در جریان رویداد RootedCON Valencia 2026، متخصصان امنیت سایبری، پژوهشگران و تحلیل‌گران برای بررسی آخرین متدهای دفاعی و تهاجمی گرد هم آمدند. یکی از محورهای اصلی این نشست، بررسی نقش هوش مصنوعی (AI) در تغییر سطح حمله (Attack Surface) و معرفی ابزارهای تحلیل پیشرفته برای مراکز عملیات امنیت (SOC) و ارائه‌دهندگان خدمات امنیتی مدیریت شده (MSSP) بود.
تأثیر هوش مصنوعی بر چشم‌انداز تهدیدات
در این رویداد، مباحث گسترده‌ای پیرامون عوامل AI (AI Agents)، تزریق پرامپت (Prompt Injection) و مدل‌های زبانی کوچک (SLM) مورد بحث قرار گرفت. کارشناسان بر این نکته تأکید کردند که ظهور AI نه تنها ابزارهای جدیدی برای مهاجمان فراهم کرده، بلکه نیاز به سیستم‌های احراز هویت پیشرفته‌تر برای عوامل هوشمند را دوچندان کرده است.
تحلیل تعاملی بدافزار (Interactive Sandboxing)
یکی از چالش‌های همیشگی تیم‌های SOC، مدیریت حجم بالای هشدارها بدون افزایش بار کاری دستی است. در این راستا، استفاده از Sandboxهای تعاملی به تحلیل‌گران اجازه می‌دهد تا:
- فایل‌ها و URLهای مشکوک را در محیط‌های کنترل‌شده اجرا کرده و رفتار آن‌ها را به‌صورت Real-time مشاهده کنند.
- اتصالات شبکه، فرآیندهای اجرا شده (Processes) و دستورات صادر شده در سیستم را به‌طور دقیق رصد نمایند.
- سرعت تشخیص (Triage) هشدارها را افزایش داده و تعداد موارد ارجاع غیرضروری (Escalations) را کاهش دهند.
بهینه‌سازی تحلیل حملات فیشینگ
تحلیل تعاملی به‌ویژه در مواجهه با حملات Phishing کاربرد دارد. با اجرای لینک‌ها و پیوست‌های مشکوک در محیط ایزوله، می‌توان ریدایرکت‌ها، Payloadهای دانلود شده و ارتباطات شبکه پنهانی را که در نگاه اول در ایمیل مشکوک نیستند، شناسایی کرد. این رویکرد به تحلیل‌گران کمک می‌کند تا به جای بررسی هر مورد به‌صورت مجزا، ارتباط بین هشدارها و فعالیت‌های گسترده‌تر عامل تهدید (Threat Actor) را کشف کنند.
یکپارچه‌سازی تحلیل رفتاری و Threat Intelligence
ترکیب تحلیل رفتاری (Behavioral Analysis) با داده‌های Threat Intelligence به تیم‌های امنیتی کمک می‌کند تا شاخص‌های شناسایی شده (Indicators) را با نمونه‌های مشابه، دامنه‌ها و IPهای مرتبط تطبیق دهند. این فرآیند منجر به کاهش زمان پاسخ‌دهی (MTTR) و شناسایی زیرساخت‌های حمله در مقیاس وسیع‌تر می‌شود.
