تهدیدات نوظهور عامل‌های خودمختار مبتنی بر هوش مصنوعی در حملات سایبری

تهدیدات نوظهور عامل‌های خودمختار مبتنی بر هوش مصنوعی در حملات سایبری

زهرابعاجی کاظمی1 سید آرش روحانی2

1) دانشجوی دکترای (Phd)
2) دانشجوی کارشناسی ناپیوسته

کد IOI مقاله : AAHD-ABKGBF
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    پژوهش حاضر به بررسی نقش تحول آفرین هوش مصنوعی در امنیت سایبری، با تأکید بر کاربردهای تهاجمی و تدافعی، چالشهای یادگیری رقابتی، و چشم اندازهای آینده میپردازد. با افزایش پیچیدگی تهدیدات سایبری و ناکارآمدی روشهای سنتی مبتنی بر امضا و قواعد ثابت، به کارگیری تکنیک های یادگیری ماشین، یادگیری عمیق و یادگیری تقویتی به عنوان راهکاری اساسی مطرح شده است. در این پژوهش، یافته های معتبر در بازه ۲۰۲۴–۲۰۲۶ به صورت نظاممند تحلیل شده است. نتایج نشان میدهد که مدلهای زبانی بزرگ نظیر GPT-۴o و Claude ۳.۵ Sonnet قادر به انجام عملیات تهاجمی خودمختار از جمله شناسایی و بهرهبرداری از آسیب پذیری ها هستند و معیارهایی نظیر 3CB چارچوبی استاندارد برای سنجش این قابلیت ها ارائه داده اند. با این حال، ضعف در مقاومت در برابر حملات رقابتی، نبود داده‌های آموزشی استاندارد، ماهیت جعبه‌سیاه مدل ها، و چالش‌های اخلاقی و حریم خصوصی، موانع جدی در پذیرش عملی این سیستم ها محسوب میشوند. رویکردهای نوینی نظیر یادگیری فدرال برای اشتراک هوشمند تهدیدات، محاسبات کوانتومی برای رمزنگاری تاب‌آور، و سامانه‌های دفاعی چندلایه مبتنی بر هوش مصنوعی مولد، به عنوان مسیرهای کلیدی آینده معرفی شدهاند. مقاله نتیجه‌گیری میکند که هوش مصنوعی اگرچه افق‌های تازهای در شناسایی، پاسخگویی و تاب‌آوری سایبری گشوده است، اما تحقق کامل این پتانسیل مستلزم تدوین معیارهای ارزیابی شفاف، افزایش قابلیت تفسیرپذیری، و طراحی سازوکارهای دفاعی تطبیق‌پذیر در برابر حملات تکامل یافته است.

کلمات کلیدی : هوش مصنوعی امنیت سایبری یادگیری ماشین عامل‌های خودمختار یادگیری رقابتی تشخیص نفوذ