ช่วงเวลาแห่งโอกาสของฝ่ายป้องกันภัย

เหตุการณ์ OpenAI-Hugging Face⁠(เปิดในหน้าต่างใหม่) ถือเป็นจุดเปลี่ยนสำคัญของความมั่นคงปลอดภัยทางไซเบอร์ เพราะทำให้เราเห็นภาพคร่าว ๆ ว่าขีดความสามารถของผู้ก่อภัยคุกคามทั่วไปจะพัฒนาไปอย่างไรในอีกไม่กี่เดือนข้างหน้า ในช่วงหลายสัปดาห์ที่ผ่านมา ผมได้พูดคุยกับองค์กรจำนวนมาก และมีประเด็นหนึ่งที่ชัดเจน นั่นคือทุกองค์กรตระหนักว่าต้องยกระดับแนวปฏิบัติด้านความมั่นคงปลอดภัยทางไซเบอร์จากรากฐานด้วยความเร็วอย่างที่ไม่เคยเกิดขึ้นมาก่อน ในบทความนี้ ผมจะเล่าว่าเรากำลังป้องกัน OpenAI อย่างไร องค์กรอื่นสามารถดำเนินมาตรการใดได้บ้างในวันนี้ และเหตุใดตอนนี้จึงเป็นเวลาที่ต้องลงมือ

โมเดล AI ที่พัฒนาขึ้นทั่วโลกสามารถทำให้ขั้นตอนต่างๆ ของการโจมตีทางไซเบอร์ในโลกจริงเป็นอัตโนมัติได้มากขึ้น ซึ่งทำให้จุดอ่อนด้านความปลอดภัยที่สะสมมานาน ไม่ว่าจะเป็นข้อผิดพลาดที่ฝังลึกอยู่ในซอฟต์แวร์ที่มนุษย์เขียนหรือสิทธิ์ที่ไม่มีใครนึกถึง ถูกค้นพบและใช้ประโยชน์ได้ง่ายขึ้น อย่างไรก็ตาม ความสามารถเดียวกันนี้ก็ช่วยให้ฝ่ายป้องกันมีวิธีใหม่ในการค้นหาและแก้ไขจุดอ่อนเหล่านั้น เพียงแต่ต้องเริ่มดำเนินการทันที หากบริษัทลงมืออย่างจริงจังด้วยการเสริมพื้นฐานให้แข็งแกร่งและใช้ AI เพิ่มศักยภาพให้ทีม เราจะสามารถทำให้อินเทอร์เน็ตมีความปลอดภัยสูงกว่าที่เคยเป็นมา

ในเหตุการณ์ OpenAI-Hugging Face กลุ่มเอเจนต์สามารถเจาะเข้าถึงโครงสร้างพื้นฐานด้านการวิจัยของ OpenAI และระบบที่ใช้งานจริงของบริษัทอีกแห่งได้ด้วยตนเอง โดยใช้ช่องโหว่หลายรายการต่อเนื่องกัน ตั้งแต่ข้อบกพร่องด้านความปลอดภัยที่ไม่เคยมีใครทราบมาก่อน ไปจนถึงการใช้ข้อมูลรับรองบัญชีผู้ใช้ที่รั่วไหลบนอินเทอร์เน็ต เห็นได้ชัดขึ้นเรื่อยๆ ว่าหนี้ทางเทคนิค⁠(เปิดในหน้าต่างใหม่)ของทุกบริษัทอาจบดบังข้อบกพร่องร้ายแรงไว้ ทีมป้องกันจึงต้องค้นพบและแก้ไขข้อบกพร่องเหล่านี้ก่อนที่ผู้โจมตีจะพบ

เพื่อให้ฝ่ายป้องกันได้เปรียบผู้โจมตี เมื่อต้นปีนี้เราเริ่มเปิดให้เฉพาะฝ่ายป้องกันที่เชื่อถือได้เข้าถึงขีดความสามารถด้านไซเบอร์ของเรา นับจากนั้น บริษัทหลายแห่งได้เผยแพร่โมเดลแบบเปิดสาธารณะที่มีขีดความสามารถด้านไซเบอร์ตามหลังโมเดลระดับแนวหน้าเพียงไม่กี่เดือน โมเดลล่าสุดในกลุ่มนี้ดูเหมือนมีกำหนดเปิดตัว⁠(เปิดในหน้าต่างใหม่)ช่วงปลายเดือนสิงหาคม และมีแนวโน้มว่าจะเร่งให้ภูมิทัศน์ภัยคุกคามเปลี่ยนแปลงอย่างมาก

