تهدیدات نوظهور عامل های خودمختار مبتنی بر هوش مصنوعی در حملات سایبری

پژوهش حاضر به بررسی نقش تحول آفرین هوش مصنوعی در امنیت سایبری با تاکید بر کاربردهای تهاجمی و تدافعی، چالش های یادگیری رقابتی و چشم اندازهای آینده می پردازد. با افزایش پیچیدگی تهدیدات سایبری و ناکارآمدی روش های سنتی مبتنی بر امضا و قواعد ثابت، به کارگیری تکنیک های یادگیری، ماشین یادگیری عمیق و یادگیری تقویتی به عنوان راهکاری اساسی مطرح شده است. در این پژوهش یافته های معتبر در بازه ۲۰۲۴ - ۲۰۲۶ به صورت نظام مند تحلیل شده است. نتایج نشان می دهد که مدل های زبانی بزرگ نظیر GPT-۴، Sonnet ۳.۵ و Claude قادر به انجام عملیات تهاجمی خودمختار از جمله شناسایی و بهره برداری از آسیب پذیری ها هستند و معیارهایی نظیر CB۳ چارچوبی استاندارد برای سنجش این قابلیت ها ارائه داده اند. با این حال ضعف در مقاومت در برابر حملات رقابتی، نبود داده های آموزشی استاندارد، ماهیت جعبه سیاه مدل ها و چالش های اخلاقی و حریم خصوصی موانع جدی در پذیرش عملی این سیستم ها محسوب می شوند. رویکردهای نوینی نظیر یادگیری فدرال برای اشتراک هوشمند تهدیدات، محاسبات کوانتومی برای رمزنگاری تاب آور و سامانه های دفاعی چندلایه مبتنی بر هوش مصنوعی مولد، به عنوان مسیرهای کلیدی آینده معرفی شده اند. مقاله نتیجه گیری می کند که هوش مصنوعی اگرچه افق های تازه ای در شناسایی، پاسخ گویی و تاب آوری سایبری گشوده است اما تحقق کامل این پتانسیل مستلزم تدوین معیارهای ارزیابی شفاف، افزایش قابلیت تفسیرپذیری و طراحی سازوکارهای دفاعی تطبیق پذیر در برابر حملات تکامل یافته است.

کلیدواژه ها:

هوش مصنوعی ، امنیت سایبری ، یادگیری ماشین ، عامل های خودمختار ، یادگیری رقابتی ، تشخیص نفوذ