کاخ سفید با راه‌اندازی برنامه Gold Eagle، گام تازه‌ای در استفاده از هوش مصنوعی برای تقویت فرآیندهای دفاع سایبری برداشته است؛ برنامه‌ای که با هدف تسریع مدیریت آسیب‌پذیری با هوش مصنوعی طراحی شده و قرار است شناسایی، اولویت‌بندی، اعتبارسنجی و اقدامات اصلاحی مربوط به آسیب‌پذیری‌های نرم‌افزاری را در میان سازمان‌های فدرال، اپراتورهای زیرساخت‌های حیاتی و جوامع نرم‌افزارهای متن‌باز هماهنگ‌تر و کارآمدتر کند. این رویکرد نشان می‌دهد که مدیریت آسیب‌پذیری با هوش مصنوعی در حال تبدیل شدن از یک ابزار صرفاً تحلیلی به یک مدل عملیاتی برای کاهش ریسک‌های امنیتی، حذف فعالیت‌های تکراری و کمک به تصمیم‌گیری سریع‌تر در برابر آسیب‌پذیری‌های حیاتی است.
بر اساس اعلام کاخ سفید، برنامه Gold Eagle به‌عنوان یک مرکز متمرکز هماهنگی آسیب‌پذیری‌های امنیت سایبری عمل خواهد کرد و فرآیندهای گزارش‌دهی آسیب‌پذیری، اعتبارسنجی، اولویت‌بندی و اقدامات اصلاحی را میان نهادهای دولتی، بخش خصوصی و پروژه‌های متن‌باز یکپارچه می‌کند. این برنامه در ادامه فرمان اجرایی 2 ژوئن دونالد ترامپ درباره نوآوری و امنیت در حوزه هوش مصنوعی پیشرفته توسعه یافته و هدف آن، افزایش همکاری میان دولت و صنعت برای مقابله سریع‌تر با تهدیدات سایبری و کاهش زمان موردنیاز برای واکنش به آسیب‌پذیری‌های نرم‌افزاری است.
Gold Eagle و گذار به مدیریت آسیب‌پذیری با هوش مصنوعی
کاخ سفید اعلام کرده است که برنامه Gold Eagle دریافت گزارش‌های آسیب‌پذیری از صنایع مختلف را آغاز کرده و با بهره‌گیری از اختیارات و منابع موجود فدرال، هماهنگی میان فرآیندهای اعتبارسنجی، بررسی نتایج اسکن‌های امنیتی و اقدامات اصلاحی را دنبال می‌کند.
این برنامه با هدف جایگزینی فرآیندهای سنتی و پراکنده افشای آسیب‌پذیری با یک سازوکار یکپارچه، هماهنگ و متمرکز طراحی شده است؛ مدلی که در آن یافته‌های امنیتی از منابع مختلف جمع‌آوری، اعتبارسنجی و اولویت‌بندی می‌شوند تا سازمان‌ها بتوانند سریع‌تر و مؤثرتر به آسیب‌پذیری‌های شناسایی‌شده واکنش نشان دهند.
در این رویکرد، مدیریت آسیب‌پذیری با هوش مصنوعی به کمک تحلیل داده‌های گسترده می‌تواند هشدارهای تکراری را حذف کند، میزان در معرض قرار گرفتن دارایی‌های دیجیتال در اینترنت را دقیق‌تر ارزیابی کند و اطلاعات اولویت‌بندی‌شده و قابل اقدام را در اختیار مدافعان سایبری قرار دهد.
پژوهشگران گروه Everest، معتقدند Gold Eagle نباید به‌عنوان جایگزینی برای سازوکارهای فعلی در نظر گرفته شود؛ بلکه این برنامه را می‌توان یک تحول مهم در فرآیندهای موجود افشای آسیب‌پذیری و همکاری میان دولت و صنعت دانست. اهمیت اصلی این طرح در ایجاد یک مرکز هماهنگی عملیاتی است که بتواند یافته‌های آسیب‌پذیری را یکپارچه کند، فعالیت‌های تکراری اسکن را کاهش دهد و فرآیند اقدامات اصلاحی را میان اپراتورهای زیرساخت حیاتی و جوامع نرم‌افزارهای متن‌باز هماهنگ سازد.
