شناسایی و مقابله با حملات سایبری مبتنی بر هوش مصنوعی مولد در شبکه های سازمانی

با ظهور فناوری های هوش مصنوعی مولد (Generative AI)، پارادایم تهدیدات سایبری در شبکه های سازمانی به شکلی بی سابقه تغییر یافته است. مهاجمان با بهره گیری از مدل های زبانی بزرگ (LLMs) و سایر ابزارهای هوش مصنوعی مولد، قادر به تولید بدافزارهای چندوجهی، ایمیل های فیشینگ بسیار متقاعدکننده و حملات مهندسی اجتماعی با دقت بالا و در مقیاس انبوه هستند. این مقاله با هدف مرور و تحلیل چالش های ناشی از حملات سایبری مبتنی بر هوش مصنوعی مولد، به بررسی انواع این تهدیدات در محیط های سازمانی می پردازد. در این پژوهش، ابتدا مکانیزم های سوءاستفاده از هوش مصنوعی مولد در مراحل مختلف چرخه حمله (Cyber Kill Chain) تحلیل شده و سپس، راهکارهای دفاعی نوین، از جمله سیستم های تشخیص نفوذ مبتنی بر هوش مصنوعی (AI-based IDS) و مدل های شناسایی محتوای سنتزی (Synthetic Content Detection)، مورد ارزیابی قرار می گیرند. یافته های این مطالعه نشان می دهد که مقابله با این تهدیدات نیازمند رویکردی دفاعی-تهاجمی (Proactive Defense) و ترکیب مدل های یادگیری عمیق برای شناسایی الگوهای رفتاری غیرعادی در ترافیک شبکه است.

کلیدواژه ها:

هوش مصنوعی مولد ، حملات سایبری ، امنیت شبکه سازمانی ، فیشینگ هوشمند ، تشخیص نفوذ ، یادگیری ماشین