چارچوب پدافند غیرعامل خودتنظیم برای نرم افزارهای حیاتی با بهره گیری از هوش مصنوعی

افزایش پیچیدگی تهدیدات سایبری و وابستگی روزافزون زیرساخت های حیاتی به سامانه های نرم افزاری، ضرورت توسعه رویکردهای نوین دفاعی را بیش از پیش آشکار کرده است. روش های سنتی پدافند غیرفعال، به دلیل ماهیت ایستا و واکنشی، توان مقابله با حملات پویا، ناشناخته و چندمرحله ای را ندارند. در این پژوهش، یک چارچوب پدافند غیرعامل خودتنظیم مبتنی بر هوش مصنوعی ارائه می شود که با ترکیب قابلیت های پایش بلادرنگ، تحلیل رفتاری، و یادگیری تقویتی، امکان تشخیص، پیش بینی و واکنش خودکار به تهدیدات را فراهم می سازد. چارچوب پیشنهادی شامل چهار لایه اصلی است: لایه پایش هوشمند، لایه تحلیل تهدید، لایه تصمیم گیری مبتنی بر مدل یادگیری تقویتی، و لایه پاسخ خودکار. برای ارزیابی عملکرد، یک مدل نمونه مبتنی بر Q-Learning پیاده سازی شد که توانست الگوهای حمله را در محیط های پویا شناسایی کرده و سیاست های دفاعی بهینه را در طول زمان یاد بگیرد. نتایج نشان می دهد که استفاده از این چارچوب موجب کاهش زمان واکنش، افزایش دقت تشخیص تهدیدات ناشناخته، و بهبود تاب آوری نرم افزارهای حیاتی در برابر حملات پیچیده می شود. این پژوهش نشان می دهد که ترکیب پدافند غیرعامل با هوش مصنوعی می تواند رویکردی کارآمد و آینده نگر برای حفاظت از سامانه های حیاتی باشد و زمینه ساز توسعه استانداردهای جدید در حوزه دفاع سایبری هوشمند گردد.

کلیدواژه ها:

پدافند غیرعامل ، پدافند فعال ، یادگیری تقویتی ، نرم افزارهای حیاتی ، هوش مصنوعی