#CyberMagazyn: Nowa era kontrwywiadu. Przewagę zyskują państwa autorytarne

Kontrwywiad jako jedna z podstawowych funkcji bezpieczeństwa państwa, przez dziesięciolecia koncentrował się przede wszystkim na ochronie tajemnic państwowych, przeciwdziałaniu infiltracji, identyfikacji agentury obcych państw oraz neutralizacji działań szpiegowskich. W klasycznym ujęciu jego zadaniem była ochrona zasobów informacyjnych i operacyjnych przed penetracją przeciwnika.

Rozwój technologii cyfrowych, globalizacja przepływu informacji oraz pojawienie się sztucznej inteligencji (AI) radykalnie zmieniły jednak środowisko bezpieczeństwa. 

Współczesne zagrożenia nie polegają już wyłącznie na kradzieży informacji, lecz coraz częściej na manipulacji informacją oraz procesem jej interpretacji. Tym samym kontrwywiad musi chronić nie tylko dane, lecz również proces poznawczy, który prowadzi do ich interpretacji i wykorzystania.

Ten przełomowy moment trafnie opisuje Henry Prunckun w artykule „AI and the Reconfiguration of the Counterintelligence Battlespace”.

Autor argumentuje, że sztuczna inteligencja nie tylko zwiększa zdolności analityczne służb, lecz również tworzy nowe narzędzia operacyjne dla przeciwnika. Prunckun wskazuje na wykorzystanie AI do m.in. generowania syntetycznych tożsamości, fałszywych komunikatów oraz masowego przeciążania analityków strumieniem sprzecznych informacji, co może prowadzić do dezorientacji i błędnych decyzji operacyjnych. 

W tym kontekście centralnym pojęciem staje się bezpieczeństwo poznawcze (cognitive security). W literaturze definiowane jest ono jako ochrona procesów percepcji, uwagi, pamięci i wnioskowania przed manipulacją i zakłóceniem. Taką definicję przedstawiają Roberto Omar Andrade i Sung-Guk Yoo w artykule „Cognitive Security: A Comprehensive Study of Cognitive Science in Cybersecurity”. 

Autorzy podkreślają, że przeciwnik może osiągnąć efekt operacyjny poprzez wpływ na sposób interpretacji informacji, a nie tylko poprzez ich kradzież. 

W ujęciu kontrwywiadowczym bezpieczeństwo poznawcze oznacza ochronę integralności procesu analitycznego instytucji bezpieczeństwa. Henry Prunckun wskazuje, że obejmuje ono odporność na manipulację danymi, dezinformację, przeciążenie informacyjne oraz błędy wynikające z automatyzacji analizy.

Z kolei Anastasios Nikolaos Kanellopoulos w pracy „Counterintelligence, Artificial Intelligence and National Security: Synergy and Challenges” rozszerza to pojęcie na poziom strategiczny. W jego ujęciu bezpieczeństwo poznawcze oznacza zdolność państwa do ochrony elit decyzyjnych i społeczeństwa przed manipulacją informacyjną, operacjami wpływu i psychologicznymi formami oddziaływania.

AI jako fundament współczesnego kontrwywiadu

Sztuczna inteligencja wprowadza jakościową zmianę w logice funkcjonowania kontrwywiadu, ponieważ umożliwia analizę danych w skali i tempie nieosiągalnym dla człowieka. 

W klasycznym modelu analityk operował na ograniczonym zestawie informacji pochodzących z wybranych źródeł. Obecnie, dzięki AI, możliwe jest przetwarzanie ogromnych zbiorów danych obejmujących komunikację elektroniczną, dane finansowe, metadane telekomunikacyjne, monitoring wizyjny, aktywność w mediach społecznościowych oraz dane biometryczne. 

Anastasios Nikolaos Kanellopoulos podkreśla, że kluczową wartością AI jest zdolność wykrywania wzorców ukrytych w danych, które nie są widoczne dla ludzkiego analityka. 

Opisuje systemy predykcyjne identyfikujące anomalie w zachowaniu użytkowników systemów teleinformatycznych – np. nietypowe godziny logowania, zmiany w stylu komunikacji czy niestandardowe przepływy finansowe – które mogą wskazywać na działalność agenturalną lub przygotowanie operacji sabotażowej. 

Wskazuje również na przykład systemów korelacyjnych, które łączą dane z różnych domen – np. ruchu telefonicznego, rezerwacji podróży oraz aktywności finansowej – tworząc spójny obraz operacyjny osoby będącej przedmiotem zainteresowania kontrwywiadu. 

