هویت عامل‌های هوش مصنوعی به محور تازه امنیت سازمانی تبدیل می‌شود

با گسترش عامل‌های هوش مصنوعی در محیط‌های کاری، یکی از پرسش‌های بنیادین امنیت سازمانی دوباره مطرح شده است: چه کسی یا چه چیزی اجازه دارد به یک سامانه یا داده دسترسی پیدا کند؟ در گزارشی که ۲۹ سپتامبر در SiliconANGLE منتشر شد، زئوس کراوالا، تحلیلگر ZK Research، استدلال می‌کند که پاسخ این پرسش دیگر فقط نام کاربری کارمندان نیست؛ عامل‌های نرم‌افزاری نیز به بازیگران فعال سازمان‌ها تبدیل شده‌اند، در حالی که بسیاری از شرکت‌ها نمی‌دانند چند عامل دارند، به چه منابعی دسترسی دارند یا چه کسی مسئول آن‌هاست. این شکاف، مدیریت هویت را به یکی از محورهای امنیت هوش مصنوعی بدل کرده است.

افزایش هویت‌های ماشینی و عامل‌های پنهان

عامل هوش مصنوعی نرم‌افزاری است که می‌تواند برای انجام یک کار، ابزارها و داده‌های گوناگون را به‌کار بگیرد و گاهی به نمایندگی از یک کاربر یا سازمان اقدام کند. چنین عاملی برای استفاده از سامانه‌ها معمولاً به هویت ماشینی و مجوز دسترسی نیاز دارد؛ هویتی که ممکن است برخلاف حساب کاربری انسان، مالک یا مسئول روشنی نداشته باشد.

گزارش «چشم‌انداز امنیت هویت ۲۰۲۶» شرکت Palo Alto Networks، که در مقاله SiliconANGLE به آن استناد شده، می‌گوید سازمان‌ها به‌طور میانگین به‌ازای هر هویت انسانی ۱۰۹ هویت ماشینی مدیریت می‌کنند. این هویت‌ها شامل حساب‌ها و دسترسی‌هایی هستند که نرم‌افزارها و سرویس‌ها برای ارتباط با یکدیگر به‌کار می‌برند. بر اساس همان گزارش، شرکت‌ها انتظار دارند شمار هویت‌های مربوط به عامل‌های هوش مصنوعی در ۱۲ ماه آینده ۸۵ درصد افزایش یابد.

افزایش تعداد هویت‌ها با ضعف در نظارت همراه است. بیش از نیمی از سازمان‌های بررسی‌شده، طبق گزارش Palo Alto Networks، نمی‌توانند اصل «کمترین سطح دسترسی» را به‌شکلی یکپارچه برای حساب‌های سرویس در محیط‌های ابری، نرم‌افزارهای سرویس‌محور و زیرساخت‌های داخلی اجرا کنند. این اصل یعنی هر حساب فقط باید به منابعی دسترسی داشته باشد که برای انجام وظیفه‌اش لازم است.

پژوهش خود SailPoint تصویری نگران‌کننده‌تر از وضعیت عامل‌ها ارائه می‌کند: بنا بر داده‌های این شرکت، ۹۷ درصد عامل‌های هوش مصنوعی به داده‌های حساس دسترسی دارند، اما فقط ۲۱ درصد سازمان‌ها اطمینان زیادی دارند که می‌توانند خطرهای امنیتی این عامل‌ها را مدیریت کنند. چون این ارقام از پژوهش شرکت ارائه‌دهنده راهکارهای مدیریت هویت می‌آیند، باید آن‌ها را در چارچوب داده‌های گزارش‌شده از سوی SailPoint خواند؛ با این حال، اختلاف میان گستردگی دسترسی و اطمینان سازمان‌ها، مسئله‌ای را برجسته می‌کند که در گزارش مطرح شده است.

