متابعة – أمل علوي
تمثل تقنية التعلم العدائي خطوة مهمة نحو تحقيق الأمن السيبراني الذكي في الوقت الفعلي، وذلك بفضل قدرتها على تفوق الآليات الدفاعية الثابتة في مواجهة تهديدات الذكاء الاصطناعي المتطورة.
ظهور تهديدات جديدة
أدى تزايد الهجمات المدفوعة بواسطة الذكاء الاصطناعي، والتي تستخدم تقنيات التعلم المعزز (RL) ونماذج اللغة الكبيرة (LLM)، إلى ولادة فئة جديدة من التهديدات تُعرف بـ “القرصنة الذكية” مما يزيد من التحديات التي تواجه القادة في المؤسسات. تُمثل هذه التهديدات خطرًا حقيقيًا يتطلب استجابة سريعة لا تستطيع السياسات وحدها معالجتها.
الدفاع الذاتي القائم على التعلم العدائي
يعتمد التعلم العدائي على تدريب نماذج التهديد والدفاع باستمرار ضد بعضها البعض، مما يسهل مواجهة التهديدات الخبيثة. ومع ذلك، هذا الانتقال إلى نماذج دفاع معقدة واجه تاريخياً عائقًا كبيرًا هو “فترة الاستجابة”.
وفقًا لأب ستاروتسا، مدير الأبحاث التطبيقي في Microsoft NEXT.ai، فإن التعلم العدائي يعمل في الإنتاج فقط عندما تتحرك السرعة والدقة معًا. كانت التكلفة الحاسوبية المرتبطة بتشغيل هذه النماذج الكثيفة تمثل تحديًا لقادة المؤسسات، مما يجعلهم يختارون بين الدقة العالية والسرعة.
الابتكارات التقنية في الدفاعات
تعاونت Microsoft وNVIDIA للتغلب على تلك العوائق من خلال تسريع العتاد وتحسين النماذج على مستوى النواة. وبالتحول إلى بنية تحتية معززة باستخدام وحدات NVIDIA H100، تم تخفيض فترة الاستجابة من 1239.67 مللي ثانية إلى 17.8 مللي ثانية. ويُعَد هذا التحسين ضروريًا للقيام بتحليل بيانات المرور الحي، مما يمكّن من نشر نماذج الكشف مع دقة تزيد عن 95%.
قيود داخل الخطوط
تم الكشف عن مشكلة أخرى خلال المشروع تتعلق بخطوات معالجة البيانات. فقد أظهرت التقنيات القياسية المستخدمة في تقنيات تحويل البيانات عجزًا في معالجة بيانات الأمن السيبراني، مما دفع الفرق الهندسية إلى تطوير مُحوّل خاص بالنطاق. أدّى هذا التغيير إلى تقليل فترة تحويل البيانات بمعدل 3.5 ضعف.
أهمية التحسين المستمر
تتطلب تأمين المؤسسات القدرة على التكيف مع حجم وسرعة بيانات الأمن السيبراني. وقد أكدت ريتشل ألين، مديرة الأمن السيبراني في NVIDIA، أن النماذج الدفاعية تحتاج إلى فترة استجابة فائقة السرعة ومرونة كافية لمواجهة أحدث التهديدات.
التوجه نحو المستقبل
مع تزايد اعتماد الشركات على الذكاء الاصطناعي، ستصبح الحاجة إلى تدريب النماذج والهياكل خصيصًا ضد التهديدات العدائية أمرًا ضروريًا. من خلال تعزيز نماذج التعليم العدائي وتطوير هياكل قوية، يمكن للمنظمات بناء نظام حماية ذكاء اصطناعي في الوقت الفعلي يتناسب مع تعقيد التهديدات.
تُظهر هذه التقنية الجديدة أن التوازن بين الدقة والسرعة ممكن في الوقت الحالي، مما يمهد الطريق لأمن سيبراني أكثر ذكاءً وقدرة على التصدي للتحديات المستقبلية.
تم باستخدام أدوات الذكاء الاصطناعي.
