آخرین اخبار
همهٔ اخبار
امنیت هوش مصنوعی گزارش بحرانیت ۵/۱۰

نابرابری در به‌کارگیری هوش مصنوعی: چرا مهاجمان گام‌های بلندتری نسبت به مدافعان برمی‌دارند؟

نابرابری در به‌کارگیری هوش مصنوعی: چرا مهاجمان گام‌های بلندتری نسبت به مدافعان برمی‌دارند؟

دیو چیسمون (Dave Chismon)، مدیر ارشد فناوری معماری در مرکز امنیت سایبری ملی بریتانیا (NCSC)، هشدار داد که در حال حاضر توازن قدرت در استفاده از هوش مصنوعی (AI) به نفع مهاجمان است. به گفته وی، مدافعان سایبری نمی‌توانند به اندازه مهاجمان، از قابلیت‌های AI به صورت آزادانه و گسترده استفاده کنند و این موضوع منجر به افزایش حملات خودکار می‌شود در حالی که دفاع‌های خودکار برای همگام شدن با این سرعت در تکاپو هستند.

تفاوت بنیادین در ماهیت تهاجم و دفاع

چیسمون با استناد به دیدگاه پژوهشگران امنیتی، استدلال می‌کند که تمامی مسائل تهاجمی، در واقع مسائل فنی هستند، اما مسائل دفاعی اغلب مسائل سیاسی و مدیریتی تلقی می‌شوند. در عملیات تهاجمی، معیار موفقیت کاملاً شفاف است؛ برای مثال، یک Exploit یا عمل می‌کند و یا نمی‌کند، و بدافزار یا ارتباط را با سرور فرماندهی (C2) برقرار می‌کند یا خیر. این سیگنال‌های صریح، ابزارهای خودکار AI را قادر می‌سازد تا به سرعت یاد بگیرند و بهینه شوند.

در مقابل، عملیات دفاعی فاقد چنین سیگنال‌های однознаی است. اقدامات دفاعی مستقیماً روی سیستم‌های عملیاتی (Live Systems) اجرا می‌شوند و هرگونه اشتباه در این مسیر می‌تواند منجر به اختلال در کسب‌وکار شود. برای نمونه، یک Patch اشتباه که باعث از کار افتادن VPN شود یا یک Rule در Firewall که دسترسی‌های حیاتی را ببندد، دقیقاً همان اختلالی را ایجاد می‌کند که مدافع سعی در جلوگیری از آن داشت.

ریسک‌های عملیاتی و مسئولیت‌پذیری

از دیدگاه مدیران ارشد سازمان‌ها، تفاوتی میان حمله سایبری که زیرساخت IT را از کار می‌اندازد با یک اقدام دفاعی اشتباه که منجر به Down شدن سیستم‌ها شود، وجود ندارد. با این حال، تفاوت اصلی در این است که در مورد دوم، مسئولیت مستقیماً بر عهده تیم داخلی است. به همین دلیل، هر اقدام دفاعی باید توسط انسان بررسی و تایید شود و این موضوع مانع از استقرار کامل AI در لایه‌های دفاعی می‌شود.

رویکرد پیشنهادی برای پذیرش AI در دفاع سایبری

با وجود این چالش‌ها، NCSC در حال توسعه قابلیتی به نام Cyber Shield است تا سیستم‌های AI Agentic را برای شناسایی و رفع نقاط ضعف در شبکه‌های دولتی و زیرساخت‌های حیاتی به کار گیرد. با این حال، توصیه می‌شود سازمان‌ها برای شروع، از موارد کم‌ریسک استفاده کنند، مانند:

  • استفاده از AI برای تلخیص گزارش‌های Threat Intelligence برای تحلیلگران انسانی.
  • ارزیابی ریسک اتوماسیون بر اساس معیارهایی نظیر میزان دسترسی (Reach)، اثرگذاری (Impact)، بحرانی بودن (Criticality) و قابلیت بازگشت (Reversibility).

در نهایت، چیسمون تاکید کرد که دفاع خودکار (Agentic Defense) هنوز برای تکیه کامل آماده نیست و توسعه آن نیازمند زمان و تحقیق است. سازمان‌ها نباید منتظر ظهور این فناوری بمانند و باید همچنان بر بهبود امنیت خود به روش‌های سنتی و استاندارد تمرکز کنند.