في عالم تتزايد فيه التهديدات السيبرانية، تأتي أهمية مراكز العمليات الأمنية للذكاء الاصطناعي (AI-SOCs) على رأس القائمة. حيث تساهم نماذج اللغات الضخمة (Large Language Models - LLMs) في تعزيز قدراتها وتحسين تلقي المعلومات عن التهديدات، إلا أن هذه النماذج تمثل أيضًا نقاط ضعف كبيرة، مثل خطر حقن التعليمات غير المباشرة عبر تلويث السجلات.

يستغل المهاجمون هذه الثغرات لتنفيذ سلاسل من الهجمات المعقدة، وبالتالي، يصبح من الضروري تأمين هذا النظام. ولحل هذه المعضلة، تم اقتراح بنية دفاعية جديدة تُعرف باسم الدفاع العصبي-الرمزي، والتي تضمن سلامة بيانات النظام من البداية إلى النهاية.

تتكون هذه البنية الدفاعية من طبقتين رئيسيتين:
- **الطبقة الأولى** تستخدم مفككات SIEM (Security Information and Event Management) المعدلة كشبكة أمان أولى، تهدف إلى تنظيف البيانات الهيكلية على الفور، مما يحارب هجمات الحشو واستغلال الثغرات.
- **الطبقة الثانية** تعتمد على NeMo Guardrails التي تفرض حدوداً صارمة للمعاني التنظيمية من خلال عمليات التحقق الذاتية على التنبيهات قبل أن تصل نماذج LLM لمعالجتها.

بالإضافة إلى ذلك، تم دمج نظام للرصد مغلق الدائرة يتيح رؤية واضحة للتهديدات المتوقعة بين يدي المشغلين مباشرةً عبر لوحة القيادة في SOC. من خلال إجراء تقييم شامل ومرتبط بتصنيف MITRE ATLAS، تم قياس فعالية هذا الإطار ضد مجموعة متنوعة من عمليات حقن التعليمات، وقد أظهرت النتائج أن هذه الطريقة التآزرية تمكّن من تفكيك سلاسل الهجوم المعقدة بكفاءة عالية وموثوقية.

بهذا الشكل، يقدم هذا النظام آلية دفاعية قوية وقابلة للرصد لمواجهة التهديدات الجديدة، ويمهد الطريق لمراكز العمليات الأمنية في المستقبل.