فصلنامه شماره 7
تحول دیجیتال در اپراتورها
پیشبینی میشود که تا سال 2024 سازمانهای مختلف با پذیرش یک معماری مش امنیت سایبری و با یکپارچهسازی ابرازهای امنیتی به منظور تحقق یک اکوسیستم همکاری متقابل تاثیر زیان مالی ناشی از رخدادهای امنیتی شخصی را تا 90% کاهش خواهند داد. تجهیزات، دادهها، نرمافزارهای کاربردی سازمان همگی فضای داخلی سازمان را ترک کرده و در نقاط مختلفی خارج از محدوده فیزیکی سازمان مستقر میشوند. لذا دیگر فضای به نام فضای داخلی یک سازمان که بتوانیم آن را امن فرض کرده و آن را جدا از فضای خارجی سازمان در نظر بگیریم وجود ندارد. مدیران امنیت سازمانها میبایست ابزارهای امنیتی را در یک اکوسیستم با همکاری متقابل و با یک رویه معماری مش امنیت سایبری که مقیاسپذیر، قابل ارتقاء و قابل انطباق باشد، یکپارچه نمایند. معماری مش امنیت سایبری یک لایه پشتیبانی بنیادی فراهم میکند که به خدمات امنیتی کمک میکند تا بتوانند با همکاری یکدیگر یک فضای امنیت دینامیک ایجاد نمایند.
گارتنر از معماریهای دیتا فابریک به عنوان یکی از 10 روند برتر در سال 2022 نام برده، زیرا دسترسی یکپارچه و اشتراکگذاری دادهها را در یک محیط داده توزیعشده امکانپذیر میسازد. دیتا فابریک برای پیوند دادن منابع توزیع شده صرف نظر از مکانی که در آن قرار دارند (ابر یا محلی یا راه دور) یا APIهایی که برای تبادل داده در معرض نمایش هستند استفاده میشود. دیتا فابریک ترکیبی از چندین لایه مختلف است و برای بهره بردن از ارزشی که دیتا فابریک ایجاد میکند ، رهبران تجزیه و تحلیل داده بایداز فناوری اطمینان حاصل کنند، قابلیتهای اصلی مورد نیاز را شناسایی کنند و ابزارهای مدیریت داده موجود را ارزیابی کنند.
NFV به مجازی سازی توابع شبکه گفته میشود. در یک سیستم NFV تجهیزات سختافزاری در واقع سرورها، ذخیرهسازها و حافظههای با دسترسی تصادفی رمها هستند که توان پردازشی، حافظه ذخیرهسازی و ارتباطات شبکهای برای NFVها را از طریق یک لایه مجازیسازی فراهم میآورند. معماری NFV از چهار لایه مجزا تشکیل شده است. از ریسکهای امنیتی مرتبط با NFV میتوان ریسک شکست در تفکیک، شکست در پیاده سازی صحیح توپولوژی شبکه، حملات رد سرویس و … را نام برد. از نمونههای بهترین شیوههای تضمین امنیت در NFV نیز میتوان استفاده از ماژول پلتفرم قابل اعتماد و امنیت کرنل لینوکس، نام برد.
محاسبات با حفظ حریم خصوصی، گروهی از سیستمها، فرآیندها و تکنیکهایی هستند که پردازش را قادر میسازد تا از دادهها ارزش بهدست آورد درحالی که حریم خصوصی و امنیت برای افراد حفظ میگردد. انواع روشهای نرم افزاری و سخت افزاری برای محافظت از دادهها وجود دارد. برخی از نمونهها عبارتند از: محاسبات چند جانبه ایمن ، رمزگذاری همومورفیک ، اثبات دانش صفر و محیط اجرایی قابل اعتماد (TEE). هر تکنیک مزایا و معایب خود را داشته و با چالش نحوه محافظت ایمن از دادههای در حال استفاده دست و پنجه نرم میکند. PETها به طرق مختلف به حفظ حریم خصوصی و دادهها کمک میکنند. دسته اول PETها ابزارهایی هستند که دادهها را تغییر میدهند. گروه دیگری از PETها به جای تغییر دادن دادهها ، بر پنهان کردن یا محافظت از دادهها تمرکز میکنند. و در نهایت، دسته سوم سیستمها و معماری دادههای جدید را برای پردازش، مدیریت و ذخیره دادهها نشان میدهد.
5G محل استقرار و ارائه محصولات و خدمات نوین و توان پردازشی را تغییر خواهد داد. پس از استقرار کامل و گسترده اکوسیستم 5G تمامی سازمانها با آن درگیر و برای تحقق منابع جدید درآمدی بدان نیازمند خواهند شد. 5G با استفاده از محاسبات لبهای به منظور افزایش سرعت پردازش، حافظههای قوی در نزدیکی کاربر را افزایش داده و کارآیی بیدرنگ به همراه پهنای باند وسیع و تاخیر کم به همراه خواهد داشت
پیشرفت فناوریهای ارتباطی و افزایش چشمگیر کاربرد فناوریهای نوظهور، بسترهای ارتباطی را به یکی از حوزههای استراتژیک حاکمیت کشورها از منظر رویکردهای توسعهمحور و امنیتمحور تبدیل کرده است. توسعه و کاربرد فناوری نسل پنجم شبکههای مخابراتی با شتاب زیادی در دنیا در حال گسترش است. این شبکهها، برخلاف نسلهای قبلی خود، گستره وسیعی از خدمات ارتباطی و پردازشی را که روی فناوریهای متعدد دیگری بنا شدهاند عرضه مینمایند. از این رو توجه به نکات امنیتی در طراحی، تولید و بهرهبرداری شبکههای مخابراتی نسل پنجم جنبههای متنوع و جدیدی پیدا میکند.
محاسبات لبه شبکه دسترسی (MEC-Multi-Access Edge Computing ) در واقع توسعهای بر محاسبات ابری است که میکوشد توانمحاسباتی، حافظهذخیرهسازی و شبکه ارتباطی را در لبه شبکه و نزدیکترین نقطه به کاربرنهایی مستقر سازد. توسعه MEC در پاسخ به نیاز به مخابرات باتاخیر بسیار کم در شبکههای 5G صورت گرفته است.