جامعة القاهرة تبحث التآزر بين الذكاء الاصطناعي والأمن السيبراني لحماية الفضاء الرقمى

شهدت قاعة 78 بكلية الآداب جلسة علمية بعنوان "التآزر بين الذكاء الاصطناعي والأمن السيبراني"، بمشاركة نخبة من خبراء الأمن السيبراني والتحول الرقمي والتشريعات التقنية، لمناقشة سبل توظيف الذكاء الاصطناعي في تعزيز منظومات الحماية الرقمية ومواجهة التهديدات السيبرانية المتزايدة، وذلك في إطار فعاليات مؤتمر جامعة القاهرة الدولي للذكاء الاصطناعي،

وشارك في الجلسة، د. محمد حجازي، خبير السياسات العامة والتشريعات والشؤون التنظيمية، ود. عادل عبد المنعم، خبير الأمن السيبراني مع (ITU-ARCC) وخبير الجريمة السيبرانية والأدلة الرقمية مع مكتب (UNODC)، والمهندس محمود توفيق، خبير الأمن السيبراني والتحول الرقمي، والمهندس إبراهيم مصطفى، وأدار الجلسة المهندس محمد الفاتح، مؤسس ZINAD وقائد فصل OWASP القاهرة.

وتناولت الجلسة، دور الذكاء الاصطناعي في دعم الدفاع السيبراني من خلال الكشف المبكر عن التهديدات وتحليل السلوك والتصنيف الذكي للهجمات، كما استعرضت تطبيقات عملية تشمل تحليلات السلوك، وحماية الطرفيات، وأتمتة غرف العمليات الأمنية.

كما ناقش الخبراء، المخاطر مثل هجمات الخصومة، وانجراف النماذج، وخصوصية البيانات والامتثال التنظيمي، مؤكدين على أهمية تطوير الأدوات والمهارات البشرية القادرة على تشغيل أنظمة الذكاء الاصطناعي بأمان في مراكز العمليات.

واختتمت الجلسة بتقديم خارطة طريق لترتيب أولويات الحالات عالية الأثر ودمج الإشراف البشري، مع ووضع مقاييس أداء دقيقة لقياس السرعة والدقة وتقليل المخاطر، بما يضمن بناء بيئة رقمية أكثر أمانًا واستدامة في مواجهة التحديات السيبرانية الحديثة.

وجاءت أبرز توصيات جلسة التآزر بين الذكاء الاصطناعي والأمن السيبراني علي النحو التالي:

-دمج الذكاء الاصطناعي في برامج الأمن السيبراني بطريقة آمنة ومنهجية من خلال خارطة طريق واضحة.

-تعزيز سرعة وكفاءة اكتشاف التهديدات مثل التصيد الاحتيالي والبرمجيات الخبيثة باستخدام تقنيات التعلم الآلي

-تطوير أدوات (tooling) فعالة لتطبيق حلول الذكاء الاصطناعي عمليًا في حماية البيانات والاستجابة للحوادث.

-التركيز على تحليل السلوك (behavior analytics) لتحسين رصد الأنشطة المشبوهة وتقليل المخاطر.

-مراعاة المخاطر التنظيمية والخصوصية وضمان الالتزام بالمعايير والقوانين أثناء استخدام الذكاء الاصطناعي.

-مواجهة تحديات مثل انحراف النماذج (model drift) والهجمات المعادية (adversarial attacks) من خلال رقابة بشرية مستدامة.