“`html

هل يمكن منع الأخطاء البشرية في الأمن السيبراني من خلال الذكاء الاصطناعي

تمثل الأخطاء البشرية اليوم السبب الرئيسي لحالات انتهاك الأمن السيبراني في المنظمات. على عكس الأفكار الشائعة، لا تكون هذه الثغرات دائمًا نتيجة نية سيئة، بل غالبًا ما تكون نتيجة عوامل نفسية أو بيئية مثل التوتر، أو الإرهاق، أو انخفاض التركيز. وتقدم دراسة حديثة حلًا مبتكرًا للتنبؤ بهذه المخاطر في الوقت الفعلي.

تقوم الفكرة على نظام قادر على تحليل حالة المستخدمين الفسيولوجية والمعرفية بشكل مستمر، بالإضافة إلى بيئتهم الفورية. تقيس المستشعرات مؤشرات مثل معدل ضربات القلب، والاستجابة الجلدية الكهربية، ودرجة الحرارة المحيطة، ومستوى الضوضاء، والإضاءة. تكشف هذه البيانات، التي غالبًا ما تكون غير محسوسة للمستخدم نفسه، عن علامات التوتر أو الإجهاد العقلي قبل حتى حدوث الأخطاء. على سبيل المثال، زيادة درجة الحرارة عن 24 درجة مئوية أو ضوضاء تتجاوز 55 ديسيبل تقلل بشكل كبير من قدرات التركيز واتخاذ القرار. كما أن إضاءة قوية جدًا أو غير ملائمة يمكن أن تسبب إجهادًا بصريًا وعقليًا، مما يزيد من مخاطر النسيان أو التعامل الخاطئ.

يعتمد قلب النظام على نموذج ذكاء اصطناعي يجمع بين تقنيتين: شبكة عصبية تلافيفية لتحديد الأنماط في بيانات المستشعرات، وشبكة متكررة من نوع LSTM لمتابعة تطور هذه الأنماط مع الوقت. يسمح هذا النهج بكشف التغيرات الطفيفة في حالة المستخدم، مثل زيادة التوتر أو انخفاض التركيز، بدقة تبلغ 84%. عند تحديد مخاطر عالية، يمكن للنظام تنشيط إجراءات مناسبة، مثل تحذير، أو تقييد الوصول مؤقتًا، أو إرسال تنبيه إلى المسؤول.

أحد التحديات الرئيسية يكمن في القدرة على تعميم هذا النموذج على أفراد مختلفين. فكل شخص يستجيب بشكل مختلف للتوتر أو بيئته. وللتغلب على ذلك، تم تصميم النظام ليتكيف مع كل مستخدم دون الحاجة إلى إعادة تعلم كاملة. فهو يستخدم تطبيعًا ديناميكيًا للبيانات، مما يمكّنه من تمييز التغيرات الطبيعية عن العلامات المبكرة لأخطاء محتملة. ومع ذلك، قد تواجه هذه الطريقة حدودًا إذا لم تغط البيانات الأولية عددًا كافيًا من المواقف المتنوعة.

تتمثل تحدي آخر في حماية الخصوصية. يمكن أن تكشف البيانات الفسيولوجية، مثل معدل ضربات القلب أو الاستجابة الجلدية، عن معلومات حساسة حول الصحة، مثل الحمل، أو الاضطرابات العقلية، أو الأمراض المزمنة. لذا، فإن جمعها واستخدامها يثيران أسئلة أخلاقية وقانونية. في العديد من البلدان، تعتبر هذه البيانات حساسة وخاضعة لتنظيمات صارمة. لذا، يجب على المنظمات التي ترغب في نشر مثل هذا النظام الحرص على الحصول على موافقة مستنيرة من الموظفين، وضمان الشفافية بشأن استخدام البيانات، ووضع سياسات واضحة لتجنب أي تمييز أو انتهاك للخصوصية.

تم اختبار النظام باستخدام بيانات محاكاة تعيد إنتاج ظروف حقيقية. تظهر النتائج أنه يمكن التعرف على الحالات الخطرة بدقة جيدة، على الرغم من أن التحسينات لا تزال ممكنة، خاصة لتقليل الإنذارات الكاذبة. يمكن أن تعزز مرحلة معايرة فردية، حيث يلبس كل مستخدم الجهاز لمدة يوم كامل، من دقة النظام من خلال أخذ الخصائص الفردية في الاعتبار.

في الممارسة العملية، يمكن أن تغير هذه التكنولوجيا من الطريقة التي تتعامل بها المنظمات مع الأمن السيبراني. بدلاً من التركيز فقط على الحلول التقنية مثل جدران الحماية أو برامج مكافحة الفيروسات، فإنها تضع الإنسان في قلب استراتيجية الحماية. من خلال تكييف تدابير الأمن وفقًا للحالة الفعلية للمستخدمين، تقدم هذه التكنولوجيا نهجًا استباقيًا لمنع الأخطاء قبل حدوثها. وهذا لا يمكن أن يقلل من عدد الحوادث فحسب، بل قد يحسن أيضًا من رفاهية الموظفين من خلال تجنب مواقف التوتر الشديد أو الإجهاد المعرفي.

“`

Références

Origine de l’étude

DOI : https://doi.org/10.1186/s42400-026-00609-z

Titre : BioEnvSense: a human-centred security framework for preventing behaviour-driven cyber incidents

Revue : Cybersecurity

Éditeur : Springer Science and Business Media LLC

Auteurs : Duy Anh Ta; Farnaz Farid; Farhad Ahamed; Ala Al-Areqi; Robert Beutel; Tamara Watson; Alana Maurushat