ผู้โจมตีที่ใช้ AI จะสามารถค้นหาจุดบกพร่องที่สะสมมานานในระบบปัจจุบันจำนวนมากได้ในเร็วๆ นี้ แต่ขณะเดียวกัน AI ก็จะช่วยให้ทีมป้องกันค้นหา จัดลำดับความสำคัญ และแก้ไขข้อบกพร่องเดียวกันเหล่านั้นได้ง่ายขึ้นมากเช่นกัน ความปลอดภัยยังเป็นเกมไล่จับระหว่างสองฝ่าย แต่ AI อาจเปลี่ยนสมการทางเศรษฐศาสตร์ของเกมนี้⁠(เปิดในหน้าต่างใหม่)ในลักษณะที่ทำให้ฝ่ายป้องกันได้เปรียบอย่างแท้จริง ตัวอย่างหนึ่งคือ เราเริ่มฝึกโมเดลให้สร้างโค้ดที่มีความปลอดภัยสูงเกินกว่าระดับที่มนุษย์ทำได้โดยเฉพาะ โมเดลของเรายังมีความสามารถยอดเยี่ยมด้านการพิสูจน์ทางคณิตศาสตร์ ซึ่งนำมาประยุกต์ใช้ตรวจสอบความปลอดภัยของซอฟต์แวร์อย่างเป็นทางการได้ ในแบบที่พิสูจน์แล้วว่ายากเกินกว่ามนุษย์จะจัดการไหว

หลังเหตุการณ์ OpenAI-Hugging Face ผมขอให้ ChatGPT Work ซึ่งใช้ GPT‑5.6 Sol ที่เปิดให้บุคคลทั่วไปใช้งาน ประเมินความปลอดภัยของ gregbrockman.com⁠(เปิดในหน้าต่างใหม่) เว็บไซต์นี้เป็นเว็บไซต์แบบคงที่ที่เรียบง่าย โฮสต์บน AWS และใช้ Cloudflare เป็นด่านหน้า ผมจึงคิดว่าไม่น่าจะมีพื้นที่ให้เกิดช่องโหว่มากนัก

ภายในประมาณ 15 นาที ระบบพบปัญหา 13 รายการ หลายรายการอาจไม่สามารถใช้โจมตีได้โดยลำพัง แต่ผมนึกภาพออกว่าหากนำไปเชื่อมโยงกับช่องโหว่อื่นๆ ก็อาจสร้างผลกระทบอย่างมากได้ ผมไม่ได้กำหนดค่าระเบียน DNS เพื่อป้องกันไม่ให้ผู้โจมตีปลอมอีเมลในนามของผม เว็บไซต์ใช้ jQuery เวอร์ชันที่ไม่ปลอดภัย และ Cloudflare ส่งต่อคำขอไปยัง AWS ผ่าน HTTP ที่ไม่ได้เข้ารหัส

จากนั้นผมขอให้ ChatGPT Work แก้ไขปัญหาเหล่านี้ ซึ่งระบบดำเนินการเสร็จภายในหนึ่งชั่วโมง ระบบเปิดแผงควบคุม Cloudflare ในเบราว์เซอร์ของผม แล้วคลิกปุ่มต่างๆ เพื่อกำหนดค่า DNS, TLS และการตั้งค่าความปลอดภัยขั้นสูงให้ถูกต้อง นำ jQuery ออกจากเว็บไซต์ทั้งหมด ย้ายเว็บไซต์จาก AWS ไปยัง Cloudflare Pages และเริ่มทยอยนำ DMARC⁠(เปิดในหน้าต่างใหม่) มาใช้

ทั้งหมดนี้เกิดขึ้นกับเว็บไซต์ส่วนตัวของผมเพียงเว็บไซต์เดียว นี่คือตัวอย่างเล็กๆ ที่แสดงว่าโมเดลปัจจุบันสามารถทำหน้าที่เสมือนผู้พิทักษ์ด้านความมั่นคงปลอดภัยทางไซเบอร์ได้ โดยตรวจพบปัญหายิบย่อยที่มีอยู่เป็นจำนวนมาก ซึ่งมนุษย์อาจไม่มีเวลาหรือความเชี่ยวชาญมากพอจะจัดการ การตั้งค่าหลายอย่างที่โมเดลแก้ไขนั้น ผมเคยผ่านตามาบ้าง แต่ไม่สามารถบอกวิธีกำหนดค่าที่ถูกต้องได้ทันที โมเดลจึงทั้งค้นพบและแก้ไขปัญหาเหล่านี้ พร้อมใช้แผนทยอยดำเนินการที่ปรับให้เหมาะกับสถานการณ์

