DOI: https://doi.org/10.52710/cfs.926
تاريخ النشر: 2026-02-12
المؤلف: Bhavinkumar Jayswal
الموضوع الرئيسي: التحكم في الوصول والثقة
نظرة عامة
تتناول ورقة البحث التأثير التحويلي لخدمة الوصول الآمن (SASE)، والهياكل المعمارية السحابية، والذكاء الاصطناعي على الشبكات المؤسسية، مع تسليط الضوء على ظهور أنظمة الذكاء الاصطناعي الوكيلة. تتميز هذه الأنظمة بسلوكها الموجه نحو الأهداف وقدرتها على التكيف، وتعمل بتدخل بشري محدود، مما يطرح تحديات للنماذج الأمنية التقليدية مثل الثقة الصفرية وSASE. لمعالجة هذه التحديات، يقترح المؤلفون إطار عمل الثقة الصفرية المدركة للوكيل، الذي يعامل الوكلاء المستقلين كهوية من الدرجة الأولى تتطلب تحقق سلوكي مستمر واستقلالية مقيدة بالسياسات. يتم تقديم تصنيف للتهديدات خاص بالأنظمة الوكيلة، مع تحديد المخاطر مثل انحراف الأهداف وغموض القرار.
تؤكد الورقة على الحاجة إلى بنية أمنية متطورة لإدارة المخاطر النظامية المرتبطة بالوكلاء المستقلين في الشبكات المؤسسية. يهدف إطار العمل الثقة الصفرية المدركة للوكيل إلى تنظيم هؤلاء الوكلاء من خلال آليات مثل الهوية التشفيرية، وهياكل السياسات الهرمية، ونماذج الثقة الديناميكية. من خلال دمج هذه العناصر، يسعى الإطار إلى تحقيق توازن بين فوائد الذكاء الاصطناعي الوكيل والحوكمة والإشراف الضروري، مما يضمن أن الشركات يمكنها نشر أنظمة الشبكات المستقلة بأمان مع الحفاظ على الامتثال والأمان.
مقدمة
تستعرض المقدمة التقدمات الكبيرة في الشبكات المؤسسية على مدار العقد الماضي، والتي تتميز بالتجريد والفصل من خلال أطر عمل مختلفة مثل الشبكات المعرفة بالبرمجيات (SDN)، وتخيل الشبكات، وخدمة الوصول الآمن (SASE)، وهندسة الثقة الصفرية (ZTA). لقد سهلت هذه التطورات الاتصال القابل للتوسع، والذي يركز على السحابة، للشركات الموزعة بينما تولد بيانات غنية وسطح تحكم قابل للبرمجة.
لقد تطور دور الذكاء الاصطناعي (AI) من تقديم الدعم التحليلي إلى تمكين الأنظمة المستقلة التي يمكنها إدارة عمليات الشبكة ديناميكيًا. على عكس الضوابط الآلية التقليدية، يمكن لأنظمة الذكاء الاصطناعي الوكيلة أن تلاحظ وتستنتج وتتكيف وتنفذ إجراءات بتدخل بشري محدود، مما يتحدى النماذج الأمنية الحالية التي تعتمد على السلوك الحتمي. على الرغم من الأبحاث الواسعة حول تطبيقات التعلم الآلي في الشبكات والأمان، لا يزال هناك نقص في إطار أمني متماسك لحوكمة هؤلاء الوكلاء المستقلين. تقترح هذه الورقة “الثقة الصفرية المدركة للوكيل”، وهو امتداد معماري لمبادئ الثقة الصفرية مصمم خصيصًا لحوكمة الأنظمة الوكيلة ضمن البنية التحتية المؤسسية.