Takie systemy pozwalają na wykrycie złożonych operacji wywiadowczych, które wcześniej pozostawały niewidoczne. 

Kluczową zmianą jest również przejście z modelu reaktywnego do modelu predykcyjnego. AI umożliwia integrację danych z wielu źródeł wywiadowczych w spójny obraz operacyjny, co odpowiada koncepcji tzw. „common intelligence picture” obecnej w literaturze analitycznej. 

W konsekwencji kontrwywiad przestaje być wyłącznie narzędziem reagowania, a staje się narzędziem wyprzedzającego zarządzania ryzykiem bezpieczeństwa.

AI jako multiplikator zdolności analitycznych i decyzyjnych

Empiryczne potwierdzenie roli AI jako „multiplikatora zdolności analitycznych” dostarcza badanie Christiana Nitzla, Achima Cyrana, Saschy Krstanovicia i Uwe M. Borghoffa „The use of artificial intelligence in military intelligence: an experimental investigation of added value in the analysis process”. 

W przeprowadzonym eksperymencie porównano dwie grupy analityków: jedną pracującą z wykorzystaniem narzędzi AI oraz drugą opierającą się wyłącznie na tradycyjnych metodach analizy. 

Wyniki jednoznacznie wskazały, że:

• analitycy wspierani przez AI tworzyli bardziej złożone i wielowymiarowe oceny sytuacyjne,
• szybciej identyfikowali zależności między zdarzeniami,
• wykazywali większą spójność wniosków.

Autorzy podkreślili jednak istotne ograniczenie: sztuczna inteligencja nie poprawiła zdolności oceny wiarygodności źródeł. Oznacza to, że choć AI zwiększa ilość przetwarzanej informacji, nie zastępuje krytycznego myślenia. 

W konsekwencji bezpieczeństwo poznawcze wymaga zachowania roli człowieka jako ostatecznego arbitra interpretacji danych. Sztuczna inteligencja umożliwia integrację danych pochodzących z różnych źródeł wywiadowczych – SIGINT, HUMINT, OSINT i GEOINT – w jeden spójny system analityczny. 

W przeszłości proces ten był czasochłonny i obarczony ryzykiem błędów wynikających z ograniczeń percepcyjnych analityków. AI pozwala na automatyczne łączenie danych geoprzestrzennych, komunikacyjnych i finansowych, tworząc tzw. zintegrowany obraz operacyjny (common intelligence picture). Dzięki temu analityk może obserwować dynamiczne relacje między aktorami, zdarzeniami i lokalizacjami w czasie rzeczywistym.

AI jako narzędzie przeciwnika

Jim Baker w artykule „Artificial Intelligence – A Counterintelligence Perspective” wskazuje, że sztuczna inteligencja znacząco zwiększa możliwości prowadzenia operacji wpływu. 

Jednym z najbardziej niebezpiecznych narzędzi są deepfake’i – syntetyczne nagrania wideo lub audio, które mogą przedstawiać fałszywe wypowiedzi liderów politycznych. 

Podaje przykład scenariusza, w którym przeciwnik publikuje spreparowane nagranie przedstawiające wysokiego urzędnika państwowego, wydającego kontrowersyjną decyzję. Nawet jeśli nagranie zostanie szybko zdementowane, może wywołać kryzys polityczny lub operacyjny.

Opisuje również zjawisko syntetycznych tożsamości operacyjnych – kont tworzonych przez AI, które przez długi czas budują wiarygodność w sieci, aby następnie wykorzystać ją do operacji wpływu. 

Z kolei Wan Rosalili Wan Rosli w pracy „Waging warfare against states: the deployment of artificial intelligence in cyber espionage” wyjaśnia, że AI umożliwia prowadzenie cyberoperacji o charakterze adaptacyjnym. 

Autor opisuje malware, które potrafi:

• analizować środowisko systemowe ofiary,
• modyfikować swoje działanie w celu uniknięcia wykrycia,
• automatycznie dobierać techniki eksfiltracji danych.

Ponadto, AI umożliwia prowadzenie spersonalizowanych kampanii phishingowych, w których treść wiadomości jest generowana na podstawie analizy zachowań i stylu komunikacji ofiary.

