امنیت زیستی در عصر AI

مدل سه‌لایه تهدید دکتر استرایلین

چگونه AI در علوم زیستی خطر مسموم‌سازی داده‌ها، DNA تقلبی و حمله به فرآیند تصمیم‌گیری را افزایش می‌دهد

همگرایی انقلابی هوش مصنوعی (AI) و بیوتکنولوژی (علوم زیستی) در حال تغییر دادن چهره‌ی علم، پزشکی و حتی امنیت ملی در مقیاس جهانی است. این تلاقی نه تنها سرعت اکتشافات علمی را به سطحی بی‌سابقه رسانده، بلکه افق‌های جدیدی را در تشخیص بیماری‌ها و توسعه‌ی سریع پادزهرهای پزشکی گشوده است. در اجلاس امنیتی GBEF EDGE 2025، دکتر ویلیام دبلیو. ‘بیل’ استرایلین (William W. ‘Bill’ Streilein)، مدیر اصلی در آزمایشگاه لینکلن ام‌آی‌تی، به تشریح این چهارراه پویای تکنولوژی پرداخت و ابعاد امیدبخش و در عین حال مخاطره‌آمیز آن را روشن ساخت. این بحث تخصصی نشان می‌دهد که چگونه داده‌های بیولوژیکی در ترکیب با قدرت پردازش سایبری و هوش مصنوعی، مسیری دوگانه را پیش روی بشر قرار داده است: مسیری که سرشار از پیشرفت است و مسیری که هوشیاری مضاعف ما را در برابر تهدیدات نوین می‌طلبد.

سایبرکست قسمت : 74 امنیت زیستی در عصر AI

دیجیتالی شدن داده‌های زیستی به آستانه پزشکی شخصی‌سازی‌شده

ابزارهای طراحی زیستی (Biodesign) اکنون برای بازیگران بدخواه در دسترس‌تر شده و خطر تروریسم بیوتکنولوژی را افزایش می‌دهند

موج نوین اکتشافات و پزشکی شخصی‌سازی‌شده

ورود داده‌های بیولوژیکی دیجیتالی‌شده و حسگرهای پیشرفته به حوزه‌ی هوش مصنوعی، سرعتی خیره‌کننده به دستاوردهای علمی در بیوتکنولوژی بخشیده است. به عنوان مثال، نقشه‌برداری از ژنوم انسان درک ما را از سلامتی و بیماری‌ها متحول ساخته و به لطف انبوه داده‌های بیولوژیکی در دسترس، ما را به آستانه‌ی پزشکی واقعاً شخصی‌سازی‌شده رسانده است. دیجیتالی شدن سیستم‌های بیولوژیکی محققان را قادر ساخته است تا داده‌ها را در مقیاسی بی‌نظیر ثبت و تحلیل کنند؛ حسگرهایی که زمانی توانایی‌های محدودی داشتند، اکنون مقادیر وسیعی از داده‌ها را از سلول‌های منفرد استخراج می‌کنند، و این اطلاعات خود محرک پیشرفت‌های سریع در کشف دارو و تشخیص بیماری‌ها هستند. این محیط غنی از داده که با دامنه‌های سایبری و هوش مصنوعی هم‌پوشانی دارد، کشف دانش را تسریع کرده و شیوه‌ی برخورد دانشمندان با مسائل پیچیده‌ی بیولوژیکی را دگرگون ساخته است.