موفقیت این رویکرد به نحوه اجرای آن در عمل بستگی دارد؛ زیرا ارزش واقعی آن زمانی مشخص می‌شود که بتواند فاصله زمانی میان شناسایی آسیب‌پذیری، اعتبارسنجی و انجام اقدامات اصلاحی را کاهش دهد. میزان مشارکت صنایع، پروتکل‌های اشتراک‌گذاری اطلاعات و نحوه تعامل با اپراتورهای زیرساخت حیاتی، از عوامل تعیین‌کننده در اثربخشی این برنامه خواهند بود.
هوش مصنوعی؛ ابزار اولویت‌بندی، نه جایگزین تصمیم‌گیری انسانی
دولت آمریکا اعلام کرده است که یکی از اهداف اصلی برنامه Gold Eagle، کاهش فعالیت‌های تکراری اسکن آسیب‌پذیری و تسریع فرآیند اقدامات اصلاحی از طریق استفاده از هوش مصنوعی برای اولویت‌بندی یافته‌های امنیتی است.
اسکات بسنت (Scott Bessent)، وزیر خزانه‌داری آمریکا، این برنامه را نشانه‌ای از همکاری نزدیک‌تر میان دولت و بخش خصوصی برای حفاظت از مؤسسات مالی و سایر زیرساخت‌های حیاتی دانسته است. او تأکید کرده است که وزارت خزانه‌داری آمریکا به همراه سازمان‌های همکار خود، همچنان از قابلیت‌های هوش مصنوعی پیشرفته استفاده خواهد کرد تا در برابر مهاجمان سایبری پیشتاز بماند و از مردم آمریکا در برابر تهدیدات نوظهور محافظت کند.
به گفته پژوهشگران، هوش مصنوعی بیشترین نقش را در مرحله تریاژ آسیب‌پذیری (Vulnerability Triage) و اولویت‌بندی ریسک‌های امنیتی ایفا خواهد کرد. هوش مصنوعی می‌تواند یافته‌های چندین ابزار اسکن امنیتی را با یکدیگر تطبیق دهد، هشدارهای تکراری را حذف کند، آسیب‌پذیری‌ها را به فعالیت‌های اکسپلویت شناخته‌شده مرتبط سازد، میزان مواجهه دارایی‌های دیجیتال با اینترنت را ارزیابی کند و شدت فنی آسیب‌پذیری‌ها را در کنار اهمیت دارایی و تأثیر احتمالی آن‌ها بر کسب‌وکار تحلیل کند.
در این چارچوب، مدیریت آسیب‌پذیری با هوش مصنوعی به سازمان‌ها امکان می‌دهد به‌جای تمرکز صرف بر تعداد آسیب‌پذیری‌های شناسایی‌شده، ریسک‌های واقعی را با دقت بیشتری اولویت‌بندی کرده و اقدامات اصلاحی را سریع‌تر و مؤثرتر اجرا کنند.
با این حال، پژوهشگران هشدار داده‌اند که اولویت‌بندی مبتنی بر هوش مصنوعی تنها به اندازه کیفیت داده‌های پایه آن، از جمله فهرست دارایی‌ها، داده‌های آسیب‌پذیری و هوش تهدید (Threat Intelligence)، قابل اعتماد خواهد بود.
آن‌ها تأکید کرده‌اند که هوش مصنوعی باید به‌عنوان یک ابزار پشتیبان در کنار متخصصان امنیتی مورد استفاده قرار گیرد و نباید جایگزین اعتبارسنجی انسانی، ارزیابی راهکارهای جبرانی امنیتی و تصمیم‌گیری‌های مبتنی بر ریسک در سطح سازمان شود.
