مقدمه
سالها بود که مدلهای SASE (امنیت لبه سرویس دسترسی) با بازرسی بستههای داده در پراکسیهای ابری، امنیت شبکههای سازمانی را تضمین میکردند. اما با تغییر ماهیت کار به سمت مرورگر و ورود گسترده هوش مصنوعی مولد، این مدل امنیتی با یک نقطه کور بزرگ مواجه شده است.
جزئیات فنی
امروزه فرآیندهای کاری سازمانها در ابزارهای SaaS، اکستنشنهای مرورگر و مدلهای هوش مصنوعی پراکنده شدهاند. کارمندان بهصورت روزانه حجم وسیعی از دادهها و مالکیت معنوی شرکت را در چتباتهای هوش مصنوعی وارد میکنند. مدلهای سنتی SASE برای شناسایی نشت دادهها در چنین بسترهایی طراحی نشدهاند؛ چرا که آنها اغلب بر ترافیک شبکه نظارت دارند، نه بر محتوای در حال پردازش در یک پنجره مرورگر که توسط هوش مصنوعی تحلیل میشود.
تحلیل و تأثیر
این خلأ امنیتی اجازه میدهد تا عوامل خودمختار و پلاگینهای مخرب مرورگر، بدون اینکه توسط فیلترهای امنیتی شناسایی شوند، به دادههای حیاتی دسترسی پیدا کنند. بازرسی بستههای شبکه (Packet Inspection) دیگر برای محیطی که در آن هر کارمند یک «ایستگاه کاری متصل به هوش مصنوعی» است، کافی نیست. امنیت اکنون باید به سطح Contextual Analysis یا تحلیل محتوایی دقیق در لحظه ارتقا یابد.
نتیجهگیری
برای عبور از این بحران، سازمانها باید به سمت راهکارهای Browser-native security حرکت کنند که قادر است فراتر از ترافیک شبکه، تعاملات کاربر با هوش مصنوعی و اکستنشنهای مرورگر را بهصورت لحظهای مانیتور و پالایش کند.