Riscos de cibersegurança na era da IA e LLMs: como lidar?

As discussões sobre os riscos intrínsecos à implantação de novas tecnologias de Inteligência Artificial nas organizações estão cada vez mais evidentes. O advento da IA Generativa e dos LLMs (Modelos de Linguagem de Grande Escala) não é excepcionalmente perigoso por si só, pois todas as inovações demandam uma avaliação cuidadosa dos riscos, exposições e exploração de Dados.

Os avanços na ferramenta são rápidos e abrangentes em sua capacidade, e representam um desafio adicional às equipes de segurança. Os diretores de segurança da informação, chamados de CISOs, devem orientar a adoção responsável das inovações para a melhoria e eficiência das organizações. Essa é uma preocupação imediata, pois o uso da IA deve ser compreendido não somente pelo time técnico, mas por toda a organização.

É crucial que todos entendam o que é a IA e como utilizá-la de forma segura e eficiente. Os CISOs devem assegurar que a inovação seja acessível e benéfica para a empresa, enquanto limitam os riscos de comprometer dados sensíveis e enfrentar regulações, ou mesmo sujeitar a danos de imagem causados pelo mau uso ou falta de conhecimentos e boas práticas.

LLMs internos protegidos
A IA permite que as empresas construam modelos robustos e alinhados às suas necessidades. Porém, nem todas contam com a estrutura necessária para suprir a escalabilidade em ambientes seguros.

Manter os LLMs no perímetro de segurança é uma prática recomendada, mas gera outros desafios, como a necessidade de estruturas complexas e a confiança em fontes de Dados e softwares de código aberto. Configurações incorretas e outros erros humanos ainda podem tornar essas ferramentas vulneráveis, já que não há muita experiência sobre como proteger esses modelos.

Outro ponto importante é o risco de envenenamento de Dados, especialmente se introduzidos deliberadamente por um adversário. Portanto, a avaliação adequada do melhor modelo é crucial para que as equipes de segurança homologuem a IA de forma competente, mudando a postura e a visão dos CISOs.

Ataques aos Dados na IA
Avaliar realisticamente o risco de vulnerabilidade é fundamental, especialmente contra adversários que injetam dados falsos ou tendenciosos em modelos de LLMs. Embora os maiores golpes cibernéticos envolvam dinheiro e esse tipo de ataque não ofereça retorno financeiro imediato, as empresas precisam de mecanismos de detecção, proteção e resposta a incidentes.

Grande parte dos controles e práticas de segurança existentes se aplica à IA, mas é necessário examinar as atividades dos fornecedores para melhorar a postura de segurança, mapeando e identificando vetores de ataques com uma resposta rápida baseada em comportamento e contexto.

A importância do Shift Left e a IA
Esteiras de segurança e práticas de desenvolvimento seguras já fazem parte do cotidiano das organizações. DevSecOps é essencial, pois incorpora testes e correções durante o ciclo de vida da otimização de software. Melhores quality gates e métricas no processo de automação e validação minimizam os impactos causados por erros humanos.

O desenvolvimento é, por natureza, caótico e experimental. É necessário compreender o que é normal ou anormal neste ambiente e utilizar a inteligência artificial para possibilitar otimizações eficazes. A IA deve ser vista como uma ferramenta de aceleração para o processo, permitindo que desenvolvedores criem de forma eficiente.

Governança de riscos de segurança de IA
Recentemente, em uma pesquisa da PWC, mais de 67% dos CEOs entrevistados relataram falta de confiança na inteligência artificial, considerando os riscos de violação de segurança cibernética. No entanto, a disponibilidade de frameworks e boas práticas está ajudando a orientar a adoção da ferramenta no contexto corporativo. Esses frameworks melhoram a capacidade de incorporar considerações de confiabilidade no design, desenvolvimento, uso e avaliação de produtos, serviços e sistemas de IA.

O desenvolvimento e a utilização da funcionalidade exigem medições e avaliações rigorosas das tecnologias e de sua aplicação. Um dos frameworks que se destaca é o NIST (Instituto Nacional de Padrões e Tecnologia, EUA), que contribui para a produção de métricas e promove a adoção de guias e melhores práticas para medir e avaliar tecnologias de IA à medida que amadurecem nas organizações.

O OWASP (Projeto Aberto de Segurança em Aplicações Web), por sua vez, adota uma abordagem educativa para desenvolvedores, designers, arquitetos, gerentes e organizações sobre os riscos potenciais de segurança ao implantar e gerenciar LLMs. O projeto fornece uma lista das 10 vulnerabilidades mais críticas frequentemente encontradas nestas aplicações, destacando seu impacto potencial, facilidade de exploração e prevalência em aplicações do mundo real.

Em suma, é crucial: implementar estratégias robustas de proteção de Dados; promover transparência e responsabilidade na criação e uso dessas tecnologias; e garantir a constante atualização dos protocolos de segurança para enfrentar novas ameaças. Além disso, a colaboração entre empresas e reguladores é essencial para desenvolver normas que assegurem a integridade das infraestruturas digitais. Somente com um esforço conjunto será possível maximizar os benefícios da IA e dos LLMs, minimizando riscos e protegendo a privacidade dos usuários.

Por Rogério Athayde, CTO da consultoria de tecnologia keeggo. 

IMAGEM: Divulgação/keeggo