کراوالا همچنین به گفته مدیران SailPoint در آخرین نشست مالی شرکت اشاره می‌کند: یک آزمایش مفهومی در یک شرکت فهرست Fortune 500 بیش از ۱۰ هزار عامل هوش مصنوعی ناشناخته و هزاران خطر مرتبط با آن‌ها را آشکار کرده است. این نمونه به‌تنهایی نماینده همه سازمان‌ها نیست، اما نشان می‌دهد ابزارهای مرسوم ممکن است نتوانند فعالیت‌های تازه‌ای را که با هوش مصنوعی شکل می‌گیرند شناسایی کنند. نویسنده گزارش، با اشاره به داده‌ای از ZK Research، می‌گوید نزدیک به نیمی از استفاده از هوش مصنوعی روی دستگاه‌های همراه انجام می‌شود؛ بخشی که به باور او اغلب از دید واحد فناوری اطلاعات پنهان می‌ماند.

چرا کنترل هویت برای عامل‌ها ضروری است؟

بخش مهمی از تلاش‌های امنیتی برای عامل‌ها بر مهار آن‌ها متمرکز است: محیط‌های ایزوله، زمان‌اجرای امن، محدودیت‌های رفتاری و کنترل‌های سخت‌افزاری. این ابزارها می‌توانند دامنه اقدام یک عامل را محدود کنند، اما به‌تنهایی روشن نمی‌کنند چه کسی آن را ساخته، از طرف چه کسی عمل می‌کند، چه داده‌هایی را می‌تواند ببیند یا آیا هنوز باید فعال باشد.

از نگاه کراوالا، هویت مکمل این لایه‌های مهار است. کنترل محیط اجرا می‌گوید عامل چه کاری نمی‌تواند انجام دهد؛ سامانه هویت باید مشخص کند عامل کیست، مالک انسانی آن چه کسی است، چه مجوزهایی دارد و این مجوزها چه زمانی پایان می‌یابند. به بیان دیگر، اگر سازمان نداند یک عامل به چه هویتی متصل است، اجرای سیاست‌های امنیتی و پاسخ‌گویی به رفتار آن دشوار می‌شود.

گزارش سه ویژگی عامل‌ها را دلیل اهمیت بیشتر مدیریت هویت می‌داند. نخست، عامل‌ها می‌توانند با سرعت ماشین اقدام کنند؛ بنابراین دسترسی بیش از اندازه، بالقوه امکان انجام تعداد زیادی عملیات در زمانی کوتاه را فراهم می‌کند. دوم، دسترسی‌ها ممکن است انباشته شوند: عامل‌ها می‌توانند عامل‌های فرعی ایجاد کنند، از اعتبارنامه‌ها استفاده کنند یا مجوزهای مختلف را کنار هم قرار دهند؛ وضعیتی که پیش‌بینی همه پیامدهایش با یک سیاست ساده دشوار است.

سومین چالش، پاسخ‌گویی است. در استفاده انسانی از یک حساب، معمولاً فردی مشخص برای پیگیری وجود دارد. اما در مورد عامل‌ها، ممکن است مالک روشن نباشد یا گزارش فعالیت به یک حساب سرویس قدیمی و ناشناس برسد. مارک مک‌کلین، مدیرعامل SailPoint، در نشست مالی شرکت بر سه پرسش تأکید کرده است: هر عامل به چه داده‌هایی دسترسی دارد، کدام انسان پاسخ‌گوی آن دسترسی است و در صورت نیاز چگونه می‌توان دسترسی را لغو کرد؟ به گفته کراوالا، بسیاری از شرکت‌ها هنوز پاسخ روشنی برای این پرسش‌ها ندارند.

راهکار SailPoint و اولویت‌های پیش رو

SailPoint برای ورود به این حوزه، در ماه مه Agentic Fabric را معرفی کرد؛ محصولی که بنا بر اعلام شرکت، عامل‌های هوش مصنوعی و هویت‌های ماشینی را شناسایی می‌کند، هرکدام را به یک مالک انسانی پیوند می‌دهد و امکان اعمال مجوز در زمان اجرا را فراهم می‌سازد. این قابلیت در اوت به‌صورت عمومی عرضه شد و بخشی از راهکار گسترده‌تر Identity Security شرکت شد؛ راهکاری که Human Fabric را نیز در بر می‌گیرد و بر بستر Atlas ارائه شده است.

