یکپارچه سازی هوش مصنوعی و سیستم های کنترل برای دفاع سایبری پیشرفته از رهگیری اینترنت اشیاء تا معماری های تطبیقی

پارادایم اینترنت اشیاء (IoT) تعامل با جهان فیزیکی را دگرگون کرده و محیط های هوشمندی در قلمروهای صنعتی شهری و خانگی ایجاد نموده است. این تحول، که با اتصال همه جانبه و تبادل داده ها محرک شده است، چالش های عمیق امنیت سایبری ناشی از ناهمگونی دستگاه ها، محدودیت منابع و استقرار در مقیاس بزرگ را به همراه آورده است، همزمان پیچیدگی فزاینده تهدیدات سایبری، نیاز به گذار از اقدامات امنیتی واکنشی سنتی به چارچوب های دفاعی هوشمند، پیشگیرانه و تطبیقی را ضروری ساخته است. این مقاله با ترکیبی دقیق و توسعه یافته از پژوهش های معاصر یک استراتژی دفاع سایبری چندلایه را ارائه می دهد که کاربردهای یادگیری ماشین (ML) و پتانسیل نوظهور هوش مصنوعی تولیدی (Generative) را برای امن سازی اکوسیستم های اینترنت اشیاء با بینش های حاصل از امنیت کنترل پیش بین توزیع شده (DMPC)، پلتفرم های آزمایشی امنیت سایبری الهام گرفته از طبیعت (NICS)، و تحلیل امنیت شبکه مبتنی بر یادگیری ماشین، ادغام می کند. تحلیل ما مبتنی بر شش مطالعه بنیادی است: یک بررسی گسترده از تکنیک های ML و یک چشم انداز آینده شامل هوش مصنوعی تولیدی و مدل های زبانی بزرگ (LMS) برای امنیت اینترنت اشیاء [۱]، یک چارچوب سیستماتیک برای یکپارچه سازی یادگیری عمیق در امنیت رایانش ابری با رویکرد شبکه عصبی مصنوعی (ANN) [۲]؛ یک روش نوآورانه دو مرحله ای سیستم تشخیص نفوذ (IDS) با استفاده از دسته بندهای ساده بیزی و ردیاب ناهنجاری پوشش بیضوی [۳]، تحلیل آسیب پذیری ها و مکانیزم های دفاعی در سیستم های کنترل پیش بین توزیع شده [۴]؛ یک پلتفرم آزمایشی مبتنی بر هوش مصنوعی برای شبیه سازی و تحلیل دفاع تطبیقی الهام گرفته از طبیعت [۵]؛ و یک رویکرد یادگیری ماشین برای تحلیل امنیت شبکه [۶]. ما به طور نظام مند به تشریح تاکسونومی روش های ML، جزئیات کاربرد آنها در مطالعات موردی خاص امنیت اینترنت اشیاء و لایه های کنترل، بحث در مورد چالش های پایدار و بیان یک نقشه راه آینده نگرانه می پردازیم. این دیدگاه یکپارچه تکامل از تشخیص تهدید متعارف به سمت چارچوب های امنیتی هوشمند پیش بینی کننده و تطبیقی را که توسط نسل بعدی هوش مصنوعی تقویت شده اند، تاکید می کند و نیاز به یک معماری دفاعی یکپارچه و چندلایه را نشان می دهد.

کلیدواژه ها:

هوش مصنوعی یکپارچه ، سیستم های کنترل سایبری ، دفاع سایبری پیشرفته ، اینترنت اشیاء (IoT) ، یادگیری ماشین (ML) ، یادگیری عمیق (DL) ، کنترل پیش بین توزیع شده (DMPC) ، تشخیص نفوذ (IDS) ، پلتفرم آزمایشی مبتنی بر هوش مصنوعی ، امنیت شبکه مبتنی بر ML ، شبکه عصبی مصنوعی (ANN) ، تاب آوری سایبری ، تشخیص ناهنجاری ، معماری تطبیقی ، هوش مصنوعی تولیدی (Generative AI) ، مدل های زبانی بزرگ (LMS) ، حریم خصوصی در یادگیری ماشین ، امنیت ابری ، چندلایگی در دفاع سایبری ، بهینه سازی الهام گرفته از طبیعت