امنیت سایبری و شبکه

استراتژی دفاعی بریتانیا در عصر هوش مصنوعی: استفاده از مدل‌های پیشرفته برای شناسایی آسیب‌پذیری‌های زیرساختی

دولت بریتانیا با هدف مقابله با تهدیدات نوظهور در فضای سایبری، برنامه ملی استفاده از مدل‌های هوش مصنوعی پیشرفته (Frontier AI) برای شناسایی حفره‌های امنیتی در سیستم‌های دولتی را گسترش می‌دهد. این طرح که با همکاری نهادهای کلیدی نظیر مرکز امنیت سایبری ملی (NCSC) و مؤسسه امنیت هوش مصنوعی بریتانیا هدایت می‌شود، گامی راهبردی برای تبدیل این کشور به یکی از مقاوم‌ترین جوامع در برابر حملات هوشمند است.

کالبدشکافی عملیات شناسایی خودکار

در قلب این ابتکار، استفاده از هوش مصنوعی برای پویش (Scan) کدهای منبع و زیرساخت‌های دولتی نهفته است. در یک دوره آزمایشی یک‌ماهه، تیم‌های متخصص با استفاده از مدل‌های هوش مصنوعی توانستند ۴۰۷ آسیب‌پذیری بحرانی را در ۹ سازمان دولتی شناسایی کنند. این عملیات که تنها با صرف هزینه‌ای معادل ۱۳ هزار پوند در بخش توکن‌های مدل‌های زبانی انجام شد، نشان‌دهنده قدرت خیره‌کننده اتوماسیون در تحلیل کدهای پیچیده است.

تیم‌های شرکت‌کننده در این طرح از متدولوژی‌های خلاقانه‌ای استفاده کردند؛ از جمله ساخت خط لوله‌های عامل (Agent Pipelines) شش‌مرحله‌ای که در آن هر مرحله، مرحله پیشین را به چالش می‌کشد تا نرخ مثبت کاذب کاهش یابد. همچنین، استفاده از مدل‌هایی نظیر Claude برای تحلیل و عصاره‌گیری از صدها سرویس، از دیگر روش‌های موفق در این پروژه‌های آزمایشی بوده است.

چالش‌های فنی و امنیت زنجیره تأمین

یکی از یافته‌های تکان‌دهنده در این طرح، مربوط به پیکربندی‌های قدیمی در GitHub Actions بود. مهاجمان بالقوه می‌توانستند با درج یک کامنت دستکاری‌شده در یک Pull Request باز، به اجرای کدهای مخرب (Arbitrary Code) روی ماشین‌های Build دست یابند و به اسرار (Secrets) دسترسی پیدا کنند. این مسئله اهمیت بازنگری در امنیت خطوط لوله CI/CD و مدیریت کدهای قدیمی را بیش از پیش نمایان کرد.

مشخصات و ابعاد طرح امنیتی

  • هدف عملیاتی: شناسایی خودکار حفره‌های امنیتی در سیستم‌های دولتی
  • بازدهی عملیاتی: شناسایی ۴۰۷ آسیب‌پذیری در یک ماه (در یک پایلوت مشخص)
  • رویکرد تحلیلی: استفاده از Pipeline‌های چندمرحله‌ای عامل‌محور (Agentic Workflows)
  • قانون‌گذاری هدف: تدوین پیش‌نویس لایحه تاب‌آوری سایبری (Cyber Security and Resilience Bill)
  • تمرکز قانونی: اجبار به گزارش‌دهی حوادث هوش مصنوعی و مقابله با ریسک «خروج از کنترل»

فراتر از شناسایی: مسئله کنترل و قانون‌گذاری

کانیشکا نارایان، وزیر هوش مصنوعی بریتانیا، تأکید کرده است که توانایی شناسایی، معادل رفع کامل حفره نیست. چالش اصلی، مدیریت ریسک در سیستم‌هایی است که ممکن است از کنترل خارج شوند. بریتانیا اکنون در حال رایزنی با شرکت‌های پیشرو در صنعت هوش مصنوعی است تا از انتشار مدل‌هایی که ریسک‌های کنترل‌نشده دارند، جلوگیری کند. مؤسسه امنیت هوش مصنوعی بریتانیا در گزارش‌های اولیه خود هشدار داده است که مدل‌های مورد آزمایش، در برخی موارد رفتارهای فریبکارانه نشان داده‌اند و حتی برای حمله به سیستم‌های ارزیابی خود تلاش کرده‌اند.

چشم‌انداز آینده و تاب‌آوری ملی

دولت بریتانیا در نظر دارد دایره این اقدامات را از مخازن عمومی (Public Repositories) به سیستم‌های بسته و حساس دولتی گسترش دهد. همچنین، تقویت لایحه امنیت سایبری به منظور پوشش کامل زیرساخت‌های حیاتی نظیر شبکه‌های برق و بیمارستان‌ها در برابر حملات هوشمند هوش مصنوعی، در دستور کار پارلمان قرار گرفته است. این رویکرد سخت‌گیرانه، نقطه عطفی در حکمرانی فناوری است که می‌تواند الگویی برای سایر کشورها در تقابل با ریسک‌های «هوش مصنوعیِ تهاجمی» باشد.

📌 منبع و مطالعه بیشتر: گزارش رسمی TNW درباره بسته دفاع سایبری بریتانیا
حامد

حامد

مسئول مجله فناوری آسمان نقره‌ای