تیم‌های امنیت سازمانی خود را برای تغییری در مدل تهدید آماده می‌کنند؛ زیرا عامل‌های هوش مصنوعی به همان سامانه‌های داخلی مورد استفاده کارکنان، از SharePoint و پایگاه‌های داده SQL گرفته تا مخازن کد و پلتفرم‌های ERP که می‌توانند تأیید پرداخت را آغاز کنند، دسترسی پیدا می‌کنند. نگرانی فوری کمتر درباره این است که آیا یک مدل می‌تواند پاسخ‌های دقیق تولید کند یا نه، و بیشتر درباره این است که آیا یک سامانه خودکار، با استفاده از اعتبارنامه‌های معتبر، می‌تواند اقداماتی خارج از هدف وظیفه محول‌شده خود انجام دهد یا خیر.
این وضعیت هزینه‌کرد امنیتی را به سمت کنترل‌های مربوط به هویت، دسترسی به داده‌ها و رفتار در زمان اجرا سوق می‌دهد. ممکن است یک شرکت عامل هوش مصنوعی را به‌درستی احراز هویت کرده باشد، اما همچنان با خطر مواجه شود؛ اگر عامل از دستور مخربی که در یک سند جاسازی شده پیروی کند، از یک ابزار متصل سوءاستفاده کند، یا با مجوزهایی به کار خود ادامه دهد که دیگر با وظیفه محول‌شده آن متناسب نیستند.
بنابراین، بازار نوظهور بر حاکمیت هویت‌های ماشینی و پایش فعالیت عامل پس از اعطای دسترسی متمرکز است. فروشندگانی که زمانی عمدتاً محصولات نقطه پایانی، فایروال یا هویتی می‌فروختند، در حال سازگار کردن پلتفرم‌های خود هستند تا به سه پرسش عملی پاسخ دهند: یک عامل به چه چیزهایی می‌تواند دسترسی پیدا کند، چه اطلاعاتی را می‌تواند بازیابی کند و چه اقداماتی را می‌تواند اجرا کند؟
امنیت از لبه شبکه به اقدامات عامل منتقل می‌شود
دفاع‌های سنتی سازمانی بر مبنای افراد، دستگاه‌ها و مرزهای شبکه طراحی شده بودند. فایروال‌ها ترافیک ورودی و خروجی شبکه‌ها را پالایش می‌کردند، محصولات تشخیص نقطه پایانی لپ‌تاپ‌ها و سرورها را زیر نظر داشتند، سامانه‌های هویتی تعیین می‌کردند چه کسی می‌تواند وارد شود و مراکز عملیات امنیتی هشدارها را بررسی می‌کردند.
عامل‌های هوش مصنوعی این مرزها را مبهم می‌کنند. آن‌ها می‌توانند به چندین سامانه پشت سر هم و در مدت کوتاهی احراز هویت شوند، یک مخزن فایل را بخوانند، یک پایگاه داده کسب‌وکار را جست‌وجو کنند، یک پروژه نرم‌افزاری را تغییر دهند و دستورهایی برای یک ابزار گردش‌کار ارسال کنند. هر اقدام ممکن است به‌تنهایی مجاز باشد. خطر زمانی ایجاد می‌شود که توالی این اقدامات نتیجه‌ای ناخواسته به بار آورد؛ مانند افشای داده‌های محرمانه یا تأیید تراکنشی که هیچ انسانی قصد مجاز کردن آن را نداشته است.
شرکت GuidePoint Security در گزارشی در سپتامبر ۲۰۲۶ اعلام کرد که هویت‌های غیرانسانی در بسیاری از محیط‌های سازمانی، تا ۷۵ برابر کارکنان انسانی هستند. این مجموع شامل حساب‌های سرویس، ربات‌ها، بارهای کاری خودکار، اعتبارنامه‌های برنامه‌ها و دیگر هویت‌های تحت‌عملیات ماشین‌هاست. این مقیاس، تشخیص یک وظیفه خودکار مشروع از رفتار مشکوکی را که از طریق یک حساب مجاز انجام می‌شود، برای کنترل‌های متعارف دشوارتر می‌کند.
