تعتبر الوكلاء الذكيون (Intelligent Agents) من الأدوات الأساسية في مجال الأمن السيبراني اليوم، حيث تستخدم للتصنيف والتحليل في مراحل متعددة مثل تحليل حركة الشبكة وتحديد أساليب الهجوم. وقد قدم بحث جديد طريقة مبتكرة تتعلق بشهادة المخاطر المتباينة (Trajectory-Risk Certification) باستخدام أساليب متقدمة مثل التنبؤ المنقسم (Split Conformal Prediction).

ومع ذلك، يتطلب تطبيق هذه التقنية ضماناً على مستوى المسار عبر السلسلة كاملة، وهو تحدٍ يظهر عند تدريب كل مرحلة بشكل مستقل. إذ أثبت البحث أن هذه الضمانات لا تتكون آليًا، ويتوجب وجود تعديل على أساليب القياس لضمان التوافق بين مختلف المراحل.

اقترح الباحثون استخدام متغير جديد يُعرف بإعادة هيكلة الشجرة (Spanning-Tree Alternative) لتفادي المشاكل المرتبطة بالإحصائيات المتقاطعة، حيث ينتج عن هذا التحول دقة أكبر في تقديرات المخاطر ويقلل من الأخطاء المرتبطة بالمكونات المختلفة للأداء.

من خلال إجراء اختبارات على خط أنابيب للكشف عن التسلل باستخدام مجموعة بيانات متنوعة و6 نماذج لغوية ضخمة، حملت النتائج دلالات مبهرة. إذ تبين أن إزالة بعض المتغيرات أثرت بشكل كبير على دقة النتائج، مما أدى إلى تحسينات ملموسة في مدى الشهادة.

الكشف عن الأخطاء بدقة أكبر كان ممكنًا، حيث ساهمت هذه التقنية في تقليص نسبة الأخطاء إلى 13.7% بعد الوصول إلى حجم العينة المطلوب. كما أظهرت تجربة استخدام نماذج أو تقنيات مختلفة وجود اعتماد يتناقض مع نمذجة مشتركة، مما يعني أن التحديات تتعلق بالصعوبات المشتركة عوضاً عن الاعتماد على نماذج متشابهة.

هذه الابتكارات تمثل خطوة هامة نحو تحسين موثوقية وكفاءة الأنظمة الأمنية المدعومة بالذكاء الاصطناعي. فما رأيكم في هذه التطورات؟ هل تعتقدون أن هذه الحلول ستغير المعايير في عالم الأمن السيبراني؟ شاركونا آراءكم في التعليقات!