เหตุการณ์ Hugging Face แสดงให้เห็นว่าเราประเมินขีดความสามารถด้านไซเบอร์ในโลกจริงของโมเดล AI ของเราต่ำเกินไป เราจึงกำลังยกระดับข้อกำหนดด้านความปลอดภัยให้สอดคล้องกัน ซึ่งยิ่งเพิ่มความเร่งด่วนให้กับงานวิจัยด้านความปลอดภัยและงานรักษาความปลอดภัยภายในที่เราดำเนินการอยู่แล้ว

ผมขอแบ่งปันแนวทางบางส่วนที่เราใช้รักษาความปลอดภัยให้ OpenAI ในช่วงเวลานี้ โดยหวังว่าจะเป็นประโยชน์ต่อองค์กรอื่นๆ เราลงทุนอย่างมากทั้งในมาตรการควบคุมพื้นฐาน ซึ่งหมายถึงการทำสิ่งพื้นฐานให้ถูกต้อง และการเสริมขีดความสามารถของระบบป้องกันด้วยความสามารถอัจฉริยะระดับแนวหน้า กลยุทธ์นี้ประกอบด้วยเสาหลักสำคัญสี่ประการ

ประการแรก เราใช้โมเดลของเราเพื่อช่วยรักษาความปลอดภัยของโค้ด โดย Codex รวมถึงปลั๊กอินด้านความปลอดภัยของเรา ช่วยตรวจสอบความถูกต้องของการเปลี่ยนแปลงโค้ด ระบุช่องโหว่ และช่วยนักพัฒนาแก้ไขปัญหาก่อนนำไปใช้งานจริง สิ่งที่เราไม่ต้องการคือการสร้างรายงานปัญหาด้านความปลอดภัยเพิ่มขึ้นโดยยังต้องให้มนุษย์ตรวจสอบ เป้าหมายคือค้นพบช่องโหว่จริงก่อนเผยแพร่ และลดระยะเวลาตั้งแต่พบปัญหาจนถึงนำวิธีแก้ไขที่ปลอดภัยไปใช้งาน ขณะที่เราฝึกโมเดลอย่างต่อเนื่องให้สร้างโค้ดที่ปลอดภัยยิ่งขึ้น เป้าหมายของเราคือกำจัดช่องโหว่ของซอฟต์แวร์บางประเภทออกจากโค้ดที่เขียนขึ้นใหม่

ประการที่สอง เรานำโมเดลมาใช้ปกป้องโครงสร้างพื้นฐานของเราอย่างต่อเนื่อง ปัจจุบัน โมเดลจะคัดกรองการแจ้งเตือนด้านความปลอดภัยเบื้องต้นเกือบทั้งหมดก่อนส่งต่อให้มนุษย์เข้ามาดำเนินการ วิธีนี้ช่วยลดภาระงานซ้ำซากของทีมป้องกันภัย เพิ่มความรวดเร็วในการตอบสนอง และเปิดโอกาสให้มนุษย์ทุ่มเทเวลาให้กับงานที่ใช้ทักษะได้อย่างคุ้มค่าที่สุด ได้แก่ การแยกแยะ วิจารณญาณ และการประยุกต์ใช้ความเชี่ยวชาญ เรากำลังเชื่อมโยงการตรวจพบเหล่านี้เข้ากับการตอบสนองอัตโนมัติที่มีขอบเขตชัดเจนมากขึ้น พร้อมให้มนุษย์ยังคงรับผิดชอบการตัดสินใจที่ส่งผลกระทบสูงสุด เป้าหมายคือทำให้เราตรวจจับและรับมือกับปัญหาด้านความปลอดภัยได้ด้วยความเร็วระดับเครื่องจักร