این تغییر همچنین نقش کنترل‌های زمان اجرا را دگرگون می‌کند. شرکت‌ها به‌جای بررسی دسترسی فقط در آغاز یک نشست، به دنبال راه‌هایی هستند تا اقداماتی را که یک عامل هنگام فعالیت خود انجام می‌دهد بررسی کنند. چنین کنترل‌هایی می‌توانند مانع ارسال سوابق حساس توسط عامل به مقصدی تأییدنشده شوند، فرمان‌های پرخطر را محدود کنند یا پیش از آنکه یک گردش‌کار خودکار تغییری مهم ایجاد کند، تأیید انسانی را الزامی کنند.
Palo Alto Networks و CrowdStrike راهبردهای پلتفرمی خود را گسترش می‌دهند
Palo Alto Networks از جمله شرکت‌هایی است که بر پایه این مدل، در حال ساخت یک پلتفرم امنیتی گسترده است. سبد محصولات این شرکت اکنون حفاظت از شبکه، امنیت ابری، عملیات امنیتی، قابلیت‌های مرتبط با هویت و امنیت هوش مصنوعی را پوشش می‌دهد. Prisma AIRS برای پوشش مدل‌ها، داده‌ها، برنامه‌های هوش مصنوعی، عامل‌ها و کنترل‌های زمان اجرا طراحی شده است؛ از جمله یک دیوار آتش زمان اجرای هوش مصنوعی و ابزارهای آزمون تیم قرمز که برای آزمایش سامانه‌ها پیش از استقرار در نظر گرفته شده‌اند.
Palo Alto Networks در آخرین فصل مالی خود درآمد 3.41 میلیارد دلاری گزارش کرد که نسبت به سال قبل 34٪ افزایش داشته و رشد حاصل از خریدهای انجام‌شده را نیز شامل می‌شود. راهبرد این شرکت، امنیت هوش مصنوعی را در قالب فروش یک پلتفرم بزرگ‌تر ارائه می‌کند؛ رویکردی که می‌تواند برای شرکت‌هایی جذاب باشد که به دنبال کاهش تعداد فروشندگان در محیط‌های ابری، شبکه‌ای و هوش مصنوعی هستند.
CrowdStrike از جایگاه تثبیت‌شده خود در حوزه تله‌متری نقاط پایانی به مسئله عامل‌ها نزدیک می‌شود. این شرکت پوشش خود را به لایه‌های اجرایی گسترش می‌دهد؛ جایی که فعالیت عامل‌ها در نهایت رخ می‌دهد: دستگاه‌های کارکنان، سرورها، کانتینرها، بارهای کاری ابری و سامانه‌های هویتی. این راهبرد بر مشاهده فرایند یا بار کاری واقعیِ انجام‌دهنده یک اقدام تأکید دارد، نه فقط مدلی که دستور را تولید می‌کند.
CrowdStrike در آخرین فصل مالی خود رشد 26٪ درآمد نسبت به سال گذشته و افزایش 25٪ درآمد سالانه تکرارشونده را گزارش کرد. گسترش این شرکت به محصولات هویتی، ابری، زمان اجرا و عملیات امنیتی، راه‌های متعددی برای افزودن کنترل‌های عامل‌ها به استقرارهای موجود در اختیارش می‌گذارد؛ هرچند شرکت باید نشان دهد که این محصولات می‌توانند از گردش‌کارهای خودکار به همان اندازه‌ای مؤثر محافظت کنند که تاکنون از نقاط پایانی محافظت کرده‌اند.
SentinelOne رویکردی مرتبط را در مقیاسی کوچک‌تر دنبال می‌کند. محصول Purple AI این شرکت بر خودکارسازی بخش‌هایی از گردش‌کار تحلیل‌گران امنیتی، از جمله بررسی‌ها، هم‌بستگی رویدادها و محرک‌های پاسخ، تمرکز دارد. آزمون تجاری چنین محصولاتی این است که آیا می‌توانند سرعت و کیفیت عملیات امنیتی را بدون ایجاد نقاط شکست خودکار جدید بهبود دهند یا نه.
حاکمیت هویت به مرکز توجه نزدیک‌تر می‌شود
استفاده روزافزون از ایجنت‌ها فشار بیشتری بر فروشندگان راهکارهای هویت وارد می‌کند، زیرا هر ایجنت به یک حساب کاربری، مجوزها، روش‌های احراز هویت و فرایندی برای حذف دسترسی هنگام تغییر یا پایان نقش خود نیاز دارد.
