شرکت Proofpoint با معرفی سیستم Agentic Data and AI Security، تلاش می‌کند تا شکاف میان امنیت داده‌ها و امنیت هوش مصنوعی را از بین ببرد. در مدل‌های سنتی، ابزارهای امنیتی یا بر رفتار AI تمرکز داشتند و یا بر ریسک‌های مربوط به داده‌ها؛ اما این سیستم جدید هر دو جنبه را در یک گراف مشترک (Shared Graph) تحلیل می‌کند تا سازمان‌ها بتوانند بدون از دست دادن کنترل داده‌ها، از AI Agents استفاده کنند.
چالش‌های فعلی در حاکمیت AI
با گسترش استفاده از دستیارهای هوشمند، ریسک‌های عملیاتی و انطباقی افزایش یافته است. طبق گزارش‌های این شرکت، در حالی که ۸۷٪ سازمان‌ها از AI فراتر از مراحل آزمایشی (Pilot) استفاده می‌کنند، ۵۲٪ آن‌ها اطمینان ندارند که کنترل‌های فعلی‌شان قادر به شناسایی موارد سازش (Compromise) باشد. مشکل اصلی این است که ابزارهای AI معمولاً «قصد» (Intent) کاربر را می‌بینند اما به دسترسی‌های داده‌ای دسترسی ندارند و بالعکس.
اجزای سیستم Agentic Proofpoint
این سیستم بر پایه Proofpoint Knowledge Graph بنا شده و از سه عامل خودکار (Autonomous Agents) برای مدیریت ریسک استفاده می‌کند:
- Zero-Touch Detection: این عامل، «قصد» و «دسترسی» را به عنوان یک سیگنال واحد می‌بیند و به جای تولید انبوه هشدارهای نادرست (Anomalies)، تنها اقدامات حیاتی و مهم را شناسایی می‌کند.
- Instant Investigation: این عامل با بازسازی خودکار اتفاقات در لایه‌های داده، هویت و رفتار، فرآیند بررسی حوادث را که پیش‌تر روزها زمان می‌برد، به چند دقیقه کاهش می‌دهد.
- Protection Optimization: این عامل تحلیل‌ها را به اقدام عملی تبدیل می‌کند؛ از اصلاح دسترسی‌ها گرفته تا بهینه‌سازی سیاست‌های DLP (جلوگیری از نشت داده‌ها) با نظارت انسانی.
تبدیل سیاست‌های کسب‌وکار به کنترل‌های Runtime
یکی از ویژگی‌های کلیدی این سیستم، Semantic Business Policies است. این قابلیت اجازه می‌دهد تا قوانین حاکمیتی سازمان (مثلاً ممنوعیت تعامل با محتوای شرط‌بندی) به زبان ساده نوشته شده و سپس به کنترل‌های اجرایی در زمان اجرا (Runtime Controls) تبدیل شوند. این سیستم با استفاده از Intent-Based Access Control، رفتار AI را بر اساس اهداف سازمان و هدف کاربر ارزیابی می‌کند.
شناسایی ریسک‌های تعریف‌نشده
قابلیت Agentic Insights با استفاده از استدلال خودکار، تعاملات AI و الگوهای رفتاری را تحلیل می‌کند تا ریسک‌های نوظهوری که هنوز قانونی برای آن‌ها تعریف نشده است را شناسایی کند. پس از تایید ریسک، سیستم می‌تواند یک سیاست کسب‌وکار معنایی (Semantic Policy) را برای مدیریت رفتارهای مشابه پیشنهاد دهد.
