شرکت Honeywell در جدیدترین گزارش بنچمارک امنیت سایبری OT برای سال ۲۰۲۶، به تضاد قابل توجهی میان ارزیابی سازمان‌ها از برنامه‌های امنیتی خود و میزان آمادگی واقعی آن‌ها اشاره کرده است. این گزارش که بر اساس نظرسنجی از ۶۰۳ مدیر در بخش‌های زیرساخت‌های حیاتی تهیه شده، نشان می‌دهد که در حالی که ۸۸٪ از شرکت‌کنندگان برنامه‌های امنیت فناوری عملیاتی (OT) خود را «بالغ» یا «طراحی‌محور» می‌دانند، تنها ۲۱٪ از آن‌ها فهرستی کامل از دارایی‌های (Assets) محیط OT خود دارند.
چالش‌های دیده‌پذیری و نظارت
کمبود دیده‌پذیری (Visibility) یکی از نقاط ضعف اصلی در سازمان‌های صنعتی است. بر اساس این گزارش:
- تنها ۳۳٪ از سازمان‌ها محیط OT خود را به‌طور کامل با یک مرکز عملیات امنیت (SOC) متمرکز ادغام کرده‌اند.
- فقط ۲۰٪ از پاسخ‌دهندگان نظارت مستمر بر بیش از ۷۵٪ از دستگاه‌های متصل IoT را تجربه می‌کنند.
- در بخش بهداشت و درمان، تنها ۱۹٪ از سیستم‌های تاسیساتی و ساختمانی به‌طور کامل در سیستم‌های نظارت و حفاظت سایبری ادغام شده‌اند.
هزینه‌های توقف عملیاتی و نرخ حوادث
تأثیر حوادث سایبری بر محیط‌های صنعتی بسیار شدید است. سازمان‌هایی که دچار حوادث امنیتی قابل توجه در محیط OT شده‌اند، به‌طور میانگین ۱۶.۲ ساعت زمان توقف (Downtime) را گزارش کرده‌اند. از این میان، ۲۱٪ سازمان‌ها هزینه توقف را بیش از ۱۰۰,۰۰۰ دلار در ساعت و ۴٪ آن‌ها این مبلغ را بیش از ۵۰۰,۰۰۰ دلار تخمین زده‌اند.
نرخ وقوع حوادث در بخش‌های مختلف متفاوت است؛ به طوری که ۹۱٪ از پاسخ‌دهندگان بخش انرژی و تاسیسات و ۸۷٪ از بخش دریانوردی، وقوع یک حادثه سایبری جدی در ۱۲ ماه گذشته را تایید کرده‌اند، در حالی که این رقم برای بخش نفت و گاز ۵۴٪ بوده است.
نقش هوش مصنوعی در امنیت OT
تقریباً تمامی شرکت‌کنندگان (۹۹٪) انتظار دارند هوش مصنوعی (AI) طی ۲ تا ۳ سال آینده بر عملیات امنیت OT تأثیر بگذارد. در حال حاضر، ابزارهای مبتنی بر AI در توابع مختلف به کار گرفته شده‌اند:
- ۷۲٪ برای شناسایی تهدیدات (Threat Detection)
- ۶۸٪ برای نظارت مستمر (Continuous Monitoring)
- ۵۹٪ برای مدیریت موجودی دارایی‌ها (Asset Inventory)
با این حال، استفاده از AI خودمختار یا Agentic برای شناسایی تهدیدات تنها در ۲۳٪ از سازمان‌ها دیده می‌شود. این بدان معناست که AI در حال حاضر بیشتر در نقش دستیار تحلیلگران انسانی است تا جایگزین آن‌ها. Honeywell تاکید می‌کند که با حرکت به سمت اتوماسیون AI، سازمان‌ها باید نظارت انسانی دقیق و چارچوب‌های تصمیم‌گیری شفافی را تعریف کنند تا ریسک‌های مربوط به ایمنی و توقف تجهیزات کاهش یابد.
