نقطه کور SASE در عصر هوش مصنوعی؛ چرا بازرسی بسته‌های شبکه دیگر کافی نیست؟

با گسترش استفاده از ابزارهای هوش مصنوعی مولد، برنامه‌های SaaS و عامل‌های هوشمند (AI Agents)، مدل‌های سنتی امنیت شبکه دیگر توانایی نظارت مؤثر بر جریان واقعی داده‌ها را ندارند. کارشناسان امنیتی معتقدند معماری‌های متداول Secure Access Service Edge (SASE) که بر بازرسی ترافیک شبکه متکی هستند، در برابر تعاملات مدرن مبتنی بر مرورگر و هوش مصنوعی با یک «نقطه کور» مواجه شده‌اند.

در معماری‌های سنتی SASE، ترافیک کاربران برای رمزگشایی، تحلیل و اعمال سیاست‌های امنیتی از طریق پروکسی‌های ابری هدایت می‌شود. اما فناوری‌های جدیدی مانند TLS 1.3، HTTP/3 و Certificate Pinning عملاً امکان بازرسی میان‌راهی (Man-in-the-Middle Inspection) را محدود کرده‌اند. در نتیجه، بسیاری از سازمان‌ها برای جلوگیری از اختلال در سرویس‌های حیاتی، ناچار به ایجاد استثناهای متعدد در سیاست‌های امنیتی خود می‌شوند؛ موضوعی که به مرور زمان باعث کاهش دید امنیتی و افزایش سطح حمله خواهد شد.

این چالش با ورود هوش مصنوعی پیچیده‌تر شده است. امروزه کارکنان سازمان‌ها برای بهینه‌سازی کد، تولید محتوا یا تحلیل داده‌ها، اطلاعات حساس و مالکیت فکری را در اختیار مدل‌های زبانی عمومی قرار می‌دهند و عامل‌های هوشمند نیز به‌صورت خودکار میان سامانه‌های مختلف داده جابه‌جا می‌کنند. در چنین شرایطی، پروکسی‌های شبکه تنها یک ارتباط HTTPS رمزگذاری‌شده را مشاهده می‌کنند و قادر به تشخیص هدف واقعی، محتوای درخواست یا نوع داده‌های منتقل‌شده نیستند.

به اعتقاد متخصصان، امنیت مؤثر در عصر هوش مصنوعی باید از مدل «بازرسی شبکه» به سمت «کنترل در نقطه تعامل» حرکت کند. در این رویکرد، بررسی محتوای کپی و جای‌گذاری، پیام‌های ارسالی به مدل‌های هوش مصنوعی (Prompts) و سایر تعاملات کاربر، پیش از خروج اطلاعات از دستگاه و در سطح مرورگر یا Endpoint انجام می‌شود. این روش علاوه بر حفظ سازگاری با پروتکل‌های رمزنگاری مدرن، نیاز به هدایت غیرضروری ترافیک از طریق پروکسی‌های ابری را کاهش داده و عملکرد برنامه‌ها را نیز بهبود می‌بخشد.

بر همین اساس، رویکردی با عنوان Perfect Packet Architecture در حال مطرح شدن است؛ معماری‌ای که ابتدا زمینه و محتوای تعاملات را روی دستگاه کاربر ارزیابی کرده و تنها در صورت نیاز، ترافیک را برای بررسی‌های تکمیلی به زیرساخت‌های امنیتی ابری ارسال می‌کند.

با افزایش استفاده از ابزارهای هوش مصنوعی در محیط‌های سازمانی، کارشناسان هشدار می‌دهند که معماری‌های امنیتی مبتنی بر شبکه به‌تنهایی دیگر پاسخگوی تهدیدات نوظهور نیستند و سازمان‌ها باید راهکارهایی را به‌کار گیرند که علاوه بر حفظ عملکرد، امکان مشاهده و کنترل تعاملات هوش مصنوعی و حفاظت از داده‌های حساس را نیز فراهم کنند.