کاربردهای تحول‌آفرین هوش مصنوعی در تشخیص و درمان

سیستم‌های مبتنی بر هوش مصنوعی می‌توانند تشخیص عوامل بیماری‌زا را به شکل چشمگیری بهبود بخشند، توسعه‌ی پادزهرهای پزشکی را تسریع کنند و شبکه‌های نظارت زیستی (bio-surveillance) را تقویت نمایند. توانایی ادغام داده‌ها از ژنومیک، علوم آب و هوا و شبکه‌های جهانی سلامت، امکان مدل‌سازی پیش‌بینی‌کننده برای سناریوهای شیوع بیماری‌ها و تسهیل همکاری‌های میان‌رشته‌ای را فراهم می‌آورد. دکتر استرایلین همچنین به پیشرفت‌های اخیر در سیستم‌های هوش مصنوعی مولد (Generative AI) اشاره کرد که با استفاده از تکنیک‌هایی مانند تشخیص متوالی (sequential diagnosis)، توانایی‌هایی تا چهار برابر بهتر از پزشکان انسانی در برخی وظایف تشخیصی نشان داده‌اند. البته وی اذعان داشت که این یافته‌ها نیازمند اعتبارسنجی بیشتر و احتیاط‌های مهمی هستند.

حفاظت از کادر نظامی و توسعه‌ی سریع درمان

یکی از تمرکزهای اصلی کار دکتر استرایلین، استفاده از علوم زیستی و هوش مصنوعی برای حفاظت از پرسنل نظامی است. سیستم‌های پایش سلامت می‌توانند در مورد خستگی یا قرار گرفتن در معرض سموم به فرماندهان و سربازان هشدار دهند، در حالی که ابزارهای تشخیصی و درمانی مبتنی بر هوش مصنوعی می‌توانند به پرسنل غیرپزشکی در ارائه‌ی مراقبت‌های حیاتی در میدان نبرد کمک کنند. وی برنامه‌ای در آزمایشگاه لینکلن را توصیف کرد که از هوش مصنوعی برای مکان‌یابی شریان‌ها برای مداخلات اورژانسی استفاده می‌کند، قابلیتی که می‌تواند جان افراد را در درگیری‌ها نجات دهد. علاوه بر این، توسعه‌ی سریع پادزهرهای پزشکی یکی از امیدوارکننده‌ترین کاربردهای هوش مصنوعی در علوم زیستی است. استرایلین مثال‌هایی از تشخیص مبتنی بر کریسپر (CRISPR-based diagnostics) را مطرح کرد که از “قیچی‌های مولکولی” برای شناسایی حضور پاتوژن‌ها یا التهاب در سطح سلولی استفاده می‌کنند. این سیستم‌های هشدار اولیه، هنگامی که با مدل‌سازی اندامک‌ها و سلول‌های مبتنی بر هوش مصنوعی ترکیب می‌شوند، به محققان اجازه می‌دهند تا درمان‌های جدید را سریع‌تر و ایمن‌تر آزمایش و توسعه دهند.

روی دیگر سکه: تهدیدات زیستی و سایبری در عصر هوش مصنوعی

در حالی که پیشرفت‌های مذکور نویدبخش هستند، دکتر استرایلین هشدار داد که همین ابزارهایی که موانع پیشرفت علمی را کاهش داده‌اند، می‌توانند توسط بازیگران بدخواه مورد سوءاستفاده قرار گیرند. او بیان داشت که ابزارهای طراحی زیستی (Biodesign tools)، که زمانی تنها برای متخصصان قابل دسترسی بودند، در حال کاربرپسند شدن هستند و موانع را برای بازیگران بدخواه یا دشمنان دولتی کاهش می‌دهند. این موضوع با ظهور پلتفرم‌های زیست‌شناسی مصنوعی (synthetic biology)، همراه با هوش مصنوعی مولد، نگرانی‌های جدی را در مورد پتانسیل ایجاد خودکار عوامل بیماری‌زا و تعمیق تهدید تروریسم بیوتکنولوژی افزایش می‌دهد.