Bezpieczeństwo poznawcze jako pole walki kontrwywiadowczej

Ayodeji Oseni, Nour Moustafa i współautorzy w pracy „Security and Privacy for Artificial Intelligence: Opportunities and Challenges” wskazują, że jednym z najpoważniejszych zagrożeń dla systemów sztucznej inteligencji są tzw. ataki manipulacyjne na modele (adversarial attacks), w tym szczególnie data poisoning. 

Mechanizm ten polega na celowym wprowadzaniu do zbiorów uczących danych zawierających ukryte błędy, fałszywe wzorce lub zniekształcone relacje, które w trakcie procesu uczenia prowadzą do systematycznego zniekształcenia działania modelu. 

Podkreślają, że skutki takich działań mogą być długofalowe, ponieważ zainfekowany zbiór danych treningowych wpływa na wszystkie przyszłe decyzje systemu. W przeciwieństwie do pojedynczego ataku na infrastrukturę informatyczną, manipulacja modelem AI może pozostać niewykryta przez długi czas, ponieważ model nadal działa pozornie poprawnie, generując jednak błędne lub tendencyjne wyniki. 

Zwracają uwagę, że oprócz klasycznego data poisoning istnieją również inne formy manipulacji, takie jak adversarial examples, czyli niewielkie, trudne do wykrycia zmiany w danych wejściowych, które prowadzą do radykalnie odmiennych wyników klasyfikacji. 

W praktyce oznacza to, że system AI może zostać „oszukany” przez subtelnie zmodyfikowane dane, mimo że dla człowieka pozostają one niemal identyczne.

W kontekście kontrwywiadu konsekwencje takich ataków mogą być szczególnie poważne. Systemy analityczne oparte na AI wykorzystywane są do identyfikacji wzorców zagrożeń, wykrywania anomalii w zachowaniu oraz klasyfikacji podejrzanych aktywności. 

Jeśli model zostanie poddany manipulacji:

• może błędnie klasyfikować legalne działania jako zagrożenie, generując fałszywe alarmy i obciążając system analityczny,
• może ignorować rzeczywiste zagrożenia, ponieważ wzorce odpowiadające działalności wywiadowczej zostały w procesie uczenia „zneutralizowane",
• może systematycznie zniekształcać analizę ryzyka, prowadząc do błędnych decyzji operacyjnych.

Autorzy podkreślają również, że podatność modeli AI na manipulację wynika z ich zależności od jakości danych oraz złożoności algorytmów uczenia maszynowego. W związku z tym bezpieczeństwo systemów sztucznej inteligencji wymaga nie tylko zabezpieczenia infrastruktury technicznej, ale także kontroli integralności danych uczących oraz ciągłego monitorowania zachowania modeli. 

W efekcie problem manipulacji modelami AI staje się jednym z kluczowych wyzwań bezpieczeństwa w środowisku cyfrowym i musi być traktowany jako integralny element bezpieczeństwa poznawczego w kontrwywiadzie, ponieważ bezpośrednio wpływa na jakość i wiarygodność procesów analitycznych. 

Pojawia się też problem nieprzejrzystości systemów AI. Został on opisany w zbiorowym opracowaniu „Artificial Intelligence Strategies for National Security and Safety Standards”, którego autorzy zwracają uwagę, że wiele współczesnych systemów AI – szczególnie tych opartych na złożonych modelach uczenia maszynowego – funkcjonuje jako tzw. „czarna skrzynka” (black box). 

Oznacza to, że choć system generuje wyniki lub rekomendacje, to mechanizm podejmowania decyzji wewnątrz modelu nie jest w pełni przejrzysty ani łatwy do wyjaśnienia dla użytkownika końcowego. 

W konsekwencji analityk otrzymuje rezultat (np. klasyfikację zagrożenia), ale nie ma pełnej wiedzy, jakie zmienne i zależności doprowadziły do takiej konkluzji. Podkreślają również, że brak wyjaśnialności (explainability) i interpretowalności (interpretability) jest jednym z głównych wyzwań dla wykorzystania AI w obszarach bezpieczeństwa narodowego. 

W środowiskach operacyjnych – takich jak kontrwywiad – decyzje podejmowane na podstawie analiz AI mogą mieć istotne konsekwencje prawne, polityczne i strategiczne. Jeśli jednak nie można odtworzyć logiki działania systemu, pojawia się problem z uzasadnieniem, weryfikacją i kontrolą tych decyzji.

