دسترسیهای ثابت در سازمانهایی که هوش مصنوعی را پیاده میکنند، شبیه به بمبی ساعتی هستند که هر لحظه ممکن است منفجر شوند. طبق گزارش ۲۰ ژوئیه ۲۰۲۶ از وبسایت dev.to، روشهای سنتی کنترل دسترسی مبتنی بر نقش (RBAC) نمیتوانند با سرعت اکوسیستمهای AI پیش بروند، جایی که نقش کاربر باید فوراً با تغییر بستر دادهها و مدلها سازگار شود.
تصور کنید سامانهای برای تحلیل رفتار مشتری در لحظه دارید. اگر دسترسی کاربر در یک نقش ثابت قفل شده باشد، یا در زمان بحران به ابزارهای لازم دسترسی ندارد، یا مجوزهای بیش از حدی دارد که ریسک نفوذ را بالا میبرد. در اینجا مدل دسترسی پویا (Dynamic RBAC) وارد میشود؛ سیستمی که شبیه به یک نگهبان هوشمند است و بسته به هر اقدام کاربر و شرایط محیطی، مجوزهای او را در همان لحظه کم یا زیاد میکند.
همانطور که در تحلیلهای قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، مدیریت هویت در مقیاس بزرگ دشوار است. پیادهسازی این رویکرد نیازمند چرخش به سمت امنیت اعتماد صفر (Zero Trust) است. بر اساس مستندات فنی، سازوکارهای اصلی این تغییر شامل موارد زیر است:
- تأیید مستمر: هر کاربر، فارغ از مکان یا سابقه، همواره بهعنوان فرد «تأییدنشده» تلقی میشود.
- تخصیص حساس به بستر: مجوزها در لحظه تغییر میکنند؛ مثلاً تیم فروش تنها در زمان فعال شدن هشارهای تشخیص کلاهبرداری، دسترسی موقت به دادههای حساس پیدا میکند. این رویکرد یادآور تلاشهای اخیر در بخش مالی است که در آن بانکها برای مقابله با جعل عمیق از تحلیلهای پیشرفته ریاضی استفاده میکنند تا هویت کاربر را در لحظه اعتبارسنجی کنند.
- اعتبارسنجی مداوم: با پیشروی کاربر در مجموعهدادههای حساس، مجوزهای او مجدداً بررسی میشوند.
به گزارش منابع ذکرشده، یک شرکت خدمات مالی با ترکیب اصول «اعتماد صفر» و RBAC پویا، نرخ نشت دادههای خود را بهطور چشمگیری کاهش داد. اکنون تحت فشارهای نظارتی مانند GDPR، داشتن مدلهای حاکمیتی که مدیریت دسترسی را در مقیاس وسیع اثبات کنند، دیگر یک انتخاب نیست بلکه یک ضرورت است.
برای یک اپراتور، این تغییر یعنی امنیت از یک «دروازه» — که فقط یکبار در ورود چک میشوید — به یک «سایه» تبدیل میشود؛ جایی که سیستم مدام حرکت شما را میپاید و دسترسیتان را تنظیم میکند. تکیه به نقشهای استاتیک در زیرساختهای AI، شکاف حاکمیتی ایجاد میکند که مهاجمان بهراحتی از آن سوءاستفاده میکنند. در همین راستا، تسهیل دسترسیهای سریع و ایمن برای عاملهای هوش مصنوعی اهمیت دارد، مشابه آنچه در حذف سدهای ثبتنام توسط کلودفلر برای کاربردهای AI مشاهده شد.
گام بعدی شما
- بررسی کنید آیا ارائهدهنده هویت (Identity Provider) فعلی شما از محرکهای مبتنی بر ویژگی (Attribute-based) پشتیبانی میکند یا خیر.
- نقشه راه انتقال از دسترسیهای ثابت به دسترسیهای حساس به بستر (Context-aware) را ترسیم کنید.
- آمادگی خود را برای اتوماسیون این تغییرات با استفاده از عاملهای هوش مصنوعی ارزیابی کنید.
اما پیچیدگیهای این موضوع زمانی بیشتر میشود که بخواهیم این دسترسیها را در مدلهای توزیعشده پیاده کنیم؛ به تحلیل ما دربارهی رایانش لبه مراجعه کنید، که در آن به بهینهسازی معماری ابری ترکیبی برای کاهش تأخیر در پاسخدهی عاملها پرداختهایم.
گفتگو