Askeal معرفی شد؛ هوش مصنوعی که لینک مشکوک، CVE و لاگهای امنیتی را بررسی میکند
Askeal یک دستیار هوش مصنوعی امنیت سایبری است که میتواند CVE، لینک، دامنه، Hash و لاگهای امنیتی را با کمک منابع معتبر بررسی و تحلیل کند.
Askeal یک دستیار هوش مصنوعی در حوزه امنیت سایبری است که تلاش میکند بهجای ارائه پاسخهای صرفاً تولیدشده توسط AI، از اطلاعات کارشناسان، پژوهشگران و منابع امنیتی برای ارائه پاسخهای قابل بررسی استفاده کند. این ابزار برای کارهایی مانند تحلیل آسیبپذیریها، بررسی لینکهای مشکوک، تحلیل لاگ و جمعآوری اطلاعات تهدید طراحی شده است.
در شرایطی که تحلیلگران امنیتی روزانه با حجم زیادی از هشدارها و دادههای پراکنده مواجه هستند، یکی از چالشهای اصلی فقط شناسایی یک تهدید نیست؛ بلکه جمعآوری اطلاعات کافی برای تصمیمگیری درباره آن تهدید است. Askeal تلاش میکند بخشی از این فرآیند تحقیق و بررسی را با کمک هوش مصنوعی سادهتر کند.
این استارتاپ که توسط Roxane Suau هدایت میشود، اعلام کرده است که تاکنون یک دور سرمایهگذاری اولیه به ارزش ۱.۱ میلیون دلار جذب کرده و در حال توسعه محصول خود برای کاربران حوزه امنیت سایبری است.
Askeal چیست و چه کاری انجام میدهد؟
Askeal خود را یک AI Cybersecurity Assistant معرفی میکند؛ یعنی ابزاری که کاربر میتواند با زبان طبیعی با آن درباره یک مسئله امنیتی صحبت کند و شواهد مرتبط را نیز در اختیارش قرار دهد.
برای مثال، یک تحلیلگر SOC میتواند یک CVE مشخص را مطرح کند و از Askeal بخواهد اطلاعات فنی مرتبط با آن را بررسی کند. طبق توضیحات سازنده، این ابزار میتواند پژوهشهای فنی، نمونههای منتشرشده از کد سوءاستفاده و وصلههای موجود را بررسی کرده و در نهایت یک ارزیابی ریسک و پیشنهادهایی برای کاهش خطر ارائه کند.
همین رویکرد برای شاخصهای مختلف تهدید نیز قابل استفاده است. کاربر میتواند یک URL، دامنه یا Hash مشکوک را بررسی کند یا یک فایل لاگ در اختیار سیستم قرار دهد تا اطلاعات موجود در آن برای پیدا کردن نشانههای احتمالی حمله تحلیل شود.
نکته مهم در رویکرد Askeal این است که پاسخ باید قابل بررسی باشد؛ یعنی کاربر بتواند ببیند نتیجه از چه اطلاعات و منابعی به دست آمده است.
Askeal چه اطلاعاتی را بررسی میکند؟
بر اساس قابلیتهایی که برای این محصول اعلام شده، Askeal میتواند در چند حوزه مختلف به تحقیقات امنیتی کمک کند:
- بررسی CVE و آسیبپذیریهای امنیتی
- تحلیل URL و دامنههای مشکوک
- بررسی Hash و Indicators of Compromise
- تحلیل فایلهای Log
- بررسی اطلاعات تهدیدات سایبری
- ارائه راهنمایی برای رفع آسیبپذیریها
- پیشنهاد تنظیمات امنیتی
- استفاده از قابلیتهای امنیتی ارائهشده توسط مشارکتکنندگان
- بررسی اطلاعات مربوط به کمپینهای فیشینگ
برای مثال، اگر کاربر یک لینک مشکوک دریافت کرده باشد، Askeal میتواند اطلاعات موجود درباره آن URL را با منابع مختلف مقایسه کند و نتیجه بررسی را همراه با شواهد ارائه دهد.
این رویکرد بهخصوص در بررسیهای اولیه میتواند مفید باشد؛ چراکه تحلیلگر مجبور نیست برای هر Indicator بهصورت دستی چندین منبع مختلف را بررسی کند.
تفاوت Askeal با چتباتهای معمولی چیست؟
تفاوت اصلی که Askeal روی آن تأکید میکند، منبع پاسخها است.
مدلهای زبانی عمومی میتوانند در تحلیل مسائل امنیتی کمک کنند، اما یک مشکل شناختهشده در استفاده از هوش مصنوعی، تولید پاسخهای نادرست یا اصطلاحاً Hallucination است. در امنیت سایبری، یک پاسخ اشتباه درباره یک CVE، دامنه یا فایل مشکوک میتواند تصمیم امنیتی نادرستی ایجاد کند.
Askeal تلاش میکند این مشکل را با تکیه بر منابع امنیتی و اطلاعات ارائهشده توسط متخصصان کاهش دهد.
