ارائه چارچوب امنیتی تطبیقی مبتنی بر معماری Zero-Trust برای شبکه های Agentic AI با بهره گیری از فناوری Digital Twin و یادگیری تقویتی

گسترش سریع سامانه های هوشمند مبتنی بر عامل های هوش مصنوعی (Agentic Artificial Intelligence Networks) و افزایش توانایی این عامل ها در تصمیم گیری مستقل، تعامل پویا با محیط و اجرای خودکار وظایف پیچیده، نسل جدیدی از شبکه های هوشمند را شکل داده است. با وجود مزایای قابل توجه این معماری ها، استقلال عملکردی عامل های هوشمند، ارتباطات چندلایه، تبادل مداوم داده و توانایی خودتنظیمی چالش های امنیتی جدیدی را ایجاد کرده است. در شبکه های مبتنی بر عامل های هوش مصنوعی، روش های امنیتی سنتی مبتنی بر مرزهای ثابت شبکه و سیاست های ایستا، توانایی کافی برای مقابله با تهدیدهای پویا، حملات تطبیقی و رفتارهای غیرقابل پیش بینی عامل ها را ندارند. از این رو، ارائه یک چارچوب امنیتی هوشمند، پویا و خودتطبیق پذیر برای این نوع شبکه ها ضروری است. این پژوهش با هدف ارائه یک چارچوب امنیتی تطبیقی مبتنی بر معماری Zero-Trust برای شبکه های Agentic AI ارائه شده است. در چارچوب پیشنهادی، فناوری Digital Twin به عنوان یک مدل مجازی پویا از شبکه واقعی برای پایش لحظه ای رفتار عامل ها، تحلیل وضعیت امنیتی و پیش بینی تهدیدها استفاده می شود. همچنین با بهره گیری از الگوریتم های یادگیری تقویتی (Reinforcement Learning) یک عامل هوشمند امنیتی طراحی می شود که قادر است بر اساس شرایط لحظه ای شبکه، سطح اعتماد هر عامل، نوع دسترسی، سیاست های امنیتی و واکنش مناسب در برابر تهدیدها را به صورت تطبیقی تعیین نماید. نتایج مورد انتظار نشان می دهد که چارچوب پیشنهادی نسبت به روش های امنیتی سنتی و مدل های ثابت Zero-Trust، توانایی بالاتری در شناسایی رفتارهای غیرعادی، سازگاری با تغییرات شبکه و واکنش سریع تر به تهدیدهای نوظهور دارد. ترکیب Digital Twin با یادگیری تقویتی امکان ایجاد یک محیط پیش بینی کننده و آزمایش سیاست های امنیتی قبل از اعمال واقعی را فراهم کرده و ریسک ایجاد اختلال در شبکه را کاهش می دهد. نوآوری اصلی این پژوهش ارائه یک معماری امنیتی تطبیقی برای شبکه های Agentic AI است که سه فناوری کلیدی شامل Digital Twin، Zero-Trust Security و Reinforcement Learning را در یک چارچوب یکپارچه ترکیب می کند. این چارچوب می تواند به عنوان یک راهکار آینده نگر برای افزایش امنیت شبکه های خودمختار، زیرساخت های هوشمند، سیستم های سایبری فیزیکی و نسل آینده شبکه های مبتنی بر هوش مصنوعی مورد استفاده قرار گیرد.

کلیدواژه ها:

شبکه های عامل محور هوش مصنوعی Agentic AI ، امنیت ، Digital Twin ، Zero-Trust ، یادگیری تقویتی ، امنیت تطبیقی ، تشخیص تهدید ، شبکه های خودمختار