W kontekście kontrwywiadu brak przejrzystości systemów sztucznej inteligencji może prowadzić do kilku poważnych konsekwencji:

• trudności w audycie decyzji operacyjnych – brak możliwości dokładnego prześledzenia procesu decyzyjnego utrudnia ocenę, czy decyzja była uzasadniona i zgodna z procedurami;
• braku możliwości skutecznego odwołania się od decyzji – jeżeli analityk lub instytucja nie jest w stanie wykazać, dlaczego system wskazał daną osobę lub zdarzenie jako podejrzane, podważona zostaje możliwość kontroli instytucjonalnej;
• ryzyka odpowiedzialności prawnej i instytucjonalnej – decyzje podejmowane na podstawie nieprzejrzystych modeli mogą być kwestionowane w kontekście zgodności z prawem, standardami dowodowymi lub zasadami proporcjonalności.

Blasch i współautorzy wskazują, że problem „czarnej skrzynki” ma charakter nie tylko techniczny, lecz także instytucjonalny i normatywny. Wymaga on opracowania standardów wyjaśnialnej sztucznej inteligencji (explainable AI), procedur audytu algorytmicznego oraz mechanizmów nadzoru, które pozwolą pogodzić efektywność operacyjną z wymogami przejrzystości i odpowiedzialności.

W rezultacie nieprzejrzystość systemów AI staje się jednym z kluczowych wyzwań bezpieczeństwa poznawczego w kontrwywiadzie, ponieważ ogranicza zdolność analityków do krytycznej oceny wyników generowanych przez system oraz utrudnia utrzymanie zaufania do procesów decyzyjnych opartych na technologii.

Z kolei Henry Prunckun zwraca uwagę na zjawisko określane jako „information flooding”, czyli celowe przeciążanie środowiska analitycznego nadmiarem informacji. W ujęciu autora jest to forma operacyjnego oddziaływania na procesy poznawcze służb wywiadowczych, polegająca nie na ukrywaniu danych, lecz na ich nadprodukcji i dezintegracji poznawczej. 

Jak wskazuje, współczesne systemy analityczne – zwłaszcza te wspomagane przez AI – opierają się na przetwarzaniu dużych wolumenów danych. Przeciwnik może wykorzystać tę cechę jako słabość, generując ogromne ilości komunikatów, artefaktów cyfrowych, syntetycznych tożsamości i fałszywych sygnałów, które:

• zwiększają poziom szumu informacyjnego, 
• utrudniają identyfikację wiarygodnych źródeł,
• wydłużają czas analizy i podejmowania decyzji.

Zjawisko to może przyjmować różne formy operacyjne. Przykładowo, przeciwnik może tworzyć sieci kont w mediach społecznościowych generujących sprzeczne narracje, wprowadzać do obiegu fałszywe dokumenty lub symulowane dane cyfrowe, a także produkować dużą liczbę pozornie istotnych sygnałów analitycznych. 

W efekcie analityk staje wobec nadmiaru informacji, w którym istotne dane giną wśród informacji pozornie równie wiarygodnych. Stąd też podkreśla, że skutkiem „information flooding” nie jest jedynie przeciążenie systemów informatycznych, ale przede wszystkim zakłócenie procesu poznawczego analityków. Nadmiar danych prowadzi do:

• obniżenia zdolności selekcji informacji,
• wzrostu podatności na błędy poznawcze,
• zwiększenia ryzyka błędnej interpretacji sygnałów.

W skrajnych przypadkach przeciwnik może osiągnąć efekt operacyjny polegający na tym, że instytucja kontrwywiadowcza, mimo posiadania dostępu do właściwych danych, nie jest w stanie ich rozpoznać jako istotnych. 

Tak więc z jednej strony rozwój AI zwiększa skuteczność tej techniki, ponieważ umożliwia automatyczne generowanie dużych ilości syntetycznych danych i komunikatów, a z drugiej występuje przeciążenie informacyjne, które staje się formą asymetrycznej strategii kontrwywiadowczej, gdzie przeciwnik wykorzystuje słabości poznawcze systemu analitycznego, zamiast bezpośrednio atakować jego infrastrukturę. 

W tym ujęciu „information flooding” stanowi kluczowe wyzwanie dla bezpieczeństwa poznawczego, ponieważ uderza bezpośrednio w zdolność instytucji do rozumienia i interpretowania rzeczywistości.

Przewaga operacyjna państw autorytarnych

Wykorzystanie i rozwój AI w obszarze kontrwywiadu przebiega nierównomiernie w zależności od systemu politycznego państwa, na co szczególną uwagę zwraca Anastasios Nikolaos Kanellopoulos.

