هوش مصنوعی علیه هوش مصنوعی؛ استراتژیهای دفاع در برابر حملات پیشرفته سایبری
وقتی مهاجم از هوش مصنوعی برای طراحی حمله استفاده میکند، پاسخ منطقی این نیست که فقط یک ابزار جدید بخریم؛ باید کل معماری دفاعی سازمان را دوباره طراحی کنیم.
این ایدهای است که این روزها با عنوان «هوش مصنوعی علیه هوش مصنوعی» شناخته میشود. اما در عمل، این عبارت فقط یک شعار بازاریابی نیست. در واقع، به دو تغییر واقعی در معماری امنیتی اشاره دارد: عبور از اعتماد ضمنی به شبکه داخلی، و جایگزینی قوانین ایستا با تشخیص رفتار غیرعادی.
پاسخ کوتاه: دفاع سایبری در برابر AI روی دو ستون اصلی میایستد. ستون اول معماری Zero Trust است که هیچ اعتماد ضمنی به موقعیت شبکه نمیدهد؛ ستون دوم تشخیص رفتاری است که الگوهای غیرعادی را حتی بدون امضای شناختهشده پیدا میکند. این دو مکمل هماند، نه جایگزین یکدیگر.
ابراهیم شهداد، کارشناس شبکه و امنیت، در این مصاحبه توضیح میدهد این دو استراتژی چطور در کنار هم، دفاع سایبری در برابر AI را عملی میکنند:
چرا دفاع سنتی دیگر با سرعت مهاجم هماهنگ نیست؟
به گفته شهداد، مدل امنیتی سنتی بر این فرض بنا شده بود که هرچه داخل شبکه سازمان است، قابلاعتماد است. در واقع، مهاجم مبتنی بر هوش مصنوعی دقیقاً همین فرض را هدف میگیرد.
او تأکید میکند مقابله مؤثر با این نسل از حملات، در واقع به تغییر دو لایه همزمان نیاز دارد. لایه اول اعتماد است که Zero Trust مسئول آن است؛ لایه دوم تشخیص است که با ابزارهای رفتاری انجام میشود. بدون هر دو، دفاع سایبری در برابر AI ناقص میماند.
Zero Trust؛ فرض میکنیم مهاجم از قبل داخل شبکه است
طبق تعریف رسمی چارچوب Zero Trust مؤسسه NIST (نشریه SP 800-207)، هیچ اعتماد ضمنی نباید فقط بر اساس موقعیت فیزیکی یا شبکهای یک دارایی یا کاربر اعطا شود. این یعنی یک درخواست از داخل دفتر شرکت، دقیقاً به همان اندازه یک درخواست از اینترنت باید بررسی و تأیید شود.
شهداد معتقد است پیادهسازی Zero Trust یک پروژه یکباره نیست، بلکه یک مسیر تدریجی است. مدل بلوغ منتشرشده توسط آژانس امنیت سایبری آمریکا (CISA) هم همین مسیر را در چند سطح پیشرفت، از سنتی تا بهینه، توضیح میدهد.
تشخیص رفتاری؛ وقتی امضا دیگر معنی ندارد
دومین ستون دفاع سایبری در برابر AI، به گفته شهداد، توانایی تشخیص رفتار غیرعادی است؛ نه صرفاً شناسایی فایل یا امضای مخرب شناختهشده. همچنین این توانایی باید مستقل از این باشد که آیا مهاجم قبلاً شناسایی شده یا کاملاً جدید است.
طبق تعریف تکنیک تحلیل رفتار کاربر در چارچوب D3FEND مؤسسه MITRE، این روش با اعمال الگوریتم و تحلیل آماری روی الگوهای رفتاری واقعی کاربران، ناهنجاریهای معنادار را شناسایی میکند. این کار بر پایه رفتار واقعی است، نه تکیه بر یک امضای ازپیشتعریفشده.
او هشدار میدهد که این ابزارها بدون تنظیم دقیق، هشدار غلط زیادی تولید میکنند؛ بنابراین باید مرحله به مرحله و با داده واقعی سازمان، تنظیم و بهینه شوند.
از استراتژی تا اجرا؛ توصیه به مدیران IT و صاحبان کسبوکار
وقتی از او میپرسم مدیران IT و صاحبان کسبوکار از کجا باید شروع کنند، جواب او روی بودجه سنگین متمرکز نیست.
او همچنین تأکید میکند تصمیم درباره دفاع سایبری در برابر AI نباید فقط به تیم فنی واگذار شود. هزینه و ریسک تجاری آن مستقیماً به تصمیمهای مدیریت ارشد مربوط است؛ به همین دلیل، این موضوع باید در سطح استراتژیک سازمان دیده شود، نه فقط در سطح عملیاتی.
این نگاه با راهکارهای عملیاتی مطرحشده در مصاحبه وقتی مهاجم از هوش مصنوعی استفاده میکند، چطور دفاع کنیم؟ هم مکمل است؛ آن مصاحبه روی اقدامهای فوری و عملیاتی تمرکز دارد، در حالی که این استراتژی، چارچوب بلندمدتتری برای سازمان میسازد. به باور شهداد، سازمانی که هر دو نگاه را همزمان داشته باشد، هم امروز و هم در برابر نسل بعدی حملات آمادهتر خواهد بود.
جمعبندی
دفاع سایبری در برابر AI با یک استراتژی روشن شروع میشود، نه با یک محصول جدید.