حملات به تصمیم‌گیری و یکپارچگی داده‌ها

سیستم‌های مبتنی بر هوش مصنوعی نه تنها بر داده‌ها، بلکه بر تصمیم‌گیری‌های اصلی تأثیر می‌گذارند و خطرات را چند برابر می‌کنند. دشمنان می‌توانند مجموعه‌های آموزشی مدل‌های هوش مصنوعی را “مسموم” کنند، از طریق ورودی‌های متخاصم (adversarial inputs) از شناسایی فرار کنند، و حتی اطلاعات حساس یا اختصاصی را از مدل‌های مستقر شده استخراج نمایند. دیجیتالی شدن داده‌های زیستی نیز آسیب‌پذیری‌های جدیدی را معرفی می‌کند. اگر یک بازیگر بدخواه این داده‌ها را دستکاری یا فاسد کند، عواقب می‌تواند بسیار شدید باشد. دکتر استرایلین تصویر واضحی ارائه داد: «تصور کنید چگونه این کار می‌تواند در تشخیص مشکل بیمار اختلال ایجاد کند. ممکن است شاهد اخلال در کارآزمایی‌های دارویی باشیم که می‌تواند تحویل توانمندی‌ها به نیازمندان را به تأخیر بیندازد.» وی تأکید کرد که اگر عوامل خرابکار در داده‌های بیولوژیکی زیربنایی دستکاری کنند، یکپارچگی سیستم‌های کشاورزی، منابع غذایی و حتی دفاع ملی می‌تواند به خطر بیفتد.

درک سطح تهدید سه‌گانه

برای درک بهتر خطرات امنیت زیستی، دکتر استرایلین یک مدل سه لایه‌ای را تشریح کرد که شامل دامنه‌های فیزیکی، بازنمودی و شناختی است:

1. دامنه فیزیکی (Physical): در سطح بنیادی، تهدیدات فیزیکی قرار دارند؛ مانند انتشار عمدی عوامل بیماری‌زا که مدت‌ها تمرکز تلاش‌های امنیت زیستی بوده است.
2. دامنه بازنمودی (Representational): با دیجیتالی شدن داده‌های بیولوژیکی، دامنه بازنمودی معرفی می‌شود؛ جایی که تهدیدات مربوط به محرمانگی، یکپارچگی و در دسترس بودن داده‌ها اهمیت پیدا می‌کند. او توضیح داد: «هنگامی که داده‌ها را دیجیتالی می‌کنید، آن داده‌ها در چیزی قرار می‌گیرند که ما آن را دامنه‌ی بازنمودی می‌نامیم. و برای دسترسی به آن می‌توانید در هر کجا باشید.»
3. دامنه شناختی (Cognitive): در لایه‌ی بالاتر، دامنه شناختی قرار دارد؛ جایی که سیستم‌های مبتنی بر هوش مصنوعی نه تنها بر داده‌ها، بلکه بر خود فرآیند تصمیم‌گیری تأثیر می‌گذارند. در این سطح، خطرات چند برابر می‌شوند؛ از مسموم‌سازی داده‌ها که مدل‌های هوش مصنوعی را به بیراهه می‌کشاند، تا استخراج اطلاعات اختصاصی از مدل‌های آموزش‌دیده. دکتر استرایلین تأکید کرد: «شما فقط با بیت‌ها سروکار ندارید؛ بلکه با شیوه‌ی تفکر مردم و نحوه‌ی تصمیم‌گیری آن‌ها سروکار دارید.»
   
   

آسیب‌پذیری‌های سایبرفیزیکی

ادغام هوش مصنوعی در سیستم‌های علوم زیستی آسیب‌پذیری‌های سایبرفیزیکی جدیدی ایجاد کرده است. آزمایشگاه‌ها و مراکز تحقیقاتی به طور فزاینده‌ای به سیستم‌های شبکه‌ای برای مدیریت آزمایش‌ها، ذخیره‌سازی داده‌های ژنتیکی و برون‌سپاری سنتز DNA به اشخاص ثالث متکی هستند. اگر این سیستم‌ها، از طریق تهدیدات داخلی، اجزای DNA تقلبی یا داده‌های دستکاری‌شده، به خطر بیفتند، نتایج می‌تواند فاجعه‌بار باشد. استرایلین به خطر اجزای DNA تقلبی اشاره کرد و گفت: «اگر DNA ارسال شده تقلبی باشد، ممکن است به نتیجه‌ای که می‌خواهید نرسید و این می‌تواند به قابلیت‌های ما آسیب برساند.» این تهدید تنها محدود به آزمایشگاه نیست، بلکه به اقتصاد زیستی گسترده‌تر، از جمله کشاورزی، داروسازی و سلامت عمومی نیز سرایت می‌کند.

