사이버 위협의 정교함은 전통적인 방어 메커니즘의 약점을 드러냈습니다. 고정된 모델과 서명 기반 탐지는 종종 적시에 대응하지 못합니다. 반면, 적응형 인공지능(AI) 방어는 변화하는 위협 환경에 따라 학습하고 진화할 수 있습니다. 이 논문은 인지 디지털 트윈(CDTs)이 자가 학습 AI 에이전트를 개발하는 패러다임을 제공하는 이유를 설명합니다. 이러한 에이전트는 사이버 방어 시스템의 일부로 지속적으로 조정됩니다. CDT는 네트워크 환경의 지능형 가상 표현입니다. 이들은 새로운 공격에 대한 사전 시뮬레이션, 탐지 및 대응을 가능하게 합니다. 인지 아키텍처가 디지털 트윈과 통합됨에 따라, 이러한 모델은 스스로 추론하고 결정을 내리며 위협을 완화할 수 있습니다. 논문은 또한 강화 학습, 이상 탐지 및 적응형 피드백 루프를 사용하여 CDT 기반 방어를 설계하고 테스트하는 방법을 설명합니다. 비교 분석 결과, CDT 에이전트가 기존의 침입 탐지 및 예방 시스템보다 성능이 우수함을 보여줍니다. 이들은 탐지 정확도, 대응 속도, 알려지지 않은 공격에 대한 저항성에서 뛰어납니다. 결과는 자가 학습 AI 에이전트가 탐지율, 허위 긍정률 및 적응성을 기반으로 사이버 보안 관행을 혁신할 잠재력을 강조합니다. 마지막으로, 논문은 기업 보안, 필수 인프라 보호 및 사이버 탄력성을 위한 적응형 AI에 대한 미래 연구에 대한 함의를 논의합니다.
Jabed et al. (화,)은 이 질문을 연구했습니다.