forsyningskæder.

ISO-standarder giver et grundlag for overholdelse af AI-regler

Der findes andre kontrolrammer, der passer godt sammen med AI RMF. I en analyse af RMF, da den blev annonceret, sagde Jessica Newman, meddirektør for UC Berkeley AI Policy Hub, at NIST's ramme var kompatibel med ISO/IEC 23894-standarden for vurdering af overholdelse af de fælles kriterier for evaluering af informationsteknologisikkerhed. Den er også i overensstemmelse med EU's AI-lov, tilføjede hun.

Der findes også andre rammer, som organisationer kan bruge til at hjælpe med at håndtere risiciene i forsyningskæden ved AI, såsom NIST's SP 800-161-vejledning til at identificere og afbøde cyberrisici i forsyningskæden.

Adskillige supplerende ISO-standarder kan hjælpe organisationer med at komme uden om det omfattende netværk af AI-afhængigheder, der nu ligger bag de fleste virksomhedsarbejdsbyrder. Især ISO/IEC 42001:2023 AI Management System (AIMS)-rammeværket har en bred tilgang til AI-styring, der dækker tredjepartsmodeller og -værktøjer.

ISO/IEC 5338 tilbyder en fuld livscyklustilgang til styring af AI-systemer, der tager højde for faktorer som f.eks. styring af leverandørmodeller. Dette er et nyttigt værktøj i betragtning af den hastighed, hvormed leverandører opdaterer deres modeller og træningsdata i både åbne og lukkede modeller.

Selvom ikke alle er enige i Det Hvide Hus' holdning til integration af AI-leverandører og CNI, er det et fremadrettet skridt i kampen mod en ny æra af AI-drevne trusler. De problemstillinger, det rejser, lige fra beskyttelse af intellektuel ejendomsret til strenge forsyningskæder, bør få organisationer overalt til at evaluere deres langsigtede tilgang til at arbejde med et bredt spektrum af AI- og AI-relaterede leverandører.

Samlet set giver disse standarder indkøbs-, sikkerheds- og risikoteams et fælles ordforråd til at stille AI-leverandører de rigtige spørgsmål og en måde at integrere AI-specifikke bekymringer i de certificerings- og revisionsordninger, de allerede har.

Udvid din viden

Podcast: Phishing for Trouble S2 E3: Dominoer i forsyningskæden: Hvorfor deres risiko nu er din risiko

Webinar: Lærdomme fra en af ​​verdens første ISO 42001-certificeringer

Blog: Hvad Det Hvide Hus' nationale AI-politikramme betyder for overholdelse af regler