آینده امنیت سایبری در زیرساخت‌های مالی به سمت دفاع لحظه‌ای، هوش مصنوعی، تحلیل رفتار، معماری‌های مبتنی بر هویت و تاب‌آوری عملیاتی حرکت می‌کند. در سال‌های آینده، بانک‌ها، شرکت‌های پرداخت و فین‌تک‌ها فقط تلاش نمی‌کنند جلوی نفوذ را بگیرند؛ بلکه باید بتوانند حمله را سریع‌تر تشخیص دهند، اثر آن را محدود کنند و حتی در زمان اختلال، خدمات حیاتی را ادامه دهند. ظهور مدل‌های پیشرفته هوش مصنوعی نیز این رقابت را سریع‌تر کرده است؛ زیرا همان فناوری که برای کشف آسیب‌پذیری و دفاع استفاده می‌شود، می‌تواند توان مهاجمان را هم افزایش دهد.
نکته مهم
امنیت سایبری آینده فقط به معنای «جلوگیری از هک شدن» نیست. مسئله اصلی این است که اگر یک حمله اتفاق افتاد، سیستم مالی چقدر سریع آن را تشخیص می‌دهد، چه مقدار از خدمات را می‌تواند حفظ کند و با چه سرعتی به وضعیت عادی برمی‌گردد.
یک تغییر اساسی در راه است؛ مهاجمان سریع‌تر شده‌اند
تا همین چند سال پیش، اجرای یک حمله سایبری پیچیده معمولاً به تخصص فنی بالا، شناسایی طولانی‌مدت هدف و آزمون‌وخطای زیاد نیاز داشت. مدل‌های پیشرفته هوش مصنوعی در حال کاهش بخشی از این موانع هستند و می‌توانند کشف آسیب‌پذیری، تحلیل کد و حتی بخش‌هایی از زنجیره حمله را سریع‌تر کنند.
گزارش سپتامبر ۲۰۲۶ مؤسسه ثبات مالی BIS هشدار می‌دهد که مدل‌های پیشرفته می‌توانند سرعت و پیچیدگی حملات را افزایش دهند و زمان میان کشف یک آسیب‌پذیری تا سوءاستفاده از آن را کوتاه‌تر کنند. در نتیجه، پنجره زمانی برای وصله‌کردن و ایمن‌سازی سیستم‌ها نیز کوچک‌تر می‌شود.
جدول: امنیت سایبری قدیم در برابر امنیت سایبری آینده
| رویکرد قدیمی | رویکرد آینده |
|---|---|
| تمرکز بر جلوگیری از نفوذ | جلوگیری + تشخیص + واکنش + بازیابی |
| قواعد ثابت | تحلیل رفتار و هوش مصنوعی |
| امنیت در مرز شبکه | امنیت در تمام نقاط دسترسی |
| واکنش پس از حادثه | پایش مداوم |
| اعتماد بیشتر به شبکه داخلی | رویکرد Zero Trust |
| تمرکز روی زیرساخت داخلی | مدیریت ریسک زیرساخت و طرف‌های ثالث |
| بازیابی پس از اختلال | طراحی برای ادامه فعالیت در زمان اختلال |
تهدیدهای مالی دیگر فقط یک «هکر پشت سیستم» نیستند
زیرساخت مالی امروز مجموعه‌ای از بانک‌ها، شرکت‌های پرداخت، فین‌تک‌ها، ارائه‌دهندگان ابری، APIها، نرم‌افزارها و تأمین‌کنندگان فناوری است. همین اتصال گسترده باعث شده یک آسیب‌پذیری در یک بخش، در شرایط خاص بتواند روی بخش‌های دیگری نیز اثر بگذارد.
BIS و FSB در سال‌های اخیر روی همین مسئله تأکید کرده‌اند؛ به‌ویژه وابستگی به ارائه‌دهندگان فناوری و زیرساخت‌های مشترک می‌تواند ریسک تمرکز ایجاد کند. اگر چند مؤسسه مالی از یک ارائه‌دهنده یا فناوری مشترک استفاده کنند، اختلال در آن نقطه می‌تواند دامنه اثر بزرگ‌تری پیدا کند.