طرق
تقدم ورقة البحث إطارًا مفاهيميًا ومعماريًا يهدف إلى تعزيز الأمان في بيئات المؤسسات الكبيرة، مع التركيز بشكل خاص على خدمة الوصول الآمن (SASE)، والشبكات الواسعة المعرفة بالبرمجيات (SD-WAN)، والشبكات السحابية. تستند المنهجية إلى تصميم التركيب والخبرة التشغيلية بدلاً من التجارب المنضبطة أو المحاكاة الدقيقة. يقوم الإطار بتجريد نماذج التهديدات والضوابط المعمارية من الأنماط الملاحظة في عمليات المؤسسات، والبنى التحتية المدارة سحابيًا، وأنظمة الأتمتة المدعومة بالذكاء الاصطناعي.
المقاييس الكمية التي تم مناقشتها في الورقة هي في الأساس توضيحية أو مشتقة من الملاحظات التشغيلية، وتفتقر إلى التحقق التجريبي. الهدف الشامل من هذا العمل هو إنشاء بنية أمنية قوية يمكن أن تُعلم التنفيذات المستقبلية، ومبادرات التوحيد القياسي، والبحوث التجريبية في هذا المجال.
مناقشة
تقدم الورقة إطارًا شاملاً لمعالجة التحديات الأمنية التي تطرحها الذكاء الاصطناعي الوكيل في الشبكات المؤسسية، وخاصة ضمن بيئات خدمة الوصول الآمن (SASE). تعرف الذكاء الاصطناعي الوكيل على أنه أنظمة قادرة على استنتاج الأهداف والتفعيل المستقل، مما يميزها عن الأتمتة التقليدية. يقدم المؤلفون تصنيفًا للتهديدات يبرز المخاطر مثل انحراف الأهداف، وتصعيد الامتيازات المفوضة، والحركة الجانبية في مستوى التحكم، والسلوك المتعدد الوكلاء الناشئ، والذي يمكن أن يقوض بروتوكولات الأمان ويؤدي إلى ثغرات نظامية.
لتخفيف هذه المخاطر، تقترح الورقة بنية الثقة الصفرية المدركة للوكيل التي تتضمن مفاهيم جديدة مثل هوية الوكيل والتحقق المستمر، والاستقلالية المقيدة بالسياسات، وإنفاذ تآكل الثقة. تؤكد هذه البنية على التقييم المستمر لسلوك الوكيل مقابل السياسات الديناميكية، مما يسمح بالكشف عن الشذوذ في الوقت الحقيقي والحوكمة التكيفية. يشدد المؤلفون على أهمية القابلية للتدقيق والشرح في أنظمة الذكاء الاصطناعي من أجل الامتثال والاستجابة للحوادث، داعين إلى تحول في عمليات الأمان من الإشراف الحتمي إلى الإشراف الاحتمالي. تشمل اتجاهات البحث المستقبلية التحقق الرسمي من السياسات والتوحيد القياسي عبر المجالات لتعزيز أمان الوكلاء المستقلين في الشبكات المؤسسية.
القيود
تسلط قسم القيود الضوء على التحديات المعمارية المرتبطة بنماذج الذكاء الاصطناعي، وخاصة غموض القرار المتأصل فيها. تشكل هذه الافتقار إلى الشفافية عقبات كبيرة أمام فرق الأمان، التي تجد غالبًا صعوبة في تتبع الأسباب وراء تصرفات وكيل الذكاء الاصطناعي خلال الحوادث. وبالتالي، فإن هذا الغموض يعيق التحليل الجنائي، ويعقد التحقق من الامتثال، ويعيق الاستجابة الفعالة للحوادث. إن عدم القدرة على إعادة بناء عمليات اتخاذ القرار في أنظمة الذكاء الاصطناعي يبرز الحاجة إلى تحسين آليات الشفافية لتعزيز المساءلة والأمان في تطبيقات الذكاء الاصطناعي.
DOI: https://doi.org/10.52710/cfs.926
Publication Date: 2026-02-12
Author(s): Bhavinkumar Jayswal
Primary Topic: Access Control and Trust
Overview
The research paper discusses the transformative impact of Secure Access Service Edge (SASE), cloud-native architectures, and artificial intelligence on enterprise networking, highlighting the emergence of Agentic AI systems. These systems, characterized by their goal-directed behavior and adaptability, operate with minimal human intervention, which poses challenges to traditional security models like Zero Trust and SASE. To address these challenges, the authors propose the Agent-Aware Zero Trust framework, which treats autonomous agents as first-class identities that require continuous behavioral verification and policy-bound autonomy. A threat taxonomy specific to agentic systems is introduced, identifying risks such as objective drift and decision opacity.