Okta همچنان بر احراز هویت و مدیریت دسترسی متمرکز است، در حالی که SailPoint در زمینه حاکمیت هویت تخصص دارد: تعیین اینکه چرا یک مجوز وجود دارد، چه کسی آن را تأیید کرده و چه زمانی باید بازبینی یا لغو شود. این قابلیت‌ها زمانی اهمیت بیشتری پیدا می‌کنند که یک ایجنت واحد بتواند مجوزها را در چندین برنامه حساس به همراه داشته باشد.
SailPoint در آخرین فصل خود از رشد 25 درصدی درآمد تکرارشونده سالانه و رشد 36 درصدی SaaS ARR خبر داد. این شرکت اعلام کرد ARR مبتنی بر هوش مصنوعی از $70 million فراتر رفته و محصولات هوش مصنوعی بیش از 30 درصد از ARR خالص جدید را به خود اختصاص داده‌اند. این ارقام نشان می‌دهند که مشتریان از همین حالا هزینه‌های حاکمیت هویت را به برنامه‌های استقرار هوش مصنوعی مرتبط می‌کنند، به‌ویژه در مواردی که ایجنت‌ها ممکن است به داده‌های داخلی یا گردش‌کارهای کسب‌وکار دسترسی پیدا کنند.
Okta در آخرین فصل خود از رشد تقریباً 11 درصدی درآمد، همراه با جریان نقدی و حاشیه سود قوی‌تر، خبر داد. چالش این شرکت این است که آیا راهکارهای هویت مرتبط با ایجنت‌ها می‌توانند با حرکت مشتریان از استقرارهای آزمایشی هوش مصنوعی به سمت سیستم‌هایی با دسترسی عملیاتی گسترده‌تر، رشد را فراتر از سرعت فعلی آن شتاب دهند یا نه.
مجوزهای داده و اعتماد صفر به کنترل‌های عملیاتی تبدیل می‌شوند
Varonis قابلیت‌های کشف داده، طبقه‌بندی، تحلیل مجوزها و تشخیص تهدید خود را حول حاکمیت هوش مصنوعی و کنترل‌های زمان اجرا قرار داده است. پیش از آنکه شرکت‌ها به یک ایجنت اجازه دهند فایل‌های داخلی را جست‌وجو کند یا از داده‌های سازمانی به پرسش‌ها پاسخ دهد، باید بدانند کدام اسناد حاوی اطلاعات حساس هستند و آیا مجوزها بیش از حد گسترده‌اند یا نه.
Varonis در آخرین فصل خود از رشد حدود 18 درصدی درآمد کل نسبت به سال گذشته خبر داد. SaaS ARR به میزان 52 درصد افزایش یافت، هرچند شرکت اعلام کرد که بدون در نظر گرفتن آثار تبدیل ناشی از مهاجرت، این رقم حدود 25 درصد بوده است. فرصت این شرکت بر یک مشکل ساده در استقرار استوار است: اگر شرکت‌ها ابتدا ندانند چه داده‌هایی در اختیار دارند و چه کسی یا چه چیزی می‌تواند به آن‌ها دسترسی پیدا کند، نمی‌توان ایجنت‌ها را به‌طور ایمن محدود کرد.
Zscaler اصول دسترسی مبتنی بر اعتماد صفر را برای ترکیبی رو‌به‌رشد از کارکنان، بارهای کاری و ایجنت‌ها به کار می‌گیرد. این مدل از دسترسی کارمند به برنامه فراتر می‌رود و به سمت کنترل‌های ماشین به برنامه حرکت می‌کند؛ در این حالت، یک سیستم خودکار ممکن است برای مدت محدودی به مجوزی دقیقاً محدودشده نیاز داشته باشد تا به یک سرویس خاص دسترسی پیدا کند.