امنیت ملی و لزوم تاب‌آوری زنجیره‌ی تأمین

تلاقی هوش مصنوعی و علوم زیستی پیامدهای عمیقی برای امنیت ملی دارد و رقابت جهانی برای مهار و ایمن‌سازی داده‌های بیولوژیکی آغاز شده است. دکتر استرایلین به گزارشی از کمیسیون امنیت ملی در مورد بیوتکنولوژی‌های نوظهور اشاره کرد که بر اهمیت استراتژیک بیوتکنولوژی و نیاز به حفاظت‌های قوی تأکید دارد. او همچنین به صراحت بیان کرد که «چین اعلام کرده است که بیوتکنولوژی برای آینده‌ی این کشور کاملاً حیاتی است». به علاوه، همه‌گیری کووید-۱۹ آسیب‌پذیری‌هایی را در زنجیره‌های تأمین غیرنظامی و نظامی آشکار کرد که بر نیاز به رویکردهای نوین در تولید زیستی (biomanufacturing) و تاب‌آوری زنجیره‌ی تأمین تأکید دارد.

آزمایشگاه لینکلن به دنبال توسعه‌ی سیستم‌های قابل تعاملی است که بتوانند به سرعت با منابع جدید تطبیق یابند و در برابر حملات متخاصم مقاومت کنند. دکتر استرایلین مفهوم “کاوش زیستی” (bio prospecting) را مطرح کرد؛ طبیعت خود گنجینه‌ای وسیع از راه‌حل‌ها را ارائه می‌دهد. با مطالعه‌ی مکانیسم‌های متنوعی که توسط ارگانیسم‌ها در محیط‌های شدید تکامل یافته‌اند، دانشمندان می‌توانند آنزیم‌ها، پروتئین‌ها و مسیرهای متابولیک جدیدی را کشف کنند که برای کاربردهای صنعتی و پزشکی قابل استفاده هستند. در حال حاضر، تنها ۱۵ تا ۲۰ درصد از گونه‌های میکروبی شناخته شده‌اند، که این پتانسیل عظیم برای کشف را نشان می‌دهد.

• جمع‌بندی : 

در نهایت، تلاقی هوش مصنوعی و علوم زیستی حوزه‌ای است که هم نوید پیشرفت‌های عظیم و هم خطرات قابل توجهی را به همراه دارد. سرعت بالای نوآوری، امید به دستاوردهای بزرگ در پزشکی، کشاورزی و دفاع ملی را زنده می‌کند، در حالی که در عین حال هوشیاری در برابر تهدیدات جدید و در حال تکامل را ضروری می‌سازد. همانطور که یک قطار سریع‌السیر علمی می‌تواند ما را به مقاصد درمانی و امنیتی بی‌نظیر برساند، اگر ریل‌ها ایمن نباشند و کنترل‌کننده‌ی قطار قصد خرابکاری داشته باشد، سرعت بیش از حد به تهدیدی بنیادین تبدیل خواهد شد.

———————————————————————————

• نکات کلیدی:

• نوید: تسریع اکتشافات علمی، پزشکی شخصی‌سازی‌شده، تشخیص ۴ برابر بهتر از انسان، توسعه سریع پادزهرها و استفاده درمانی در میدان نبرد (مکان‌یابی شریان‌ها).

• تهدیدات: ابزارهای طراحی زیستی کاربرپسند شده و موانع را برای بازیگران بدخواه (خلق عوامل بیماری‌زا) کاهش داده‌اند.
• مدل تهدید سه‌گانه: ۱. فیزیکی، ۲. بازنمودی (تهدید یکپارچگی داده‌های دیجیتالی‌شده زیستی)، ۳. شناختی (حمله به تصمیم‌گیری‌های AI از طریق مسموم‌سازی داده‌ها و ورودی‌های متخاصم).
• ریسک سایبرفیزیکی: خطر اجزای DNA تقلبی در زنجیره تأمین و آسیب‌پذیری‌های سیستم‌های شبکه‌ای آزمایشگاه.