این پلتفرم علاوه بر منابع عمومی، از اطلاعات خصوصی و منابع تخصصی نیز استفاده میکند. در صورتی که داده کافی برای پاسخ به یک بخش وجود نداشته باشد، سازندگان میگویند سیستم ترجیح میدهد آن قسمت را خالی بگذارد تا اینکه اطلاعات ضعیف یا نامرتبط تولید کند.
این موضوع یک اصل مهم در امنیت سایبری را یادآوری میکند:
نداشتن اطلاعات معتبر، بهتر از داشتن اطلاعات جعلی است.
جامعهای از متخصصان در کنار هوش مصنوعی
یکی از ویژگیهایی که Askeal را از بسیاری از ابزارهای AI امنیتی متمایز میکند، مدل Community + AI است.
این شرکت اعلام کرده است که مشارکتکنندگان قبل از ورود به شبکه آن بهصورت دستی بررسی میشوند و باید معیارهای مشخصی برای دانش و تخصص امنیتی داشته باشند.
بر اساس اطلاعات منتشرشده توسط Askeal، این شبکه شامل ۲۷۰+ مشارکتکننده و منبع بررسیشده است که بخشی از آن را متخصصان و بخشی دیگر را منابع عمومی تشکیل میدهند.
این سیستم فقط به جمعآوری اطلاعات اکتفا نمیکند. Askeal اعلام کرده است که محتوای ارائهشده توسط مشارکتکنندگان را با استفاده از چند لایه بررسی هوش مصنوعی ارزیابی میکند.
حتی اگر دو منبع معتبر درباره یک موضوع نظر متفاوتی داشته باشند، سیستم تلاش میکند این اختلاف را پنهان نکند.
برای یک تحلیلگر امنیتی، این مسئله اهمیت زیادی دارد؛ زیرا در Threat Intelligence همیشه همه منابع درباره یک Indicator یا یک کمپین به نتیجه یکسانی نمیرسند.
وقتی دو منبع با یکدیگر مخالف باشند چه میشود؟
فرض کنید یک منبع یک دامنه را خطرناک بداند اما منبع دیگری آن را سالم ارزیابی کند.
یک سیستم ساده ممکن است یکی از این دو نتیجه را انتخاب کند و دیگری را نادیده بگیرد. اما Askeal تلاش میکند اختلاف میان منابع را نیز به کاربر نشان دهد.
این موضوع میتواند به تحلیلگر کمک کند تا بهجای اعتماد کورکورانه به یک پاسخ AI، شواهد مختلف را ببیند و خودش درباره نتیجه تصمیم بگیرد.
در واقع، فلسفه این ابزار بیشتر به Decision Support نزدیک است تا جایگزینی کامل برای تحلیلگر امنیتی.
آیا Askeal میتواند لاگهای امنیتی را تحلیل کند؟
بله. یکی از قابلیتهای معرفیشده برای این پلتفرم، تحلیل فایلهای Log و استخراج اطلاعات امنیتی از آنهاست.
کاربر میتواند یک فایل لاگ حاوی چندین شاخص احتمالی نفوذ را در اختیار Askeal قرار دهد. سیستم سپس میتواند داراییها و Indicators موجود را استخراج کرده و آنها را با منابع اطلاعاتی خود مقایسه کند.
چنین قابلیتی میتواند برای بررسی اولیه Incidentها مفید باشد؛ مخصوصاً زمانی که تحلیلگر با حجم زیادی از داده مواجه است.
البته تحلیل خودکار لاگ نباید بهعنوان جایگزین کامل تحلیل انسانی در نظر گرفته شود. Context محیط، معماری شبکه و رفتار واقعی سیستم عواملی هستند که ممکن است خارج از دادههای موجود در یک فایل لاگ باشند.
Askeal قرار نیست جای EDR یا XDR را بگیرد
یکی دیگر از نکات مهم درباره این محصول، جایگاه آن در معماری امنیتی سازمان است.
Askeal قرار نیست جایگزین EDR یا XDR شود. این ابزار بیشتر در مرحلهای وارد عمل میشود که یک هشدار یا داده مشکوک شناسایی شده و تحلیلگر نیاز دارد اطلاعات بیشتری درباره آن جمعآوری کند.
به زبان ساده:
EDR/XDR → شناسایی و ایجاد هشدار
Askeal → تحقیق، غنیسازی اطلاعات و بررسی شواهد
تحلیلگر امنیتی → تصمیم نهایی
این مدل میتواند بهخصوص برای تیمهای کوچکتر امنیتی مفید باشد؛ تیمهایی که با تعداد زیادی هشدار مواجه هستند اما نیروی انسانی کافی برای بررسی عمیق تکتک آنها ندارند.
Askeal از چه فناوریای استفاده میکند؟
شرکت سازنده میگوید فناوری این محصول بر پایه یک رویکرد Neuro-Symbolic توسعه یافته است.
هدف کلی رویکردهای Neuro-Symbolic ترکیب تواناییهای یادگیری و پردازش مدلهای هوش مصنوعی با روشهای مبتنی بر قواعد، دانش ساختاریافته و استدلال نمادین است.
در مورد Askeal، این رویکرد در کنار اطلاعات امنیتی ارائهشده توسط منابع مختلف استفاده میشود تا پاسخ نهایی فقط بر پایه تولید متن توسط یک مدل زبانی نباشد.