Zasadniczym czynnikiem tej nierównowagi jest zakres ograniczeń prawnych, instytucjonalnych i normatywnych regulujących wykorzystanie technologii w sferze bezpieczeństwa. 

Z tego względu państwa autorytarne uzyskują istotną przewagę operacyjną wynikającą z możliwości wdrażania systemów AI bez rozbudowanych mechanizmów nadzoru prawnego czy społecznego. 

W praktyce umożliwia to masowe monitorowanie społeczeństwa przy użyciu zintegrowanych systemów nadzoru wizyjnego i analizy danych, szerokie wykorzystanie biometrii – w tym rozpoznawania twarzy i głosu – do identyfikacji oraz śledzenia jednostek, a także analizę komunikacji prywatnej bez konieczności uzyskiwania zgód sądowych czy spełniania rygorystycznych standardów ochrony danych. 

Koncentracja władzy i brak ograniczeń proceduralnych pozwalają na szybkie skalowanie technologii oraz eksperymentowanie z ich zastosowaniem w środowisku operacyjnym. W rezultacie systemy kontrwywiadowcze w państwach autorytarnych mogą funkcjonować w trybie ciągłego monitorowania i predykcyjnego zarządzania zagrożeniami. 

W państwach demokratycznych sytuacja wygląda odmiennie. Wykorzystanie sztucznej inteligencji w kontrwywiadzie podlega tam złożonym ramom prawnym i instytucjonalnym, obejmującym ochronę prywatności obywateli, nadzór sądowy nad działaniami operacyjnymi, kontrolę parlamentarną i społeczną nad służbami specjalnymi oraz wymogi transparentności i rozliczalności działań instytucji państwowych. 

Ograniczenia te, choć niezbędne dla ochrony praw człowieka i utrzymania legitymacji demokratycznej, spowalniają proces wdrażania i skalowania systemów AI. W konsekwencji demokracje mogą znajdować się w sytuacji strategicznej, w której przeciwnicy wykorzystujący mniej restrykcyjne modele zarządzania technologią uzyskują przewagę w zakresie szybkości działania, zakresu nadzoru oraz zdolności predykcyjnych. 

Jednocześnie Kanellopoulos podkreśla, że przewaga operacyjna państw autorytarnych nie jest tożsama z przewagą systemową. Brak mechanizmów kontroli może prowadzić do nadużyć, błędów systemowych oraz erozji zaufania społecznego, co w dłuższej perspektywie osłabia stabilność systemu bezpieczeństwa. 

Demokracje natomiast – mimo wolniejszego tempa wdrażania technologii – zachowują większą odporność instytucjonalną i legitymizację społeczną, co stanowi ważny element ich długofalowej siły. 

Problem ten podejmuje również Henry Prunckun, ujmując go jednak szerzej niż Kanellopoulos. Zwraca uwagę, że wdrażanie AI w kontrwywiadzie przebiega nierównomiernie między państwami autorytarnymi a demokratycznymi, ponieważ te pierwsze nie są ograniczone przez nadzór prawny, ochronę prywatności ani odpowiedzialność publiczną, podczas gdy drugie funkcjonują w ramach złożonych procedur prawnych i instytucjonalnych. 

W rezultacie powstaje wyraźna asymetria zdolności kontrwywiadowczych, przejawiająca się w większej zdolności państw autorytarnych do masowej inwigilacji, predykcyjnej analizy zagrożeń oraz szybkiego wykorzystania AI do działań oszukańczych i dezinformacyjnych.

Podkreśla zarazem, że różnica ta nie dotyczy wyłącznie technologii, lecz także sposobu poznawania i interpretowania informacji. W systemach autorytarnych AI może być wykorzystywana bez ograniczeń do profilowania zachowań społecznych, analizy komunikacji oraz prowadzenia operacji wpływu. 

W demokracjach natomiast jej zastosowanie musi być równoważone z ochroną praw obywatelskich, przejrzystością działania instytucji oraz utrzymaniem zaufania publicznego. 

W tym sensie asymetria ma nie tylko charakter operacyjny, lecz także poznawczy, ponieważ wpływa na sposób, w jaki instytucje kontrwywiadowcze rozumieją i interpretują informacje. 