ประการที่สาม เราใช้ความสามารถอัจฉริยะระดับแนวหน้าเพื่อแจกแจง ตรวจสอบ และระบุเส้นทางการโจมตีที่อาจเกิดขึ้นอย่างต่อเนื่อง การค้นหาช่องโหว่ การกำหนดค่าที่ไม่ถูกต้อง ข้อมูลประจำตัวที่ได้รับสิทธิ์มากเกินความจำเป็น หรือขอบเขตความไว้วางใจที่เกิดขึ้นโดยไม่ตั้งใจ ช่วยให้เราระบุและปิดช่องว่างเหล่านี้ได้อย่างรวดเร็วก่อนที่ผู้โจมตีจะนำไปใช้ประโยชน์ วิธีนี้ช่วยให้เราประเมิน เฝ้าติดตาม และทดสอบคุณสมบัติด้านความปลอดภัยที่ต้องคงเดิม ซึ่งเป็นคุณสมบัติที่เราเชื่อว่าเป็นจริง ในผลิตภัณฑ์ โครงสร้างพื้นฐาน และระบบต่าง ๆ ของเราได้อย่างต่อเนื่อง

ประการสุดท้าย เราทุ่มเททรัพยากรอย่างมากเพื่อเสริมสร้างพื้นฐานด้านความปลอดภัยในระดับที่รองรับการขยายตัว เรายังคงพัฒนาสถาปัตยกรรมและการควบคุมที่ปลอดภัย นำแนวทางอย่างการป้องกันหลายชั้นและการให้สิทธิ์ขั้นต่ำมาใช้ ตลอดจนออกแบบระบบให้เหตุการณ์ร้ายแรงเกิดขึ้นได้ก็ต่อเมื่อมาตรการควบคุมอิสระหลายชั้นล้มเหลวพร้อมกันเท่านั้น มาตรการรักษาความปลอดภัยพื้นฐานที่ใช้กันมายาวนาน เช่น การแยกเครือข่าย การเสริมความแข็งแกร่งให้ระบบงาน การเฝ้าติดตาม และการติดตั้งแพตช์กับนำระบบไปใช้งานอย่างปลอดภัย จะมีความสำคัญมากกว่าที่เคยในอนาคตของ AI

เวลาเป็นสิ่งสำคัญอย่างยิ่ง และฝ่ายป้องกันต้องเร่งดำเนินการตามขั้นตอนด้านล่างด้วยความเร็วสูงสุด ด้านล่างนี้ผมจะกล่าวถึงเทคโนโลยีของ OpenAI แต่ในระบบนิเวศนี้ยังมีคู่แข่งอีกมากมายที่ควรนำมาประเมินด้วย สิ่งสำคัญไม่ใช่เครื่องมือใดเครื่องมือหนึ่ง แต่คือการนำ AI ที่มีศักยภาพมาให้ฝ่ายป้องกันของคุณใช้ตั้งแต่ตอนนี้