مهم‌ترین تهدیدهای پیش‌روی زیرساخت مالی
| تهدید | اثر احتمالی |
|---|---|
| حملات مبتنی بر AI | افزایش سرعت و مقیاس حملات |
| دیپ‌فیک و جعل هویت | تقلب و فریب مشتری یا کارکنان |
| باج‌افزار | اختلال در سرویس‌های حیاتی |
| آسیب‌پذیری نرم‌افزار | ایجاد مسیر ورود به سیستم |
| حمله به API | دسترسی غیرمجاز به داده یا سرویس |
| حمله زنجیره تأمین | انتقال ریسک از یک تأمین‌کننده به چند سازمان |
| اختلال سرویس ابری | ایجاد اختلال هم‌زمان در چند خدمت |
| سرقت اعتبارنامه | سوءاستفاده از حساب‌های معتبر |
| نشت داده | افشای اطلاعات حساس مشتریان |
هوش مصنوعی؛ هم سپر دفاعی است، هم ابزار حمله
یکی از مهم‌ترین ویژگی‌های آینده امنیت سایبری این است که هوش مصنوعی در هر دو طرف میدان حضور خواهد داشت.
مؤسسات مالی می‌توانند از AI برای کشف آسیب‌پذیری، تحلیل رخدادها، شناسایی رفتار مشکوک، تست امنیتی و واکنش سریع استفاده کنند. در طرف مقابل، مهاجمان نیز می‌توانند از مدل‌های پیشرفته برای شناسایی نقاط ضعف و اجرای حملات پیچیده‌تر استفاده کنند.
به همین دلیل، داشتن «یک ابزار AI» به‌تنهایی مزیت امنیتی محسوب نمی‌شود. مسئله مهم‌تر این است که سازمان بتواند از این فناوری سریع‌تر، دقیق‌تر و با کنترل مناسب استفاده کند.
نکته مهم
رقابت آینده میان «هوش مصنوعی و هکر» نیست؛ رقابت میان سرعت دفاع و سرعت حمله است. هرچه فاصله زمانی میان کشف آسیب‌پذیری و سوءاستفاده از آن کمتر شود، توان واکنش سریع اهمیت بیشتری پیدا می‌کند.
تشخیص رفتار غیرعادی جایگزین بخشی از کنترل‌های سنتی می‌شود
در مدل‌های جدید امنیتی، فقط دنبال نشانه‌های شناخته‌شده حمله نیستیم. سیستم تلاش می‌کند رفتار معمول کاربر، دستگاه، برنامه یا سرویس را بشناسد و زمانی که این الگو تغییر کرد، هشدار ایجاد کند.
برای مثال، اگر یک حساب بانکی از دستگاهی ناشناس، در زمان غیرمعمول و با الگوی تراکنشی متفاوت فعالیت کند، سیستم می‌تواند مجموعه این نشانه‌ها را در کنار هم بررسی کند. این روش به‌خصوص در برابر حملاتی اهمیت دارد که با استفاده از حساب یا اعتبارنامه واقعی انجام می‌شوند.
Zero Trust؛ اعتماد پیش‌فرض از بین می‌رود
در معماری Zero Trust، داخلی بودن یک کاربر یا دستگاه به‌تنهایی دلیل کافی برای اعتماد نیست. هر درخواست دسترسی باید بر اساس هویت، سطح دسترسی، وضعیت دستگاه و شرایط درخواست ارزیابی شود.
این مدل برای زیرساخت‌های مالی اهمیت زیادی دارد، زیرا سیستم‌های بانکی امروز به‌صورت گسترده میان کارکنان، مشتریان، سرویس‌های ابری و شرکت‌های بیرونی توزیع شده‌اند.
جدول کاربردی: Zero Trust چه چیزی را تغییر می‌دهد؟
| وضعیت سنتی | Zero Trust |
|---|---|
| اعتماد بیشتر به شبکه داخلی | اعتماد نکردن پیش‌فرض |
| دسترسی گسترده‌تر پس از ورود | دسترسی محدود بر اساس نیاز |
| احراز هویت در ابتدای ورود | اعتبارسنجی مداوم |
| تمرکز بر کاربر | بررسی کاربر + دستگاه + شرایط |
| کنترل مرزی شبکه | کنترل در سطح منابع و سرویس‌ها |
APIها به یکی از مهم‌ترین نقاط دفاع تبدیل می‌شوند
هرچه بانک‌ها و فین‌تک‌ها بیشتر به یکدیگر متصل شوند، APIها اهمیت بیشتری پیدا می‌کنند. API می‌تواند دسترسی به حساب، داده یا یک سرویس مالی را فراهم کند و به همین دلیل امنیت آن مستقیماً با امنیت زیرساخت مالی ارتباط دارد.
