سیاست امنیت سایبری هوش مصنوعی آمریکا از پایه اشتباهه
هوش مصنوعیخلاصهٔ کاملتر
جاشوا سکس، که سابقهٔ کار رو ایمنی مدلهای هوش مصنوعی تو متا داره و حالا همبنیانگذار استارتاپ Abundant Securityه، تو سخنرانی AI Security Forum 2026 میگه سیاست امنیت سایبری هوش مصنوعی آمریکا از پایه اشتباهه. نویسنده میگه رویکرد فعلی اینه که یه مدل رو قبل از عرضه از نظر قابلیتهای خطرناک سایبری (dual-use؛ یعنی قابلیتی که هم به درد دفاع میخوره هم به درد حمله) تست میکنن و اگه از یه حدی رد بشه، عرضهش رو متوقف یا محدودترش میکنن؛ دقیقا کاری که برای Claude Fable و GPT 5.6 شد.
به گفتهٔ نویسنده، این نگاه از پایه غلطه چون قابلیت سایبری یه مدل به تنهایی باعث آسیب نمیشه؛ آسیب واقعی به هدف و توانایی مهاجمها، سرعت بهکارگیری هوش مصنوعی توسط اونا، و اینکه مدافعها چقدر سریع از همون ابزارها استفاده میکنن بستگی داره. اون میگه سیاست فعلی یهجوری فرض میکنه AI بیشتر به نفع مهاجمه، در حالی که شواهدی هست نشون میده AI تو دفاع در برابر فیشینگ و پیدا کردن باگهای امنیتی هم خیلی مؤثر بوده، شاید حتی مؤثرتر از نقشش برای مهاجمها.
پیشنهاد اصلی نویسنده ساخت یه «رصدخونهٔ امنیت سایبری هوش مصنوعی» ملیه؛ یه نهاد که دادههای لازم رو از کل اکوسیستم مهاجم، مدافع و قربانی جمع کنه تا بشه فهمید هر تصمیمی مثل یه قانون جدید، یارانه، برنامهٔ سختسازی امنیتی یا حتی تأخیر تو عرضهٔ یه مدل، چه اثری رو کل اکوسیستم میذاره. به گفتهٔ اون این کار بهجای تمرکز صرف رو گیت کردن عرضهٔ مدلها، طیف خیلی وسیعتری از گزینههای سیاستگذاری رو باز میکنه.
نویسنده تأکید میکنه الان بهترین زمان برای این تغییره، چون مدلهای open weights (یعنی مدلهایی که وزنهاشون عمومی منتشر شده) دارن هم قویتر و هم ارزونتر میشن و میتونن حملههای نیمهخودکار یا کاملا خودکار رو دم دست مهاجمها بذارن. اون البته میگه نمیدونه دقیقا کی جهش بزرگ تو آسیبهای سایبری ناشی از AI اتفاق میافته، ولی معتقده اگه سیاستگذاری الان درست نشه، آسیبهای قابلاجتناب زیادی در پیش خواهیم داشت.
نکات کلیدی:
- خسارت سایبری جهانی الان نزدیک ۱٪ تولید ناخالص داخلی جهانیه
- نویسنده منتقد گیت کردن عرضهٔ مدلها بر اساس تست قابلیت dual-use سایبریه (مثال: Claude Fable، GPT 5.6)
- پیشنهاد اصلی: راهاندازی یه رصدخونهٔ ملی امنیت سایبری هوش مصنوعی
- به گفتهٔ نویسنده AI شاید فعلا بیشتر به نفع مدافعها باشه تا مهاجمها، مخصوصا تو فیشینگ و پیدا کردن باگ
- مدلهای open weights دارن ارزونتر و قویتر میشن و ریسک حملههای خودکار رو بالا میبرن