طبق توضیحات مطرح‌شده در گزارش، قابلیت‌های این مجموعه شامل حسگرهایی برای نقاط پایانی و مرورگرهاست تا عامل‌های پنهان را آشکار کنند؛ پشتیبانی از سرورهای Model Context Protocol؛ حذف درون‌خطی داده‌های شخصی پیش از رسیدن آن‌ها به مدل‌های زبانی بزرگ؛ و یک کلید قطع متمرکز برای متوقف‌کردن عامل‌های مسئله‌ساز. کراوالا در نقل‌قولی از گفت‌وگوی خود با مت میلز، رئیس SailPoint، جمله او را چنین بازتاب می‌دهد: «چیزی را که نمی‌توانید ببینید یا به پاسخ‌گویی پیوند دهید، نمی‌توانید ایمن کنید.»

با این حال، عرضه یک محصول به‌تنهایی پاسخ‌گوی مسئله نیست. نویسنده گزارش در آستانه کنفرانس Navigate شرکت SailPoint، که قرار است ۵ تا ۸ اکتبر در آستین برگزار شود، می‌گوید به شواهد استفاده عملی مشتریان توجه خواهد کرد: شرکت‌ها چند عامل پیدا کرده‌اند، برای آن‌ها مالک تعیین کرده‌اند یا کدام‌یک را غیرفعال کرده‌اند؟ همچنین باید روشن شود ابزارهای مدیریت هویت تا چه اندازه با محیط‌های اجرای عامل، پلتفرم‌های ابری و ابزارهای توسعه‌دهندگان ارتباط برقرار می‌کنند.

موضوع دیگر، گذار از مجوزهای دائمی به دسترسی موقت و محدود به وظیفه است. در این الگو، عامل فقط هنگام نیاز و برای مدت مشخص مجوز می‌گیرد و دسترسی‌اش پس از پایان کار منقضی می‌شود. گزارش همچنین بر این نکته تأکید دارد که بازبینی فصلی دسترسی‌ها ممکن است برای عامل‌هایی که در چند دقیقه ساخته و حذف می‌شوند بیش از حد کند باشد؛ بنابراین نظارت باید پیوسته‌تر و تا حد امکان خودکار شود.

توصیه‌های مطرح‌شده در مقاله برای مدیران فناوری اطلاعات، مستقل از انتخاب فروشنده، شامل تهیه فهرست عامل‌ها در محیط‌های ابری، نرم‌افزارهای سرویس‌محور، نقاط پایانی و مرورگرهاست. هر عامل باید مالک انسانی مشخص داشته باشد و عامل‌های بی‌مالک به‌طور پیش‌فرض غیرفعال شوند. سازمان‌ها همچنین باید از نگهداری کلیدها یا توکن‌های بلندمدت در کد عامل‌ها پرهیز کنند، هویت انسان و ماشین را در یک الگوی نظارتی ببینند و سازوکاری را تمرین کنند که بتواند دسترسی و اعتبارنامه‌های عامل را سریع لغو کند.

این خبر برای چه کسانی اهمیت دارد

این بحث برای مدیران امنیت، فناوری اطلاعات و حاکمیت داده اهمیت دارد؛ به‌ویژه در سازمان‌هایی که کارمندان از ابزارهای هوش مصنوعی در کار روزمره استفاده می‌کنند یا عامل‌ها را به داده‌ها و سرویس‌های داخلی متصل کرده‌اند. مسئله فقط کشف عامل‌های تازه نیست، بلکه تعیین مسئول، محدودکردن مجوزها و توانایی متوقف‌کردن دسترسی در زمان مناسب است.

برای شرکت‌های عرضه‌کننده پلتفرم‌های عامل‌محور و ابزارهای امنیتی نیز، تعامل‌پذیری با سامانه‌های هویت و امکان اعمال سیاست در محل اجرای عامل به آزمونی مهم تبدیل می‌شود. جمع‌بندی کراوالا این است که شرکت‌ها برای گسترش استفاده از هوش مصنوعی باید عامل‌ها را مانند هویت‌های درجه‌یک سازمانی مدیریت کنند. اگر هویت و مالکیت روشن نباشد، نه‌تنها سنجش ریسک دشوار می‌شود، بلکه مشخص‌کردن مسئولیت هنگام بروز خطا نیز پیچیده‌تر خواهد بود.