فراتر از شوک اولیه: چالش‌های دفاع در عصر حملات خودکار مبتنی بر هوش مصنوعی

پس از معرفی Claude Mythos توسط Anthropic، بحث‌های امنیتی به سرعت بر توانایی‌های هوش مصنوعی متمرکز شد: از کشف آسیب‌پذیری‌های قدیمی گرفته تا توسعه اکسپلویت‌های (Exploit) عملیاتی و تسریع وظایفی که پیش‌تر نیازمند تخصص بالای انسانی بود. اکنون دوران هیجان اولیه و شوک ناشی از این فناوری به پایان رسیده و مرحله دشوارتر آغاز شده است: آیا سازمان‌ها می‌توانند با سرعت هوش مصنوعی، مواجهه‌ها (Exposures) خود را شناسایی و آن‌ها را مدیریت کنند؟

تسریع حملات توسط هوش مصنوعی؛ واقعیت جدید میدان نبرد

حملات مبتنی بر هوش مصنوعی دیگر یک تهدید تئوریک نیستند. طبق گزارش شاخص هوش مصنوعی استنفورد، عامل‌های هوش مصنوعی (AI agents) اکنون در ۹۳٪ موارد مسائل امنیت سایبری را حل می‌کنند، در حالی که این رقم در سال ۲۰۲۴ تنها ۱۵٪ بود. موسسه امنیت هوش مصنوعی بریتانیا (AISI) تأیید کرده است که مدل Claude Mythos می‌تواند یک حمله شبیه‌سازی شده ۳۲ مرحله‌ای به شبکه سازمانی را به صورت خودکار اجرا کند؛ عملیاتی که برای یک متخصص انسانی حدود ۲۰ ساعت زمان می‌برد.

این یعنی مهاجمان اکنون با “سرعت ماشین” (Machine Speed) عمل می‌کنند، در حالی که مدافعان اغلب با “سرعت سازمانی” (Organizational Speed) پیش می‌روند. این شکاف باعث می‌شود چرخه‌های وصله‌گذاری (Patching) که هفته‌ها یا ماه‌ها طول می‌کشند، دیگر در برابر پنجره‌های اکسپلویت که با ساعت اندازه‌گیری می‌شوند، کارایی نداشته باشند.

انفجار در تعداد آسیب‌پذیری‌ها و اکسپلویت‌ها

داده‌های گوگل نشان می‌دهد که حجم آسیب‌پذیری‌های گزارش شده و اکسپلویت‌های فعال در حال افزایش چشمگیر است. از ژانویه تا جولای ۲۰۲۶، گزارش آسیب‌پذیری‌ها دو برابر شده است. در این شرایط، رویکرد سنتی “وصله‌گذاری انبوه بدون اولویت‌بندی” دیگر پاسخگو نیست. سازمان‌ها باید به سمت مدل‌های مبتنی بر هوش تهدید (Threat Intelligence) حرکت کنند و بر آسیب‌پذیری‌هایی تمرکز کنند که واقعاً مورد هدف قرار می‌گیرند.

استفاده از برنامه‌های مدیریت مواجهه (Exposure Management) با ابزارهایی مانند Wiz، Tenable و Microsoft Defender for Cloud برای نقشه‌برداری مداوم از دارایی‌ها، آسیب‌پذیری‌ها و پیکربندی‌های اشتباه (Misconfigurations) ضروری است.

هوش مصنوعی در خدمت دفاع

همان‌طور که مهاجمان از هوش مصنوعی استفاده می‌کنند، مدافعان نیز می‌توانند از این فناوری برای تقویت زیرساخت‌های خود بهره ببرند. پروژه‌هایی مانند Project Glasswing نشان می‌دهند که هوش مصنوعی می‌تواند در نوشتن وصله‌ها (Patches)، تبدیل کدهای قدیمی به زبان‌های امن‌تر و اجرای تیم‌های قرمز (Red Teams) خودکار موثر باشد.

با این حال، رعایت اصول اولیه امنیت همچنان حیاتی است. مدیریت دسترسی با حداقل امتیاز (Least Privilege)، بخش‌بندی شبکه (Network Segmentation) و میکرو-سگمنتیشن (Micro-segmentation) برای محدود کردن حرکت عرضی (Lateral Movement) مهاجمان یا عامل‌های مخرب هوش مصنوعی، از ارکان اصلی تاب‌آوری سایبری در این عصر جدید هستند.