• สร้างความมุ่งมั่นและแรงสนับสนุนจากทั้งองค์กร ความเสี่ยงด้านความปลอดภัยกำลังเปลี่ยนแปลงอย่างรวดเร็ว จึงต้องตรวจสอบให้แน่ใจว่าฝ่ายความปลอดภัยและฝ่ายวิศวกรรมได้รับการสนับสนุน ความร่วมมือ และทรัพยากรที่จำเป็นต่อการรับมือความเสี่ยงเหล่านี้อย่างทันท่วงที จัดการฝึกซ้อมสถานการณ์ร่วมกับทีมเพื่อจำลองว่าการโจมตีเหล่านี้อาจเกิดขึ้นในองค์กรของคุณอย่างไร และองค์กรจะตอบสนองอย่างไร
• จัดหาเอเจนต์ให้ทีมด้านความปลอดภัย เริ่มต้นใช้งาน Codex ปลั๊กอิน Codex Security⁠(เปิดในหน้าต่างใหม่) หรือเครื่องมือเขียนโค้ดและรักษาความปลอดภัยแบบเอเจนต์อื่นที่มีประสิทธิภาพ อนุญาตให้เอเจนต์เข้าถึงฐานโค้ด การตั้งค่าโครงสร้างพื้นฐาน และเอกสารทางเทคนิคที่ทีมต้องตรวจสอบภายในขอบเขตที่ได้รับอนุมัติ เริ่มจากระบบที่มีความสำคัญสูงสุดได้ทันที โดยไม่ต้องรอการเปิดใช้งานทั่วทั้งองค์กร
• เสริมความเชี่ยวชาญด้านความปลอดภัยให้เอเจนต์ เริ่มจากทักษะ⁠(เปิดในหน้าต่างใหม่)ที่ชุมชนสนับสนุน ซึ่งมีเวิร์กโฟลว์สำหรับการวิเคราะห์แบบสถิต การตรวจสอบโค้ดโดยเน้นความปลอดภัย การวิเคราะห์รูปแบบแปรผันของช่องโหว่ ความเสี่ยงในห่วงโซ่อุปทานซอฟต์แวร์ และเวิร์กโฟลว์ด้านความปลอดภัยอื่น ๆ จากนั้นจึงสร้างสกิลของคุณเองให้สอดคล้องกับสถาปัตยกรรม มาตรฐานความปลอดภัย แบบจำลองภัยคุกคาม และคู่มือการรับมือขององค์กร
• ประเมินความปลอดภัยของระบบตนเองทันที เริ่มจากบริการที่เปิดให้เข้าถึงผ่านอินเทอร์เน็ต ขั้นตอนการยืนยันตัวตน โครงสร้างพื้นฐานในรูปแบบโค้ด กระบวนการนำระบบไปใช้งาน และระบบที่จัดการข้อมูลละเอียดอ่อนก่อน จากนั้นจึงขยายขอบเขตการสแกนเมื่อทีมมีความมั่นใจมากขึ้น
• จัดการรายการช่องโหว่ที่ค้างสะสมอยู่ ส่งข้อค้นพบจากเครื่องมือสแกนโค้ด การแจ้งเตือนเกี่ยวกับส่วนประกอบที่ต้องพึ่งพา รายการปัญหาด้านความปลอดภัย รายงานโครงการล่าหาช่องโหว่ และผลการประเมินก่อนหน้าให้เอเจนต์ ขอให้เอเจนต์คัดกรองและจัดลำดับข้อค้นพบเหล่านั้น แยกปัญหาที่นำไปใช้โจมตีได้จริงออกจากสัญญาณรบกวน ค้นหาช่องโหว่ที่เกี่ยวข้องในส่วนอื่นของฐานโค้ด และแนะนำว่าควรแก้ไขเรื่องใดก่อน
• ผนวกการตรวจสอบความปลอดภัยไว้ในกระบวนการพัฒนาโดยตรง ใช้เอเจนต์ตรวจสอบการเปลี่ยนแปลงโค้ดก่อนผสาน และเรียกใช้การตรวจสอบความปลอดภัยใน CI ตรวจหาข้อผิดพลาดในการยืนยันตัวตน การเลี่ยงการควบคุมการเข้าถึง ข้อมูลประจำตัวที่ถูกเปิดเผย ส่วนประกอบที่ต้องพึ่งพาซึ่งไม่ปลอดภัย ค่าเริ่มต้นที่ไม่ปลอดภัย การเปลี่ยนแปลงที่ขยายสิทธิ์เข้าถึงระบบจริง และช่องโหว่อื่นๆ
• ให้เอเจนต์ช่วยแก้ไขปัญหาที่ค้นพบ สำหรับปัญหาที่ผ่านการตรวจสอบยืนยันแล้ว ขอให้เอเจนต์สร้างและตรวจสอบแพตช์เฉพาะจุด เขียนการทดสอบเพื่อป้องกันไม่ให้ปัญหาเดิมกลับมาเกิดซ้ำ และยืนยันว่าไม่สามารถทำให้ช่องโหว่เกิดขึ้นซ้ำได้อีก ควรให้มนุษย์ตรวจสอบการเปลี่ยนแปลงที่อาจส่งผลกระทบสำคัญต่อไป แต่ควรขจัดความล่าช้าที่ไม่จำเป็นระหว่างการค้นพบปัญหาจริงกับการส่งวิธีแก้ไขที่ปลอดภัยให้วิศวกรตรวจสอบ
• เพิ่มระบบอัตโนมัติในการคัดกรองผลการตรวจจับทีละขั้น อย่าเริ่มต้นด้วยการพยายามสร้างศูนย์ปฏิบัติการด้านความปลอดภัยที่ทำงานโดยอัตโนมัติทั้งหมด ให้เริ่มจากการสแกนความปลอดภัยแบบอ่านอย่างเดียวใน Repository หนึ่งรายการ หรือให้เอเจนต์ตรวจสอบการแจ้งเตือนที่ได้รับการแก้ไขไปแล้ว โดยใช้สิทธิ์อ่านบันทึกเหตุการณ์ที่มีอยู่เท่านั้น ให้เอเจนต์สรุปหลักฐานและแนะนำแนวทางจัดการ ขณะที่มนุษย์ยังเป็นผู้ตัดสินใจทุกเรื่อง เมื่อมีความมั่นใจมากขึ้น จึงค่อยขยับไปสู่การสแกน Pull Request เพื่อให้คำแนะนำ การคัดกรองการแจ้งเตือนที่เกิดขึ้นจริง และการปิดผลตรวจพบที่ไม่ใช่ปัญหาจริงที่กำหนดไว้อย่างเฉพาะเจาะจงโดยอัตโนมัติ
• เตรียมความสามารถในการตรวจพิสูจน์หลักฐานดิจิทัลที่มี AI ช่วยเหลือไว้ก่อนจำเป็นต้องใช้ สมัครเข้าร่วม Trusted Access for Cyber⁠(เปิดในหน้าต่างใหม่) และขออนุมัติให้ทีมใช้ GPT‑Daybreak‑Blue สำหรับงานป้องกันที่ได้รับอนุญาต ซึ่งรวมถึงการรับมือเหตุการณ์ การพัฒนาระบบตรวจจับ และการวิเคราะห์มัลแวร์ ฝึกใช้ความสามารถนี้ในการวิเคราะห์บันทึกเหตุการณ์ ข้อมูลเทเลเมทรี และการแจ้งเตือนด้านความปลอดภัย
• ทดลอง จัดกิจกรรม Hack Week และปรับปรุงอย่างรวดเร็ว เราจำเป็นต้องสร้างเครื่องมือใหม่หลากหลายรูปแบบ ปรับเปลี่ยนวิธีทำงาน และยกระดับทักษะของทุกคนให้พร้อมสำหรับโลกที่กำลังมาถึง ส่งเสริมให้บุคลากรทำการทดลอง กำหนดสัปดาห์ Hack Week เพื่อพัฒนาความสามารถใหม่ และมุ่งสร้างวงจรทดลองกับปรับปรุงอย่างรวดเร็วเพื่อทำให้ส่วนย่อยของปัญหาเป็นระบบอัตโนมัติ ความก้าวหน้าทีละน้อยอย่างรวดเร็วจะช่วยเพิ่มพูนผลลัพธ์ด้านการป้องกันอย่างต่อเนื่อง และคุณสามารถค่อยๆ ขยายระดับการทำงานโดยอัตโนมัติได้เมื่อทีมมีความมั่นใจมากขึ้น