Zestawienie tych obu ujęć prowadzi do spójnego wniosku: Kanellopoulos identyfikuje asymetrię na poziomie systemowym, wskazując na przewagę państw autorytarnych wynikającą z braku ograniczeń prawnych, natomiast Prunckun rozwija tę tezę, ukazując jej konsekwencje dla praktyki kontrwywiadowczej oraz bezpieczeństwa poznawczego.

Rola człowieka w kontrwywiadzie wspomaganym AI

Dokument Center for Development of Security Excellence (CDSE) pt. „Artificial Intelligence (AI) & Counterintelligence (CI) Considerations” wskazuje, że sztuczna inteligencja stanowi istotne wsparcie dla działań kontrwywiadowczych, lecz nie zastępuje analityka. 

Systemy AI zwiększają zdolność instytucji do przetwarzania dużych zbiorów danych, identyfikowania wzorców oraz wykrywania anomalii w zachowaniu użytkowników systemów informacyjnych, co może wspierać wczesne rozpoznawanie zagrożeń wewnętrznych. 

Jednocześnie dokument podkreśla, że wyniki generowane przez AI wymagają interpretacji i weryfikacji przez człowieka, ponieważ tylko analityk jest w stanie ocenić ich znaczenie operacyjne i kontekst decyzyjny. 

W efekcie CDSE wskazuje na model współpracy człowiek-maszyna, w którym AI wzmacnia zdolności analityczne, natomiast odpowiedzialność za ocenę ryzyka i decyzje kontrwywiadowcze pozostaje po stronie człowieka. 

Podobne podejście prezentują rządowe wytyczne dotyczące bezpieczeństwa sztucznej inteligencji opracowane przez instytucje amerykańskie, w tym FBI, CISA i NSA, w dokumencie „Principles for the Secure Integration of Artificial Intelligence in Operational Technology”.

Podkreślają one konieczność stałego nadzoru człowieka nad systemami AI, zarządzania ryzykiem oraz zapewnienia odpowiedzialności za decyzje podejmowane z ich wykorzystaniem. 

Wytyczne wskazują również na potrzebę projektowania systemów zgodnie z zasadą secure-by-design, obejmującą kontrolę danych, monitorowanie działania modeli i możliwość audytu ich wyników. W konsekwencji AI jest traktowana jako narzędzie wspierające proces decyzyjny, natomiast ostateczna interpretacja, ocena ryzyka i odpowiedzialność pozostają po stronie człowieka.

Sztuczna inteligencja a transformacja strategiczna kontrwywiadu: od ochrony informacji do ochrony procesów poznawczych

Rozwój sztucznej inteligencji zasadniczo przekształca funkcjonowanie kontrwywiadu na poziomie strategicznym. 

Po pierwsze, AI wyraźnie wzmacnia zdolności kontrwywiadowcze, ponieważ umożliwia szybsze przetwarzanie danych, identyfikowanie wzorców oraz wykrywanie zagrożeń, które wcześniej mogły pozostawać niezauważone. 

Jednocześnie jednak zwiększa złożoność środowiska bezpieczeństwa, ponieważ przeciwnicy również wykorzystują te technologie do prowadzenia bardziej zaawansowanych operacji wywiadowczych, dezinformacyjnych i cybernetycznych. 

W konsekwencji AI generuje nowe zagrożenia poznawcze, polegające na możliwości manipulowania informacją, przeciążania systemów analitycznych oraz wpływania na sposób interpretacji danych przez analityków. 

Wymusza to rozwój nowych doktryn bezpieczeństwa, które uwzględniają zarówno potencjał technologiczny sztucznej inteligencji, jak i konieczność ochrony procesów decyzyjnych przed manipulacją. 

Z tej racji AI nie tylko wspiera działania kontrwywiadowcze, lecz również redefiniuje ich istotę. Kluczowym wyzwaniem nie jest już wyłącznie ochrona informacji jako takich, lecz ochrona sposobu ich rozumienia, interpretowania i wykorzystywania w procesie decyzyjnym. 

Oznacza to, że kontrwywiad XXI wieku musi jednocześnie rozwijać zaawansowane zdolności technologiczne, budować odporność poznawczą instytucji oraz utrzymywać wysokie standardy etyczne i prawne. 

To właśnie zdolność do zabezpieczenia integralności procesów poznawczych – czyli zapewnienia, że decyzje podejmowane są na podstawie rzetelnych, niezakłóconych informacji – będzie w coraz większym stopniu decydować o bezpieczeństwie państwa w erze sztucznej inteligencji.