Askeal همچنین اعلام کرده است که توسعه فناوری خود را با همکاری پژوهشگران حوزه امنیت سایبری و هوش مصنوعی و در همکاری با Montpellier Laboratory of Computer Science, Robotics, and Microelectronics انجام داده است.
چند نفر از Askeal استفاده میکنند؟
Askeal نسخه بتای خود را در فوریه ۲۰۲۶ راهاندازی کرد. طبق اطلاعات منتشرشده توسط شرکت، هدف اولیه جذب ۳۰۰ آزمایشکننده طی سه ماه بود؛ اما این پلتفرم اعلام کرده است که در حدود دو ماه و نیم به ۵۰۰ تستر رسیده است.
کاربران اولیه این سرویس تنها تحلیلگران SOC نیستند.
گروه کاربران اولیه شامل:
- تحلیلگران SOC
- مهندسان امنیت
- مدیران IT
- مدیران سیستم
- متخصصان امنیت
- افرادی که مسئولیتهای امنیتی دارند اما لزوماً متخصص امنیت سایبری نیستند
Askeal همچنین اعلام کرده است که جامعه اولیه کاربران آن در ۶۹ کشور حضور داشته و ۱۴ نقش مختلف در حوزه IT و امنیت را پوشش میدهد.
آیا استفاده از Askeal رایگان است؟
در حال حاضر Askeal یک مدل Freemium دارد.
کاربر میتواند بدون ایجاد حساب کاربری نیز سؤالی از سیستم بپرسد، اما پاسخ در این حالت محدودتر خواهد بود. ایجاد حساب کاربری امکانات بیشتری در اختیار کاربر قرار میدهد و شامل تعداد مشخصی اعتبار روزانه رایگان است.
این شرکت اعلام کرده است که برنامههای پولی نیز در آینده ارائه خواهند شد و بخشی از درآمد آنها به مشارکتکنندگانی اختصاص مییابد که دانش و تخصص آنها در پاسخهای Askeal استفاده میشود.
آیا میتوان به پاسخ یک هوش مصنوعی امنیتی اعتماد کرد؟
اینجا مهمترین نکته امنیتی این محصول مطرح میشود.
مستند بودن پاسخ یک AI به معنی صحیح بودن قطعی آن نیست.
حتی اگر یک ابزار چند منبع را بررسی کند، خروجی آن همچنان باید در تصمیمهای حساس امنیتی با منابع اصلی و دادههای محیط سازمان مقایسه شود.
برای مثال، اگر Askeal درباره یک CVE پیشنهاد خاصی ارائه دهد، بهتر است تحلیلگر اطلاعات آن را با منابع رسمی مانند پایگاه آسیبپذیری، Advisory سازنده محصول و مستندات فنی مربوط به همان آسیبپذیری تطبیق دهد.
همین موضوع درباره URL، Hash و IOC نیز صدق میکند.
بنابراین بهترین کاربرد چنین ابزارهایی این نیست که:
«AI تصمیم بگیرد و انسان اجرا کند»
بلکه:
«AI اطلاعات را جمعآوری و غنی کند و انسان تصمیم بگیرد.»
Askeal چه آیندهای برای عملیات امنیتی دارد؟
با افزایش حجم هشدارهای امنیتی، یکی از مشکلات اصلی تیمهای SOC، زمان مورد نیاز برای بررسی هر Alert است.
ابزارهایی مانند Askeal تلاش میکنند این مرحله را سریعتر کنند؛ یعنی تحلیلگر بتواند بهجای جستوجوی دستی در دهها منبع، سؤال خود را مطرح کند و مجموعهای از اطلاعات مرتبط را همراه با منابع دریافت کند.
در آینده، چنین ابزارهایی میتوانند در کنار EDR، XDR، SIEM و SOAR قرار بگیرند و بخشی از فرآیند Threat Intelligence و Alert Enrichment را خودکار کنند.
با این حال، ارزش واقعی آنها به کیفیت منابع، دقت تحلیل و توانایی سیستم در نشان دادن شواهد بستگی دارد.
جمعبندی
Askeal یکی از نمونههای جدید ورود هوش مصنوعی به عملیات امنیت سایبری است؛ اما تفاوتی که روی آن تأکید دارد، صرفاً استفاده از AI نیست. این پلتفرم تلاش میکند هوش مصنوعی را با دانش متخصصان و منابع امنیتی قابل بررسی ترکیب کند.
قابلیتهایی مانند بررسی CVE، تحلیل URL و Hash، بررسی IOC، تحلیل لاگ و ارائه راهنمایی برای رفع آسیبپذیری میتوانند Askeal را به یک ابزار کمکی برای تحلیلگران امنیتی تبدیل کنند.
با این حال، همان اصل همیشگی در استفاده از AI در امنیت سایبری باید حفظ شود: خروجی هوش مصنوعی نقطه شروع تحلیل است، نه پایان آن.
منابع:
- Help Net Security – معرفی Askeal و قابلیتهای آن
- وبسایت رسمی Askeal
- Askeal – شرایط استفاده و جزئیات سرویس