کنترل دقیق هویت، محدود کردن سطح دسترسی، مدیریت کلیدها، پایش درخواست‌ها و شناسایی رفتار غیرعادی از اقداماتی هستند که باید در معماری API در نظر گرفته شوند.
نکته مهم
در اکوسیستم مالی دیجیتال، امنیت دیگر فقط مسئله سرور بانک نیست. هر API، نرم‌افزار، سرویس ابری یا شرکت متصل به سیستم می‌تواند بخشی از سطح حمله باشد.
فضای ابری؛ فرصت بزرگ با یک ریسک جدی
رایانش ابری به بانک‌ها و فین‌تک‌ها اجازه می‌دهد زیرساخت خود را سریع‌تر توسعه دهند، اما وابستگی بیشتر به ارائه‌دهندگان خارجی یا مشترک می‌تواند ریسک تمرکز ایجاد کند.
اگر چند مؤسسه مالی به یک زیرساخت ابری، مدل AI یا سرویس فناوری مشترک وابسته باشند، یک اختلال بزرگ می‌تواند هم‌زمان چند مجموعه را تحت تأثیر قرار دهد. BIS نیز وابستگی به تعداد محدودی از ارائه‌دهندگان سخت‌افزار، خدمات ابری و فناوری‌های AI را از موضوعات مهم در ریسک عملیاتی و ثبات مالی می‌داند.
دیپ‌فیک؛ حمله‌ای که از فناوری به اعتماد مشتری می‌رسد
یکی از تغییرات مهم، پیچیده‌تر شدن جعل هویت است. فناوری‌های تولید تصویر، صدا و ویدئو می‌توانند برای جعل هویت مشتریان، مدیران یا افراد مورد اعتماد استفاده شوند.
BIS در بررسی خود درباره دیپ‌فیک‌ها هشدار داده که هوش مصنوعی مولد می‌تواند تقلب هویتی را تقویت کند و ابزارهای جعل را در دسترس طیف گسترده‌تری از مهاجمان قرار دهد.
در چنین شرایطی، احراز هویت نباید فقط بر تصویر، صدا یا رمز عبور متکی باشد. ترکیب چند عامل و بررسی رفتار تراکنش می‌تواند لایه دفاعی قوی‌تری ایجاد کند.
امنیت داده از امنیت شبکه جدا نیست
با توزیع شدن زیرساخت‌های مالی، دیگر نمی‌توان امنیت را فقط با محافظت از مرز شبکه تعریف کرد. داده ممکن است در سرور داخلی، فضای ابری، تلفن همراه مشتری یا سامانه یک شرکت طرف قرارداد قرار داشته باشد.
به همین دلیل، رمزنگاری، طبقه‌بندی داده، مدیریت دسترسی و کنترل انتقال اطلاعات باید در کل چرخه عمر داده دیده شوند.
جدول: از چه چیزی باید محافظت شود؟
| دارایی | روش‌های مهم حفاظت |
|---|---|
| اطلاعات مشتری | رمزنگاری و کنترل دسترسی |
| اطلاعات تراکنش | پایش و کنترل دسترسی |
| کلیدهای امنیتی | مدیریت متمرکز و محدودسازی دسترسی |
| APIها | احراز هویت و کنترل درخواست |
| کد نرم‌افزار | تست امنیتی و مدیریت آسیب‌پذیری |
| زیرساخت ابری | کنترل پیکربندی و پایش مستمر |
| پشتیبان‌ها | جداسازی و آزمون بازیابی |
زنجیره تأمین نرم‌افزار به خط مقدم امنیت می‌آید
یک بانک ممکن است خودش امنیت مناسبی داشته باشد، اما یکی از نرم‌افزارها یا سرویس‌های مورد استفاده آن آسیب‌پذیر باشد. در این حالت، مهاجم ممکن است از مسیر غیرمستقیم وارد زنجیره فناوری شود.