The paper emphasizes the need for an evolved security architecture to manage the systemic risks associated with autonomous agents in enterprise networks. The Agent-Aware Zero Trust framework aims to govern these agents through mechanisms such as cryptographic identity, hierarchical policy structures, and dynamic trust models. By integrating these elements, the framework seeks to balance the benefits of Agentic AI with the necessary governance and oversight, ensuring that enterprises can safely deploy autonomous networking systems while maintaining compliance and security.
Introduction
The introduction outlines significant advancements in enterprise networking over the past decade, characterized by abstraction and decoupling through various frameworks such as Software-Defined Networking (SDN), network virtualization, Secure Access Service Edge (SASE), and Zero Trust Architecture (ZTA). These developments have facilitated scalable, cloud-first connectivity for distributed enterprises while generating rich telemetry and programmable control surfaces.
The role of artificial intelligence (AI) has evolved from providing analytical support to enabling autonomous systems that can dynamically manage network operations. Unlike traditional automated controls, agentic AI systems can observe, infer, adapt, and execute actions with minimal human intervention, thereby challenging existing security models that rely on deterministic behavior. Despite extensive research on machine learning applications in networking and security, there remains a lack of a cohesive security framework for governing these autonomous agents. This paper proposes “Agent-Aware Zero Trust,” an architectural extension of Zero Trust principles tailored specifically for the governance of agentic systems within enterprise infrastructure.
Methods
The research paper presents a conceptual and architectural framework aimed at enhancing security in large-scale enterprise environments, specifically focusing on Secure Access Service Edge (SASE), Software-Defined Wide Area Networking (SD-WAN), and cloud networking. The methodology is grounded in design synthesis and operational experience rather than controlled experiments or rigorous simulations. The framework abstracts threat models and architectural controls from observed patterns in enterprise operations, cloud-managed infrastructures, and AI-enabled automation systems.
Quantitative metrics discussed in the paper are primarily illustrative or derived from operational observations, lacking experimental validation. The overarching goal of this work is to establish a robust security architecture that can inform future implementations, standardization initiatives, and empirical research in the field.
Discussion
The paper presents a comprehensive framework for addressing the security challenges posed by Agentic AI in enterprise networking, particularly within Secure Access Service Edge (SASE) environments. It defines Agentic AI as systems capable of goal inference and independent actuation, distinguishing it from traditional automation. The authors introduce a threat taxonomy that highlights risks such as objective drift, delegated privilege escalation, control-plane lateral movement, and emergent multi-agent behavior, which can undermine security protocols and lead to systemic vulnerabilities.
To mitigate these risks, the paper proposes an Agent-Aware Zero Trust architecture that incorporates novel constructs such as Agent Identity and Continuous Verification, Policy-Bounded Autonomy, and Trust Decay enforcement. This architecture emphasizes continuous evaluation of agent behavior against dynamic policies, allowing for real-time anomaly detection and adaptive governance. The authors stress the importance of auditability and explainability in AI systems for compliance and incident response, advocating for a shift in security operations from deterministic to probabilistic oversight. Future research directions include formal verification of policies and cross-domain standardization to enhance the security of autonomous agents in enterprise networks.
Limitations
The section on limitations highlights the architectural challenges associated with AI models, particularly their inherent decision opacity. This lack of transparency poses significant obstacles for security teams, who often find it difficult to trace the rationale behind an AI agent’s actions during incidents. Consequently, this opacity hampers forensic analysis, complicates compliance validation, and impedes effective incident response. The inability to reconstruct decision-making processes in AI systems underscores the need for improved transparency mechanisms to enhance accountability and security in AI applications.