網路攻擊讓醫院每小時損失 60 萬美元，但 AI 正在改變這個等式

在過去，醫療設施並不如現在這麼容易受到攻擊。駭客曾經遵循不成文的規定，避免以可能危及生命的機構為攻擊目標。

這個時代已經結束。贖金軟體即服務 (ransomware-as-a-service) 的興起，以及被竊醫療資料的高價值，讓醫院成為首要攻擊目標，導致前所未有的攻擊程度。

Alberta Health Services (AHS) 拒絕成為易受攻擊的目標。該醫療保健系統正積極利用人工智慧加強其網路防禦。

透過 Securonix 平台實施 AI 增強型網路安全作業，AHS 已將其對高優先級事件的平均回應時間縮短了 30%。它還將誤報警報減少了 90%，每天的工作量減少了 2-3 小時，節省了數十萬美元。

"AHS 執行董事兼 CISO Richard Henderson 向 VentureBeat 表示：「許多醫院網路都是又大又肥又容易攻擊的目標。「我睡得不多，很害怕凌晨 2 點來電，說我們的整個系統因為ransomware 而癱瘓」。

執行 1,000 位 (或更多) SOC 分析師的工作

AHS 是北美第二大醫院網路，並擁有全球最大的 Epic 電子健康記錄平台單一實體。

Henderson 的團隊負責 106 家醫院、800 家診所、20,000 名醫師和 150,000 名員工的網路安全，為近 500 萬名艾伯塔人提供服務。他將 AHS 描述為「龐大的內置式組織」，每個設施都連接至相同的 Epic 系統。

「Henderson 指出：」如果系統發生故障，每個人都會受到影響。"毫不誇張的說，系統中斷會直接影響病人的生命。

他補充說，不論是否由於勒索軟體造成的 Epic 系統完全中斷，艾伯塔省每小時都可能損失 $500,000 到 $600,000。

為了避免這種情況發生，AHS 部署了 Securonix 平台的完整套件。這包括透過其安全資訊與事件管理系統，結合日誌管理、行為分析與安全資料湖的 AI 驅動威脅偵測、調查與回應能力。

該網路將數 TB 的資料擷取至 SIEM，並利用 Securonix 的雲原生架構和 Snowflake 後端進行資料規範化和路由。

行為分析是其策略的核心。該平台可持續學習使用者、端點和系統的「正常」模式，協助團隊發現細微的異常現象，例如信任帳戶的行為稍有異常。

"Henderson 說：「它會尋找模式並連結點。"你可以雇用 1000 名安全分析師，但仍然沒有足夠的人手來篩選現代企業所產生的所有遙測資料。

AHS 可縮短解決時間，加快回應速度

例如，AI 工具可學習所有醫院的標準網路行為。如果裝置意外連絡外部伺服器，就會立即被標記。這可以在被利用之前揭露配置錯誤的工具。

"Henderson 表示：「這種錯誤配置已導致其他醫院網路爆發災難性的勒索軟體。

在另一種情況下，可疑、混淆的有效負載可能會花費人類相當多的時間來分析。現在，平台可以在幾秒鐘內解除混淆，並判斷攻擊者的意圖。

"與電腦自然對話的能力改變了我們對 AI 的看法，」他說。「自然語言處理並不陌生，但這種複雜程度令人咋舌」。

因此，AHS 已大幅縮短解析時間並提昇回應速度。據 Henderson 報告，與去年相比，高優先級事件的回應時間縮短了三分之一以上。

AI 負責處理繁重的工作，協助分析師理解威脅和攻擊者的目標。它已成為網路偵測、端點防護和電子郵件安全不可或缺的工具。"他補充說，「我的團隊每天使用 AI 工具可以節省數小時的時間。

Securonix 平台還大幅降低了警報噪音，減少了初級分析師的誤報率。Henderson 表示，這「可提高專注力，避免倦怠」。

雖然有些人擔心 AI 會取代初級人員，但 Henderson 並不同意："人工智能不會取代初級人員。它會幫助他們學得更快、做得更好，並更好地保護我們的環境。

不斷增加的攻擊突顯了教育的必要性

鑒於 AHS 廣泛的地域分布，Henderson 的團隊會追蹤事件的集中地，以找出潛在的區域目標。

卡爾加里和埃德蒙頓是主要城市，但較小的鄉村醫院往往被認為防禦能力較弱而成為攻擊目標。

AI 維護事件位置的即時儀表板，引導有針對性的外展工作。Henderson 在人為因素安全方面投入了大量精力，向護士和醫生講解過去的攻擊方法。

"如果我們看到針對鄉村醫院的攻擊激增，我就會發起教育活動：'You're being targeted because they think you're vulnerable.以下是要注意的事項'，"他解釋道。