به همین دلیل، ارزیابی امنیت تأمین‌کنندگان، مدیریت وابستگی‌های نرم‌افزاری، بررسی به‌روزرسانی‌ها و داشتن برنامه واکنش به حادثه برای طرف‌های ثالث اهمیت بیشتری پیدا می‌کند.
وصله امنیتی باید سریع‌تر از گذشته انجام شود
یکی از مهم‌ترین تغییرات آینده، کوتاه شدن زمان واکنش به آسیب‌پذیری‌هاست. اگر هوش مصنوعی بتواند کشف آسیب‌پذیری و طراحی حمله را سریع‌تر کند، سازمان‌ها نیز باید توان شناسایی و وصله‌کردن نقص‌ها را افزایش دهند.
BIS در سال ۲۰۲۶ تأکید کرده که استفاده سریع از مدل‌های پیشرفته برای بررسی کد و رفع آسیب‌پذیری‌ها اهمیت پیدا کرده است.
این یعنی مدیریت آسیب‌پذیری دیگر نمی‌تواند یک فرایند دوره‌ای و کند باشد؛ باید به فعالیتی مداوم تبدیل شود.
امنیت آینده بدون تاب‌آوری عملیاتی کامل نیست
ممکن است یک سازمان همه تلاش خود را برای جلوگیری از حمله انجام دهد و باز هم یک حادثه رخ دهد. به همین دلیل، سؤال مهم بعدی این است: «اگر سیستم از کار افتاد، چه اتفاقی می‌افتد؟»
تاب‌آوری عملیاتی یعنی سازمان بتواند خدمات حیاتی خود را در شرایط اختلال حفظ کند یا در کوتاه‌ترین زمان ممکن بازیابی کند. FSB نیز تاب‌آوری سایبری را بخشی مهم از ثبات مالی می‌داند، زیرا یک حادثه بزرگ سایبری می‌تواند زیرساخت‌های حیاتی مالی را مختل کند.
جدول: امنیت در برابر تاب‌آوری
| امنیت سایبری | تاب‌آوری عملیاتی |
|---|---|
| جلوگیری از حمله | ادامه فعالیت هنگام حمله |
| کشف تهدید | محدود کردن اثر اختلال |
| مسدود کردن دسترسی | حفظ سرویس‌های حیاتی |
| کاهش احتمال نفوذ | کاهش خسارت پس از نفوذ |
| تمرکز بر دفاع | دفاع + واکنش + بازیابی |
آینده احراز هویت؛ کمتر رمز، بیشتر تحلیل
رمز عبور ثابت به‌تنهایی نمی‌تواند پاسخ مناسبی برای محیط مالی پیچیده آینده باشد. روش‌های چندمرحله‌ای، کلیدهای امنیتی، passkey، داده‌های رفتاری و بررسی شرایط تراکنش می‌توانند در کنار هم برای تشخیص ریسک استفاده شوند.
نمونه‌هایی از سیاست‌های جدید در صنعت مالی نشان می‌دهد که مؤسسات به سمت ترکیب احراز هویت قوی‌تر با تحلیل ریسک و کنترل‌های رفتاری حرکت می‌کنند. برای نمونه، نهاد ناظر سنگاپور در سال ۲۰۲۶ از بررسی روش‌هایی مانند کلیدهای امنیتی سازگار با FIDO و passkey و همچنین استفاده از AI برای تست و کشف آسیب‌پذیری‌ها خبر داده است.
نقش انسان حذف نمی‌شود؛ متخصص امنیت تغییر می‌کند
افزایش اتوماسیون به این معنا نیست که متخصصان امنیتی دیگر ضروری نیستند. برعکس، هرچه سیستم‌ها پیچیده‌تر شوند، نیاز به افرادی که بتوانند خروجی مدل‌ها را تحلیل کنند، خطاها را تشخیص دهند و در شرایط بحرانی تصمیم بگیرند بیشتر می‌شود.