• اهمیت ملی: رقابت جهانی (به ویژه با چین) برای مهار بیوتکنولوژی و لزوم تاب‌آوری زنجیره تأمین (Biomanufacturing).

• نکات تکمیلی:

• حسگرهای پیشرفته مقادیر وسیعی از داده‌ها را از سلول‌های منفرد استخراج می‌کنند.

• تشخیص مبتنی بر CRISPR به عنوان سیستم هشدار اولیه استفاده می‌شود.

• تنها ۱۵ تا ۲۰ درصد از گونه‌های میکروبی شناخته شده‌اند (پتانسیل عظیم کاوش زیستی).

• نتیجه گیری

تلاقی هوش مصنوعی و علوم زیستی مانند یک قطار سریع‌السیر علمی است که هم پتانسیل نجات میلیاردها زندگی را دارد و هم ظرفیت ایجاد تهدیدات بیولوژیکی در مقیاس وسیع را. هشدارهای دکتر استرایلین نشان می‌دهد که با دیجیتالی شدن زیست‌شناسی، جنگ‌های آینده می‌تواند در قلمرو داده‌ها (دامنه بازنمودی) و فرآیندهای فکری (دامنه شناختی) رخ دهد، نه فقط در دنیای فیزیکی. امنیت ملی به طور فزاینده‌ای به توانایی ما در حفاظت از یکپارچگی داده‌های زیستی و مدیریت مسئولانه ابزارهای AI مولد وابسته است. آینده این حوزه توسط تصمیمات ما در مورد امنیت، همکاری و نظارت اخلاقی تعیین خواهد شد.

• پرسش‌های تحقیقاتی بیشتر:

• چگونه می‌توان یک چارچوب جهانی برای نظارت بر استفاده از ابزارهای طراحی زیستی و AI مولد (مانند محدودیت در دسترسی به آن‌ها) ایجاد کرد تا خطر تروریسم بیوتکنولوژی کاهش یابد؟

• چطور می‌توان مدل‌های AI را در برابر حملات مسموم‌سازی داده‌ها و ورودی‌های متخاصم در محیط‌های بیولوژیکی (که داده‌ها اغلب نویزدار هستند) مقاوم‌تر ساخت؟
• سهم دانشگاه‌ها و بخش خصوصی در حفاظت از زنجیره‌های تأمین سنتز DNA و داده‌های بیولوژیکی حساس چگونه باید سازماندهی شود؟

• چه راهکارهای سیاستی برای افزایش تاب‌آوری زنجیره تأمین بیوتکنولوژی در غرب در برابر وابستگی به رقبا (مانند چین) وجود دارد؟

• سخن پایانی نویسنده :

این خبر عمیقاً نگران‌کننده و در عین حال هیجان‌انگیز است. ما در حال ساختن یک قدرت اَبَرانسانی هستیم که می‌تواند بیماری‌ها را ریشه‌کن کند، اما همزمان، کلیدهای یک “بمب بیولوژیکی نرم‌افزاری” را به دست بدخواهان می‌دهد. تأکید دکتر استرایلین بر دامنه بازنمودی و شناختی بسیار حیاتی است؛ امروز خطر این نیست که یک پاتوژن توسط یک دیکتاتور منتشر شود، خطر آن است که توسط یک هکر یا یک الگوریتم گمراه‌شده ایجاد یا منتشر شود. ما باید قبل از اینکه سرعت این قطار علمی به یک فاجعه تبدیل شود، ریل‌های امنیت زیستی و سایبری را تقویت کنیم.

منبع : به گزارش  siliconangle 

 

در مجله سایبرلایف بخوانید