بررسی پتانسیل فناوریهای هوش مصنوعی در پیشبینی و مقابله با حملات پیشرفته (APT) بر بستر شبکههای رادیویی TETRA ایران

در سالهای اخیر حملات سایبری پیشرفته (APT) به زیرساختهای حیاتی کشورها از جمله سامانه های ارتباطی رادیویی چون TETRA، به یکی از تهدیدات جدی امنیتی تبدیل شده اند. این نوع حملات با ویژگیهایی چون تداوم هدفگذاری دقیق و استفاده از روشهای پیچیده، مقابله با آنها را برای نهادهای امنیتی دشوار کرده است. در این مقاله پتانسیل فناوریهای نوین هوش مصنوعی (AI) برای پیش بینی، شناسایی و مقابله با حملات APT در بستر شبکه های رادیویی TETRA ایران مورد بررسی قرار میگیرد. با بهره گیری از الگوریتمهای یادگیری ماشین و یادگیری عمیق، امکان تحلیل دادههای ترافیکی، شناسایی رفتارهای غیر عادی و ایجاد الگوهای هشداردهنده قبل از وقوع حمله فراهم میشود. روش تحقیق شامل طراحی یک مدل پیش بینی بر پایه شبکههای عصبی عمیق و آزمایش آن بر روی دادههای شبیه سازی شده ی شبکه TETRA با سناریوهای مختلف حمله میباشد. نتایج به دست آمده نشان میدهد که استفاده از هوش مصنوعی میتواند دقت شناسایی حملات را تا بیش از ۹۲ درصد افزایش دهد و زمان واکنش را به صورت معناداری کاهش دهد. در این مقاله همچنین موانع پیاده سازی AI در ساختار شبکههای رادیویی کشور از جمله مشکلات زیر ساختی، کمبود دادههای واقعی و چالشهای بومی سازی بررسی شده و راهکارهایی برای ارتقای امنیت سایبری با تکیه بر سامانه های هوشمند ارائه میگردد. دستاوردهای این پژوهش میتواند در توسعه سامانههای بومی هشدار زودهنگام، مرکز عملیات امنیتی SOC، رادیویی و همچنین آموزش مدلهای دفاع فعال در حوزه TETRA مورد بهره برداری قرار گیرد. یافتهها نشان میدهد که ترکیب رویکردهای مبتنی بر پیش بینی و طبقه بندی با چارچوبهای یادگیری تقویتی میتواند کارایی مقابله با حملات را در شرایط پویا به طور چشمگیری افزایش دهد. به ویژه در محیطهایی مانند شبکههای اضطراری مبتنی بر TETRA که ویژگیهای سیگنال، شرایط ترافیکی و پروفایل کاربر به طور مستمر در حال تغییر است، الگوریتمهای تطبیقی تقویتی میتوانند سیاستهای دفاعی را به صورت دینامیک تنظیم و به روزرسانی نمایند.

کلیدواژه ها:

هوش ، مصنوعی ، پیشبینی ، حمله ، تهدیدات پیشرفته ، پایدار ، تترا ، امنیت سایبری