پایداری و تاب آوری الگوریتم های هوش مصنوعی در زیرساخت های شبکه در برابر تهدیدات سایبری

در سال های اخیر، هوش مصنوعی به یکی از مهم ترین فناوری های تحول آفرین جهان تبدیل شده و کاربرد آن در حوزه هایی مانند پزشکی، حمل ونقل هوشمند، امنیت سایبری، بانکداری و زیرساخت های حیاتی به سرعت گسترش یافته است. امروزه بخش قابل توجهی از این سامانه ها در بستر شبکه های کامپیوتری، رایانش ابری، اینترنت اشیاء و معماری های توزیع شده فعالیت می کنند. در چنین محیط هایی، حملات سایبری، اختلالات شبکه، نفوذ به زیرساخت ها و دستکاری داده ها می تواند عملکرد و اعتمادپذیری سیستم های هوشمند را با چالش جدی مواجه کند. باوجود پیشرفت گسترده الگوریتم های یادگیری ماشین و یادگیری عمیق، عملکرد این سیستم ها در شرایط بحرانی و غیرقابل پیش بینی همچنان یکی از چالش های اصلی پژوهشگران محسوب می شود. بسیاری از مدل های هوش مصنوعی در محیط های کنترل شده دقت بالایی دارند، اما در مواجهه با داده های ناشناخته، حملات خصمانه، تغییرات محیطی و اختلالات زیرساختی دچار افت عملکرد می شوند. هدف این پژوهش بررسی مفهوم پایداری و تاب آوری الگوریتم های هوش مصنوعی، تحلیل تهدیدات اصلی علیه سیستم های هوشمند و معرفی روش های افزایش اعتمادپذیری و امنیت این سامانه ها است. در این پژوهش، علاوه بر بررسی حملات خصمانه علیه الگوریتم های هوش مصنوعی، نقش یادگیری فدرال، معماری های توزیع شده و روش های دفاعی شبکه محصور در افزایش تاب آوری سایبری سیستم های هوشمند نیز مورد تحلیل قرار گرفته است. همچنین کاربردهای هوش مصنوعی تاب آور در حوزه های مختلف و چالش های آینده این فناوری بررسی می شود. نتایج پژوهش نشان می دهد که استفاده از روش هایی مانند یادگیری مقاوم، الگوریتم های توضیح پذیر، یادگیری فدرال، معماری های توزیع شده و سیستم های ترکیبی می تواند نقش مهمی در افزایش امنیت، تاب آوری سایبری و اعتمادپذیری سیستم های هوشمند مبتنی بر شبکه ایفا کند.

کلیدواژه ها:

امنیت سایبری ، تاب آوری ، یادگیری فدرال ، شبکه های هوشمند ، هوش مصنوعی