مدیریت آسیب‌پذیری با هوش مصنوعی برای کاهش ریسک واقعی امنیتی
پژوهشگران شرکت Gartner معتقدند برنامه Gold Eagle نشان‌دهنده تغییر رویکرد در ارزیابی عملکرد امنیت سایبری است؛ تغییری که به جای تمرکز صرف بر تعداد پچ‌های اعمال‌شده، بر کاهش واقعی سطح مواجهه سازمان‌ها با ریسک‌های امنیتی تمرکز دارد.
به گفته آن‌ها، معیار موفقیت در مدیریت آسیب‌پذیری نباید فقط تعداد آسیب‌پذیری‌های پچ‌شده باشد، بلکه باید میزان کاهش ریسک برای دارایی‌ها و سامانه‌های حیاتی سازمان‌ها را نیز در نظر بگیرد. در این رویکرد، مدیریت آسیب‌پذیری با هوش مصنوعی می‌تواند با بهبود فرآیند اولویت‌بندی و هماهنگی اقدامات اصلاحی، به سازمان‌ها کمک کند تا سریع‌تر و دقیق‌تر به آسیب‌پذیری‌ها واکنش نشان دهند.
همچنین پژوهشگران Gartner اعلام کرده‌اند که Gold Eagle می‌تواند با یکپارچه‌سازی هماهنگی میان دولت و صنعت، چالش‌هایی مانند گزارش‌دهی پراکنده و شیوه‌های ناهماهنگ افشای آسیب‌پذیری را کاهش دهد و فرآیند واکنش به آسیب‌پذیری‌ها را کارآمدتر کند.
اجرای عملی، عامل تعیین‌کننده موفقیت Gold Eagle
با وجود اهداف مشخص‌شده برای برنامه Gold Eagle، جزئیات اجرایی این طرح هنوز به‌طور کامل اعلام نشده است. برای مثال، نحوه مشارکت سازمان‌ها، چگونگی استفاده از هوش مصنوعی برای اعتبارسنجی و اولویت‌بندی آسیب‌پذیری‌ها و همچنین نحوه هماهنگی این برنامه با برنامه‌های موجود افشای هماهنگ آسیب‌پذیری و مدیریت آسیب‌پذیری همچنان مشخص نیست.
پژوهشگران شرکت Everest Group معتقدند مدیران ارشد امنیت اطلاعات (CISO) باید برنامه Gold Eagle را به‌عنوان یک منبع مکمل برای دریافت اطلاعات آسیب‌پذیری در نظر بگیرند و آن را جایگزینی برای فرآیندهای مدیریت ریسک سازمانی تلقی نکنند.
به گفته آن‌ها، روند واکنش به آسیب‌پذیری‌ها در حال حرکت به سمت مدلی سریع‌تر، مبتنی بر اطلاعات و هماهنگ‌تر میان دولت و صنعت است. در این مسیر، مدیریت آسیب‌پذیری با هوش مصنوعی می‌تواند به بهبود اولویت‌بندی ریسک‌ها و تسریع تصمیم‌گیری‌های امنیتی کمک کند، اما همچنان تصمیم نهایی درباره نحوه اصلاح آسیب‌پذیری‌ها باید بر اساس شرایط و نیازهای هر سازمان اتخاذ شود.
پژوهشگران تأکید کرده‌اند که حتی با بهبود کیفیت و سرعت تبادل اطلاعات از سوی دولت، سازمان‌ها همچنان مسئول تعیین اولویت نهایی اقدامات اصلاحی خواهند بود؛ زیرا سطح ریسک، اهمیت دارایی‌ها و شرایط عملیاتی هر سازمان نقش اصلی را در تصمیم‌گیری امنیتی ایفا می‌کند.