آینده تیم‌های امنیتی بیشتر به سمت ترکیب مهارت‌های امنیت، داده، هوش مصنوعی، زیرساخت ابری و مدیریت بحران خواهد رفت.
نکته مهم
هوش مصنوعی می‌تواند سرعت تحلیل را بالا ببرد، اما مسئولیت تصمیم‌های حساس همچنان به حاکمیت، کنترل انسانی و فرایندهای مشخص نیاز دارد. FSB نیز بر ضرورت حاکمیت و کنترل مناسب در چرخه عمر استفاده از AI در مؤسسات مالی تأکید کرده است.
آیا امنیت سایبری می‌تواند کاملاً خودکار شود؟
خودکارسازی بخش بزرگی از پایش، تشخیص و واکنش امکان‌پذیر است، اما امنیت کاملاً خودکار می‌تواند خطرهای تازه‌ای ایجاد کند. سیستم ممکن است هشدار اشتباه بدهد یا در شرایطی که اطلاعات کافی ندارد تصمیم نادرست بگیرد.
مدل مناسب‌تر، ترکیب اتوماسیون با نظارت انسانی است؛ سیستم تهدیدها را سریع شناسایی و اولویت‌بندی می‌کند و متخصصان در موارد حساس یا پیچیده وارد تصمیم‌گیری می‌شوند.
رایانش کوانتومی؛ تهدیدی برای نسل بعدی رمزنگاری
رایانش کوانتومی هنوز به معنای در دسترس بودن یک تهدید عملی برای تمام زیرساخت‌های مالی نیست، اما احتمال اثرگذاری آن بر برخی روش‌های رمزنگاری موجود باعث شده آمادگی برای دوره پساکوانتومی اهمیت پیدا کند.
برای زیرساخت‌های مالی بزرگ، تغییر روش‌های رمزنگاری فرایندی سریع نیست و ممکن است سال‌ها زمان ببرد. بنابراین برنامه‌ریزی برای مهاجرت به روش‌های مقاوم در برابر کوانتوم باید پیش از تبدیل شدن این تهدید به یک بحران عملی آغاز شود.
بزرگ‌ترین تغییر: امنیت از یک واحد جدا به بخشی از معماری مالی تبدیل می‌شود
در گذشته، ممکن بود امنیت پس از طراحی محصول یا زیرساخت به آن اضافه شود. در مدل آینده، امنیت باید از اولین مرحله طراحی محصول، API، اپلیکیشن و زیرساخت در نظر گرفته شود.
این رویکرد باعث می‌شود امنیت بخشی از معماری باشد و نه مانعی که در پایان پروژه اضافه شود.
جدول: امنیت در مراحل مختلف توسعه
| مرحله | اقدام امنیتی |
|---|---|
| طراحی محصول | شناسایی تهدیدها |
| طراحی معماری | تعیین کنترل‌های دسترسی |
| توسعه نرم‌افزار | کدنویسی و تست امن |
| انتشار | بررسی آسیب‌پذیری |
| بهره‌برداری | پایش مداوم |
| وقوع حادثه | واکنش و محدودسازی |
| پس از حادثه | بازیابی و اصلاح |
یک نگرانی مهم؛ وابستگی بیش از حد به چند فناوری
هرچه استفاده از سرویس‌های ابری، مدل‌های AI و نرم‌افزارهای مشترک افزایش پیدا کند، مسئله تمرکز نیز جدی‌تر می‌شود.
اگر تعداد زیادی از مؤسسات مالی از چند ارائه‌دهنده محدود استفاده کنند، اختلال در یکی از آن‌ها می‌تواند اثر گسترده‌ای ایجاد کند. به همین دلیل، مدیریت ریسک طرف ثالث و بررسی وابستگی‌های فناوری در آینده بخشی جدایی‌ناپذیر از امنیت سایبری خواهد بود.
برای بانک‌ها و فین‌تک‌ها چه چیزی باید تغییر کند؟
آمادگی برای آینده امنیت سایبری فقط به خرید ابزارهای جدید محدود نیست. سازمان باید بتواند آسیب‌پذیری‌ها را سریع‌تر پیدا کند، دسترسی‌ها را دقیق‌تر مدیریت کند، وابستگی‌های خود را بشناسد و در زمان اختلال خدمات حیاتی را حفظ کند.
