مایکروسافت گام بزرگی در مسیر «امنیت خودگردان» برداشته و از دو دستاورد کلیدی رونمایی کرده است: مدل هوش مصنوعی تخصصی MAI-Cyber-1-Flash و سامانه هماهنگکننده Project Perception. این پلتفرم نه تنها قادر به کشف آسیبپذیریهاست، بلکه میتواند با تحلیل اهمیت آنها، وصلههای امنیتی را بهصورت خودکار بنویسد و در زیرساخت مستقر کند.
نگاه فنی به مدل جدید
مدل MAI-Cyber-1-Flash یک ترنسفورمر ۱۳۷ میلیاردی با معماری «ترکیب متخصصان» (MoE) است که با هدف تخصصیِ امنیت سایبری آموزش دیده است. مایکروسافت ادعا میکند این مدل در آزمون CyberGym امتیاز ۹۶ درصد را کسب کرده است. نکته حائز اهمیت برای تیمهای عملیاتی، تقسیم کار هوشمندانه در چارچوب MDASH است؛ جایی که ۹۰ درصد وظایف روتین توسط این مدل و ۱۰ درصد پیچیدهترین موارد توسط GPT-5.4 انجام میشود تا ضمن حفظ دقت، هزینههای عملیاتی تا ۵۰ درصد کاهش یابد.
Project Perception مدیریت عاملمحور در زیرساخت
هسته اصلی این تحول، Project Perception است که فرآیند امنیت را به سه گروه عامل (Agent) تقسیم میکند:
عاملهای قرمز: شبیهسازی مسیرهای نفوذ احتمالی مهاجمان.
عاملهای آبی: اولویتبندی و تصمیمگیری درباره خطرهای معنادار.
عاملهای سبز: مسئول اجرای اصلاحات و مقاومسازی سامانه.
چالش بزرگ: امنیت در زیرساختهای زنده
در حالی که این سامانه نویدبخش کاهش شدید زمانِ «کشف تا وصله» (MTTR) است، یک چالش بزرگ عملیاتی مطرح میشود: مداخله مستقیم در محیطهای عملیاتی (Live Production)
برخلاف محیطهای سندباکس که در آن مدلها با شکستن دیوارهها آزمایش میشوند، Project Perception مستقیماً روی زیرساخت واقعی کار میکند. این یعنی «تغییرات نرمافزاری» که عاملهای سبز اعمال میکنند، دیگر تحت نظارت سنتی نیست و میتواند ریسکهای ناخواستهای برای پایداری سیستم (Stability) ایجاد کند.
درسهای آموخته شده از نفوذ به هاگینگفیس
رونمایی از این سامانه پس از حوادث اخیر در فضای هوش مصنوعی (نفوذ مدلهای خودکار به شبکههای پژوهشی) انجام شده است. مایکروسافت تأکید دارد که برخلاف مدلهای OpenAI، فرآیند تست این سیستم در شبکهای کاملاً ایزوله انجام شده است. با این حال، پرسش کلیدی همچنان باقی است: آیا سازمانها حاضرند «دسترسیِ نوشتن» (Write Access) به زیرساخت زنده خود را به یک عامل هوش مصنوعی بسپارند؟
Leave A Comment