ไม่มีบริษัทใดที่จะสามารถทำเรื่องนี้ได้เพียงลำพัง เราขอให้ห้องปฏิบัติการ AI ผู้ให้บริการด้านความปลอดภัย องค์กรธุรกิจ และผู้ดูแลระบบร่วมแบ่งปันข้อค้นพบที่ผ่านการตรวจสอบแล้ว วิธีแก้ไข และคู่มือปฏิบัติที่นำไปใช้ได้จริง เพื่อให้การค้นพบขององค์กรหนึ่งช่วยเสริมความแข็งแกร่งให้กับระบบนิเวศทั้งหมด

ช่วงเวลาแห่งโอกาสของฝ่ายป้องกันเปิดขึ้นแล้วในตอนนี้ ในอีกไม่กี่เดือนข้างหน้า ทุกองค์กรต้องเริ่มทำให้โครงการด้านความปลอดภัยเป็นอัตโนมัติอย่างจริงจังเพื่อรักษาความมั่นคงปลอดภัย และชุมชนด้านความปลอดภัยต้องเร่งร่วมกันกำหนดเครื่องมือ แนวปฏิบัติ และคู่มือรับมือที่จะเพิ่มพลังให้ฝ่ายป้องกันเร็วกว่าฝ่ายโจมตี ขณะที่ AI ยังคงก้าวหน้าอย่างต่อเนื่อง การทำเช่นนี้ต้องอาศัยความพยายามครั้งใหญ่ในระดับที่ไม่เคยมีมาก่อน แต่หากเราร่วมแรงร่วมใจกัน เราจะสร้างโลกที่ปลอดภัยกว่าที่เคยจินตนาการไว้ได้