جدول کاربردی: اولویت‌های امنیت سایبری آینده
| اولویت | هدف |
|---|---|
| هوش مصنوعی دفاعی | تشخیص و واکنش سریع‌تر |
| مدیریت آسیب‌پذیری | کاهش زمان بین کشف و اصلاح |
| Zero Trust | محدود کردن دسترسی غیرضروری |
| امنیت API | کنترل ارتباط میان سرویس‌ها |
| امنیت ابری | کاهش ریسک پیکربندی و وابستگی |
| امنیت زنجیره تأمین | کنترل ریسک طرف‌های ثالث |
| احراز هویت قوی | کاهش سرقت هویت |
| پشتیبان و بازیابی | ادامه فعالیت پس از حادثه |
| آموزش نیروی انسانی | کاهش خطاهای انسانی |
| تست سناریوهای حمله | آمادگی برای بحران واقعی |
خلاصه در یک نگاه
| روند آینده | تغییر اصلی در امنیت مالی |
|---|---|
| هوش مصنوعی | حمله و دفاع سریع‌تر می‌شوند |
| Zero Trust | اعتماد پیش‌فرض کاهش پیدا می‌کند |
| تحلیل رفتاری | رفتار غیرعادی سریع‌تر شناسایی می‌شود |
| امنیت API | ارتباط میان سرویس‌ها به نقطه دفاعی مهم تبدیل می‌شود |
| رایانش ابری | مدیریت ریسک طرف‌های ثالث مهم‌تر می‌شود |
| دیپ‌فیک | احراز هویت چندلایه اهمیت بیشتری پیدا می‌کند |
| زنجیره تأمین | امنیت شرکت‌های طرف قرارداد اهمیت بیشتری پیدا می‌کند |
| تاب‌آوری عملیاتی | ادامه فعالیت در زمان حمله به اندازه جلوگیری از آن مهم می‌شود |
| رمزنگاری پساکوانتومی | آماده‌سازی برای تهدیدهای آینده ضروری‌تر می‌شود |
| نیروی انسانی | مهارت متخصصان امنیت به سمت AI و تحلیل داده حرکت می‌کند |
آینده امنیت مالی؛ دفاع سریع‌تر، نه فقط دیوارهای بلندتر
زیرساخت مالی آینده احتمالاً محیطی خواهد بود که در آن مرز مشخصی میان بانک، فین‌تک، سرویس ابری و شرکت فناوری وجود ندارد. همین موضوع باعث می‌شود امنیت نیز از یک سیستم متمرکز به شبکه‌ای از کنترل‌ها در هویت، داده، API، نرم‌افزار، ابر و زنجیره تأمین تبدیل شود.
در همین زمان، هوش مصنوعی سرعت رقابت میان مهاجمان و مدافعان را افزایش می‌دهد. BIS در تازه‌ترین بررسی‌های خود تأکید کرده که مدل‌های پیشرفته می‌توانند هم ظرفیت حمله و هم ظرفیت دفاع را تقویت کنند، اما کوتاه شدن زمان واکنش، ضرورت سرمایه‌گذاری مداوم در فناوری، نیروی متخصص و تاب‌آوری را بیشتر می‌کند.
حرف پایانی
آینده امنیت سایبری در زیرساخت‌های مالی فقط درباره ساختن سیستم‌هایی نیست که نفوذ به آن‌ها دشوار باشد. بانک‌ها و فین‌تک‌ها باید سیستم‌هایی بسازند که بتوانند تهدید را سریع تشخیص دهند، دسترسی مهاجم را محدود کنند، خدمات حیاتی را حفظ کنند و پس از حادثه با سرعت بازیابی شوند.
هوش مصنوعی، Zero Trust، تحلیل رفتاری، امنیت API، حفاظت از داده، مدیریت ریسک طرف‌های ثالث و تاب‌آوری عملیاتی، اجزای اصلی این مسیر خواهند بود. در نهایت، امنیت مالی آینده نه با یک ابزار یا فناوری واحد، بلکه با ترکیب درست فناوری، معماری، داده، نیروی متخصص و فرایندهای واکنش و بازیابی ساخته خواهد شد.
نظرات کاربران