پرش به محتوای اصلی

بانک‌های آمریکایی عامل‌های هوش مصنوعی غیرمجاز را در حساب‌های مشتریان شناسایی و اقدام به مسدودسازی آن‌ها می‌کنند

Behzat AIai-agentsfinancial-servicesagent-securitysession-controlintegration
نمای نزدیک از سخت‌افزار فایروال شبکه با چراغ‌های وضعیت و پورت‌های اترنت در یک رک تجهیزات کم‌نور

گزارش‌های Axios و Reuters حاکی از آن است که عامل‌های هوش مصنوعی بررسی‌نشده به حساب‌های بانکی مشتریان در آمریکا دسترسی پیدا کرده‌اند و مؤسسات مالی اکنون در حال حرکت به سمت مسدودسازی عامل‌های شخص ثالث در لایه نشست (session) هستند. JPMorgan و Morgan Stanley از جمله بانک‌هایی هستند که در برابر این روند مقاومت می‌کنند. فعالیت گزارش‌شده به‌عنوان دسترسی غیرمجاز عامل شناسایی شده است، نه به‌عنوان یکپارچه‌سازی‌های تأییدشده؛ این امر محل اختلاف را به نقطه‌ای منتقل می‌کند که در آن عامل اعتبارنامه ارائه می‌دهد و نشستی باز می‌کند، نه به رفتار خود مدل.

بلوک‌های چوبی که کلمه Cyber Security را روی پس‌زمینه شبکه چوبی هجی می‌کنند

برای تیم‌هایی که سیستم‌های عامل می‌سازند، نکته عملی معماری است. گاردریل‌های درون عامل تعیین نمی‌کنند که آیا بانک یک نشست را می‌پذیرد یا نه؛ طرف مقابل این تصمیم را از طریق احراز هویت، رضایت و تشخیص ناهنجاری در سمت خود می‌گیرد. عاملی که رفتار درستی دارد اما از کانالی تأییدنشده وارد می‌شود، همچنان به‌عنوان ترافیک غیرمجاز تلقی می‌شود. بنابراین یکپارچه‌سازی باید حول کنترل‌های طرف مقابل طراحی شود: مسیرهای مجوز صریح، اعتبارنامه‌های مشتری قابل شناسایی، منشأ نشست قابل حسابرسی و تفکیک روشن بین دامنه‌های خواندن و تراکنشی.

آنچه از این گزارش‌ها روشن نیست، سازوکاری است که بانک‌ها برای شناسایی ترافیک عامل به کار می‌برند، اینکه کدام مؤسسات دسترسی تأییدشده عامل را ارائه خواهند کرد و با چه شرایطی. برداشت استودیو این است که دسترسی عامل به زیرساخت مالی پیش از آنکه توسط کارهای ایمنی در سطح مدل محدود شود، توسط سیاست طرف مقابل و اجرای قوانین در سطح نشست محدود خواهد شد. سیستم‌هایی که برای این مرز طراحی شده‌اند و رضایت و قابلیت ردیابی از ابتدا در آن‌ها تعبیه شده است، یکپارچه خواهند شد؛ آن‌هایی که تنها به گاردریل‌ها تکیه کنند، مسدود خواهند شد.

بیایید صحبت کنیم!