Zscaler در آخرین فصل خود از رشد حدود ۲۵ درصدی هم در درآمد و هم در ARR خبر داد. بدون در نظر گرفتن خرید Red Canary، رشد هر دو معیار به حدود ۲۰ درصد نزدیک‌تر بود. توانایی این شرکت در اعمال احراز هویت، مجوزدهی و جداسازی میان اتصال‌ها، با افزایش سهم بارهای کاری خودکار از ترافیک داخلی، می‌تواند اهمیت بیشتری پیدا کند.
شبکه‌ها همچنان بخشی از توسعه زیرساخت هوش مصنوعی هستند
Fortinet و Cloudflare نشان می‌دهند که پذیرش عامل‌ها چگونه می‌تواند تقاضا برای امنیت شبکه را نیز متحول کند. Fortinet استقرارهای خصوصی هوش مصنوعی، از جمله خوشه‌های GPU، محیط‌های ابر خصوصی و زیرساخت موسوم به کارخانه هوش مصنوعی را هدف گرفته است. چنین سیستم‌هایی برای مدیریت اتصال‌ها درون شبکه به بخش‌بندی، کنترل ترافیک شرق به غرب، فایروال‌ها، محصولات لبه خدمات دسترسی امن و ابزارهای عملیات امنیتی نیاز دارند.
Cloudflare در حوزه‌های تحویل محتوا، امنیت برنامه‌های وب، حفاظت در برابر DDoS، خدمات اعتماد صفر، Workers و یک شبکه لبه جهانی فعالیت می‌کند. با حرکت ترافیک به سمت تعاملات عامل با API و عامل با عامل، نقاط کنترلی آن ممکن است ارزشمندتر شوند؛ در این تعاملات، سیستم‌های نرم‌افزاری بدون دخالت مستقیم انسان، حجم زیادی از درخواست‌های قابل خواندن برای ماشین ایجاد می‌کنند.
ارزش‌گذاری‌های بازار هم‌اکنون انتظارات متفاوت درباره رشد مرتبط با هوش مصنوعی را منعکس می‌کنند. سهام CrowdStrike و Cloudflare با الگوهای رشد بالاتر معامله می‌شوند، در حالی که Palo Alto Networks و Fortinet اغلب به‌عنوان ارائه‌دهندگان پلتفرم‌های تدافعی‌تر دیده می‌شوند. SailPoint، Varonis، Zscaler و Okta با پرسشی تجاری مشخص‌تر روبه‌رو هستند: آیا قابلیت‌های امنیت عامل‌ها می‌توانند به درآمد تکرارشونده خالص جدید بیشتری منجر شوند، یا صرفاً به افزوده‌هایی مورد انتظار برای محصولات موجود تبدیل خواهند شد.
برای کاربران و کسب‌وکارهای رمزارزی، همین تحول بر ضرورت کنترل دسترسی‌های غیرانسانی تأکید می‌کند. کلیدهای API متصل به حساب‌های معاملاتی یا امانی باید با دامنه‌ای محدود تعریف شوند، به‌طور منظم مورد بازبینی قرار گیرند و پس از بی‌نیاز شدن لغو شوند. با بر عهده گرفتن بخش بیشتری از کارهای عملیاتی توسط سیستم‌های خودکار، یک اعتبارنامه معتبر بیش از پیش نقطه شروع تصمیم‌های امنیتی است، نه مدرک نهایی اینکه یک اقدام باید قابل اعتماد تلقی شود.
ببینید بانک‌ها چگونه عامل‌های هوش مصنوعی امن و آگاه از گردش‌کار را در محیط تولید مستقر می‌کنند، در این بررسی عمیق.
سلب مسئولیت: محتوای این صفحه صرفاً برای اهداف اطلاع‌رسانی عمومی ارائه شده و دیدگاه‌ها یا مشاوره مالی Toobit را منعکس نمی‌کند. ما هیچ تضمینی درباره دقت یا کامل بودن این اطلاعات ارائه نمی‌دهیم و در قبال هرگونه خطا، حذف یا پیامدهای ناشی از استفاده از آن مسئولیتی نخواهیم داشت. سرمایه‌گذاری در دارایی‌های دیجیتال با ریسک همراه است؛ کاربران باید وضعیت مالی خود و ریسک‌های مربوطه را به‌طور مستقل ارزیابی کنند. برای جزئیات بیشتر، لطفاً به شرایط استفاده از خدمات و افشای ریسک.
