امنیت اینترنت اشیاء در عصر مدل‌های زبانی بزرگ: فرصت‌ها، تهدیدات و چالش‌های پیش‌رو

امنیت اینترنت اشیاء در عصر مدل‌های زبانی بزرگ: فرصت‌ها، تهدیدات و چالش‌های پیش‌رو

اعظم حکمی1

1) عضو هیأت علمی گروه کامپیوتر وفناوری اطلاعات، دانشگاه آزاد اسلامی واحد همدان- ایران ایمیل:

کد IOI مقاله : AAHD-ACZBFZ
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    گسترش اینترنت اشیاء در سال‌های اخیر، امنیت شبکه‌ها را با چالش‌های تازه‌ای روبه‌رو کرده است. دستگاه‌های متصل، به‌دلیل محدودیت منابع و ناهمگونی، اهداف آسانی برای مهاجمان محسوب می‌شوند و روش‌های سنتی تشخیص نفوذ، از جمله رویکردهای مبتنی بر امضا و مدل‌های کلاسیک یادگیری ماشین، در برابر حملات پیچیده و روز-صفر کارایی خود را از دست داده‌اند. در این میان، مدل‌های زبانی بزرگ با توانایی‌هایی مانند درک زبان طبیعی، استدلال چندمرحله‌ای و یادگیری درون‌متن، به‌عنوان راهکاری نوین مطرح شده‌اند. در این مقاله، ما با روشی مروری-تحلیلی، پژوهش‌های اخیر (۲۰۲۴ تا ۲۰۲۶) را بررسی کرده‌ایم تا کاربردهای عملی این مدل‌ها در امنیت اینترنت اشیاء را نشان دهیم. یافته‌ها حاکی از آن است که این مدل‌ها در چهار حوزه‌ی کلیدی تحول ایجاد کرده‌اند: تشخیص نفوذ با دقت 2/98 درصد (مدل SecurityBERT)، تحلیل خودکار لاگ‌ها و داده‌های غیرساختاریافته، تشخیص حملات روز-صفر با رویکردهای بازیابی-محور، و خودکارسازی امنیت با عامل‌های هوشمند. بااین‌حال، چالش‌های جدی نیز وجود دارد: بیش از ۷۲ درصد پژوهش‌ها امکان اجرای این مدل‌ها روی دستگاه‌های لبه را بررسی نکرده‌اند، ۸۹ درصد رویکردها در برابر حملات رقابتی ارزیابی نشده‌اند، و ۹۲ درصد اطلاعاتی درباره‌ی تأخیر و مصرف انرژی ارائه نداده‌اند.در پایان، ما راهکارهایی مانند توسعه‌ی مدل‌های سبک‌وزن، معماری‌های ترکیبی ابر-لبه، یادگیری فدرال و چارچوب‌های ارزیابی استاندارد را پیشنهاد می‌کنیم و بر ضرورت حرکت از پژوهش‌های آزمایشگاهی به استقرار در دنیای واقعی تأکید می نماییم.

کلمات کلیدی : اینترنت اشیاء مدل‌های زبانی بزرگ امنیت سایبری تشخیص نفوذ یادگیری درون‌متن حملات رقابتی