في عالم الشبكات المتقدمة، أصبحت شبكات O-RAN (Open Radio Access Network) قادرة على التكيف والتطور من خلال الواجهات المفتوحة والمرنة. ولكن هذه الانفتاح يسبب أيضًا زيادة في المخاطر الأمنية، حيث يمكن للمهاجمين استغلال هذه الفجوات. في هذا السياق، جاءت الأداة الجديدة DAST لتقديم حلول مبتكرة للكشف عن الشذوذ.

تم تصميم DAST كإطار عمل يستخدم نماذج التعلم المتعددة (VLM) ونماذج اللغة الكبيرة (LLM) لتقديم مخرجات دقيقة في الكشف عن أي شذوذ قد يظهر في واجهات الشبكة. يعتمد الإطار على ثلاثة مراحل متتالية: تحويل التدفقات المتعددة إلى تمثيلات بصرية، تقييم النصوص المتاحة وفقًا للمعرفة ضمن مجال O-RAN، وأخيرًا، التحقق من الشبهات باستخدام خرائط حرارية عالية الدقة.

تظهر النتائج الأولية أن DAST قد حققت مستويات أداء مبهرة، حيث سجلت 0.910 كنسبة F1 و0.843 كدقة، متفوقة على الأساليب التقليدية في الكشف عن الشذوذ. مما يجعلها الأداة المثالية لمواجهة التهديدات الرقمية المتزايدة.

تعتبر هذه التقنية الجديدة خطوة بارزة نحو تعزيز أمان الشبكات، مما يضمن عدم التأثير على الأداء أو تدهور الخدمة بسبب الهجمات. إن نجاح DAST في بيئات الأداء يمثل بارقة أمل في عالم الأمن السيبراني.

من الواضح أن الابتكار في مجال الذكاء الاصطناعي لا يتوقف عند حدود، ودائمًا ما يحمل في طياته وعودًا بحماية أفضل وأداء أعلى.