تقویت مدل Zero Trust با استفاده از هوش مصنوعی جهت دفاع پیشگیرانه در مقابل حملات APT

با توجه به گسترش روز افزون وابستگی بین مولفه های سخت افزاری و نرم افزاری، زنجیره تامین به یکی از گزینه های اصلی مهاجمان سایبری به ویژه حملات APT تبدیل شده است. حملات APT به عنوان یکی از پیچیده ترین تهدیدات سایبری شناخته می شوند و در سطح جهانی به عنوان یکی از اولویت های حیاتی امنیت سایبری مطرح هستند. در این مقاله نقش مدل امنیتی Zero Trust(ZT) که بر پایه اصل اعتماد صفر و راستی آزمایی مستمر بنا شده، در شناسایی و مقابله با این نوع حملات بررسی شده است. مدل ZT می تواند در صورت پیاده سازی صحیح به میزان قابل توجهی از نشت اطلاعات و نفوذهای پنهان جلوگیری کند. با این حال پیچیدگی بالای حملات APT پاسخ دهی دقیق و سریع مدل ZT را با چالش هایی روبرو می کند. در این راستا تحقیق حاضر تلاش دارد اثربخشی ZT را در مواجهه با حملات APT با استفاده از رویکردهای هوش مصنوعی بررسی نماید. ابتدا مراحل اجرای حملات APT تحلیل شده و سپس چارچوبی ترکیبی بر پایه ZT و الگوریتم های یادگیری ماشین به منظور تقویت الیه های دفاعی نیز ارائه شده است.

کلیدواژه ها:

اعتماد صفر( Zero Trust ) ، تهدید سایبری ، تهدید پایدار پیشرفته (APT ) ، هوش مصنوعی