Щоранку диспетчери авіаліній, оператори енергомереж і фермери в усьому світі приймають рішення на основі одного й того самого — прогнозу погоди. Більшість людей дивиться на нього лише дві секунди, але від цих даних залежать реальні гроші, засоби до існування та навіть життя. Фермери використовують прогнози, щоб обрати сорт культур, час внесення добрив та обсяг інвестицій у зрошення1. Енергокомпанії — щоб вирішити, де будувати сонячні та вітрові електростанції і як цінувати електроенергію2. Прогнози попереджають про екстремальну погоду та запускають заходи реагування. Однак тепер з’явилася нова загроза: саботаж погодних даних.
Як працюють прогнози та чому вони вразливі
Для точного прогнозу потрібні спостереження за поточними умовами з метеостанцій в аеропортах, на транспортних вузлах та об’єктах інфраструктури. Традиційні системи, як-от Weather Research and Forecasting чи ECMWF, поєднують ці спостереження з фізичними моделями, щоб оцінити майбутню погоду. У них є вбудований захист — асиміляція даних: кожне нове вимірювання звіряється з тим, що має відбуватися за фізичними законами, і з показаннями сусідніх станцій. Це допомагає тримати спостереження надійними.
Але нові загрози ставлять точність під удар. У квітні 2026 року стало відомо про маніпуляцію з метеостанцією в аеропорту Парижа Шарль де Голль (CDG). Невідомі нагріли датчик феном або запальничкою, щоб зафіксувати температуру 22 °C у дні, коли реальна була близько 18 °C. Це дозволило гравцям на ринках прогнозів виграти великі суми — один учасник отримав $20 0003. На щастя, аномалію помітили французькі кліматологи-аматори.
Чому це стає небезпечнішим
Поодинокі випадки можна виявити, але що, як хтось віддалено скоригує показання багатьох станцій одразу, роблячи кожну зміну непомітною? Існуючі системи контролю якості не справляються з такою координацією. А час працює проти нас: ретельна перевірка даних займає години, а прогнози мають виходити вчасно.
Перехід до штучного інтелекту в прогнозуванні погоди підвищує ставки. ШІ-моделі ще більше залежать від точних спостережень — їх називають «моделями, керованими даними». Наприклад, дослідники ECMWF вивчають можливість створювати прогнози безпосередньо з сирих спостережень, пропускаючи етап асиміляції, який зараз слугує фільтром якості. Інші вчені поєднують геопросторові дані з великими мовними моделями для автономного прийняття рішень під час штормів4. Це може підвищити точність і швидкість, але вилучення людини з процесу створює нові ризики5.
Спектр загроз широкий. На нижньому рівні — окремий спекулянт, який маніпулює станцією заради виграшу. Вище — група трейдерів, що координує зміщення прогнозів виробництва відновлюваної енергії, впливаючи на ціни електроенергії. На крайньому кінці — державний актор або диверсант, який маніпулює станціями, щоб запустити або замовчати систему раннього попередження. Крок за кроком ризик зростає від фінансового шахрайства до компрометації готовності до стихійних лих і національної безпеки.
Як захистити себе та свої рішення
Автори статті в MIT Technology Review пропонують три способи зменшити ризики:
1. Стежити за станціями. Контроль якості даних має включати фізичну безпеку станцій, автоматичне виявлення аномалій та людський нагляд. Саме люди помітили маніпуляцію в Парижі. Методи гомогенізації даних мають стати швидшими, щоб виявляти проблеми в реальному часі.
2. Захищати дані, щоб убезпечити ШІ. Механізми захисту мають бути на всіх етапах обробки даних. Інструменти пояснюваності ШІ та стійкості до атак допоможуть виявляти проблеми з даними чи моделями6.
3. Забезпечити безперервну відповідальність по всьому ланцюжку. Дані проходять через операторів станцій, національні метеослужби та прогностичні центри. Жоден з них не може захистити цілісність даних самостійно — будь-яка аномалія має бути негайно передана по всьому ланцюжку, від операторів до тих, хто діє на основі прогнозу.
Для звичайної людини це означає: не покладайтеся на одне джерело прогнозу, особливо в критичних ситуаціях. Перевіряйте дані з кількох незалежних метеослужб. Якщо ви використовуєте розумні гаджети для здоров’я (наприклад, трекери активності, що залежать від погоди), пам’ятайте, що їхні рекомендації можуть базуватися на скомпрометованих даних. Будьте уважні до різких розбіжностей між прогнозами різних джерел — це може бути сигналом проблеми.
Інцидент в аеропорту CDG має стати попередженням. Оскільки роль спостережних даних у прогнозуванні зростає, нам потрібно адаптуватися до нових загроз. Захист даних і моделей, посилення нагляду та координація між ключовими партнерами — це не просто технічне завдання, а питання вашої безпеки.
- https://doi.org/10.1016/j.agrformet.2016.09.005 [↩]
- https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9788043 [↩]
- https://www.technologyreview.com/2026/07/17/1140622/weather-data-sabotage/ [↩]
- https://meetingorganizer.copernicus.org/EGU26/session/56646 [↩]
- https://www.nature.com/articles/d41586-023-03552-y [↩]
- https://doi.org/10.1038/s41561-025-01639-x [↩]
