| پارادایم‌های نوین شناسایی اهداف سایبری مبتنی بر هوش مصنوعی: از تحلیل انسانی تا گراف دانش |
| کد مقاله : 1037-CYSP2025 (R1) |
| نویسندگان |
|
مهدی میرزائی *1، محمدعلی جوادزاده2، حسین حسینی3 1دانشجو 22استادیار، دانشکده هوش مصنوعی و علوم شناختی، دانشگاه جامع امام حسین (ع) 3دانشجوی دکتری هوش مصنوعی و رباتیکز، دانشکده هوش مصنوعی و علوم شناختی، دانشگاه جامع امام حسین (ع) |
| چکیده مقاله |
| فضای سایبر به عنوان پنجمین عرصه نبرد، چالش‌های ویژه‌ای را در فرایند شناسایی اهداف ایجاد کرده است. ماهیت پویا و ناملموس این اهداف، رویکردهای سنتی مبتنی بر تحلیل انسانی را ناکارآمد ساخته است. این مقاله با رویکردی تحلیلی–مروری، سیر تحول پارادایم‌های شناسایی اهداف سایبری را بررسی کرده و بر نقش تحول‌آفرین هوش مصنوعی تأکید می‌کند. نشان داده می‌شود که پیشرفت‌هایی در یادگیری ماشین، یادگیری عمیق و مدل‌سازی گراف، زمینه‌ساز شکل‌گیری رویکردهای نوینی برای کشف، تحلیل و اولویت‌بندی خودکار اهداف استراتژیک شده است. در این میان، «گراف دانش سایبری» به عنوان پارادایم غالب معرفی می‌شود که امکان یکپارچه‌سازی داده‌های ناهمگون و تحلیل در مقیاس پتابایت را با دقتی فراتر از توان انسانی فراهم می‌آورد. همچنین با مرور مطالعات موردی حملات برجسته‌ای مانند Stuxnet، SolarWinds و Log Shell، کارآمدی این رویکردها در تسریع فرایند شناسایی اهداف نشان داده می‌شود. در پایان، ضمن بررسی چالش‌های کلیدی مانند هوش مصنوعی متخاصم و آسیب‌پذیری مدل‌های هوشمند، به ملاحظات اخلاقی، نیاز به هوش مصنوعی قابل توضیح و نقش انسان در حلقه تصمیم‌گیری پرداخته و مسیرهای پژوهشی آینده در این حوزه تبیین می‌گردد. |
| کلیدواژه ها |
| امنیت سایبری، جنگ سایبری، شناسایی اهداف سایبری، هوش مصنوعی، گراف دانش، تحلیل گراف، تهدید پیشرفته مستمر |
| وضعیت: پذیرفته شده برای ارائه شفاهی |