ارائه چارچوب خودترمیم شونده و توضیح پذیر برای شبکه های هوشمند مبتنی بر دوقلوی دیجیتال با قابلیت پیش بینی حملات سایبری پیش از وقوع

افزایش پیچیدگی، پویایی و وابستگی متقابل زیرساخت های شبکه ای موجب شده است که روش های سنتی امنیت سایبری که عمدتا بر شناسایی و واکنش پس از وقوع حمله تمرکز دارند، برای مقابله با تهدیدات نوظهور کافی نباشند. از سوی دیگر، توسعه فناوری دوقلوی دیجیتال امکان ایجاد یک بازنمایی مجازی پویا از وضعیت، رفتار و تغییرات سامانه فیزیکی یا شبکه واقعی را فراهم کرده است. با این حال، بهره گیری از دوقلوی دیجیتال در امنیت سایبری خود با چالش هایی نظیر صحت داده های ورودی، حملات علیه خود دوقلو، عدم قطعیت مدل، حملات فریبنده و دشواری تفسیر تصمیمات هوش مصنوعی مواجه است. این مقاله با هدف پاسخ به این چالش ها، یک چارچوب خودترمیم شونده، توضیح پذیر و پیش بینانه مبتنی بر دوقلوی دیجیتال با عنوان پیشنهادی X-DT-SHIELD ارائه می کند. چارچوب پیشنهادی از پنج لایه اصلی شامل لایه مشاهده و جمع آوری داده، لایه دوقلوی دیجیتال، لایه پیش بینی تهدید، لایه هوش مصنوعی توضیح پذیر و لایه تصمیم گیری و خودترمیمی تشکیل شده است. در این معماری، وضعیت شبکه واقعی به صورت پیوسته در دوقلوی دیجیتال بازسازی شده و با استفاده از تحلیل رفتاری، تشخیص ناهنجاری، مدل سازی توالی زمانی و تحلیل گراف ارتباطات، احتمال شکل گیری سناریوی حمله قبل از تبدیل شدن آن به رخداد مخرب برآورد می شود. برای کاهش مشکل «جعبه سیاه» در سامانه های هوشمند، ماژول توضیح پذیری علت تصمیم، ویژگی های موثر، مسیر احتمالی حمله و سطح اطمینان پیش بینی را برای مدیر امنیت ارائه می کند. سپس موتور خودترمیمی، بر اساس سیاست های از پیش تعریف شده و سطح ریسک، اقدامات اصلاحی مانند جداسازی گره مشکوک، تغییر مسیر ارتباطی، محدودسازی دسترسی، بازگردانی پیکربندی معتبر و فعال سازی نمونه جایگزین را در محیط واقعی یا ابتدا در دوقلوی دیجیتال شبیه سازی می کند. چارچوب پیشنهادی همچنین با مفاهیم شش گانه NIST CSF ۲.۰ شامل Govern، Identify، Protect، Detect، Respond و Recover هم راستا شده و از MITRE ATT&CK برای نگاشت رفتارهای احتمالی مهاجم استفاده می کند. نوآوری اصلی پژوهش، ایجاد یک حلقه بسته میان پیش بینی تهدید، شبیه سازی سناریوی حمله، توضیح تصمیم، انتخاب اقدام اصلاحی و اعتبارسنجی خودترمیمی است؛ به گونه ای که شبکه صرفا به حمله واکنش نشان نمی دهد، بلکه تلاش می کند نشانه های منتهی به حمله را پیش از وقوع شناسایی کرده و مناسب ترین اقدام اصلاحی را قبل از تبدیل تهدید به حادثه عملیاتی ارزیابی کند.

کلیدواژه ها:

امنیت سایبری ، هوش مصنوعی توضیح پذیر ، پیش بینی حمله سایبری ، تشخیص ناهنجاری ، تاب آوری سایبری