مواد روانگردان جدید

زمینه و هدف: با گسترش فضای سایبر، باندهای مجرمانه از روش های پیچیده تری برای توزیع مواد روانگردان جدید استفاده می کنند. توسعه اشراف اطلاعاتی مبتنی بر هوش مصنوعی می تواند به شناسایی این باندها و رهگیری جریان های مالی و ارتباطی آن ها کمک کند. این پژوهش با هدف ارائه الگوی پارادایمیِ کاربرد هوش مصنوعی و جایگاه آن برای مقابله با این تهدیدات و تقویت ظرفیت اطلاعاتی در کشف و پیشگیری از جرائم سایبری مرتبط با مواد روانگردان جدید انجام شد.روش: این تحقیق دارای ماهیتی اکتشافی است که با رویکرد کیفی و روش نظریه داده بنیاد (اشتراوس و کوربین) انجام شد. مشارکت کنندگان شامل خبرگان حوزه های پلیس فتا، مبارزه با مواد مخدر، متخصصین هوش مصنوعی و تحلیل گران فضای سایبری بودند که با روش نمونه گیری هدفمند انتخاب شدند و اشباع نظری در مصاحبه بیستم محقق شد. داده ها از طریق مطالعه کتابخانه ای و مصاحبه های نیمه ساختاریافته گردآوری و با بهره گیری از روش تحلیل مضمون در بستر نرم افزار MAXQDA تحلیل شد. همچنین برای افزایش دقت و کشف الگوهای پنهان، از الگوریتم های هوش مصنوعی در تحلیل داده ها استفاده گردید که موجب ارتقای اشراف اطلاعاتی و شناخت دقیق تر راهبردهای مقابله با تهدیدات مواد روانگردان جدید در فضای سایبر شد.یافته ها: عوامل علی شامل ضعف نظارت سایبری و بهره گیری باندها از فناوری های نوین بود. خلأهای قانونی و محدودیت های فنی به عنوان عوامل زمینه ای، و مشکلات تبادل اطلاعات و نبود بانک های اطلاعاتی یکپارچه به عنوان چالش های مداخله گر شناسایی شد. یافته ها نشان داد مقابله با تهدیدات ناشی از باندهای مواد روان گردان، بهره گیری از هوش مصنوعی در تحلیل داده های مالی، رصد شبکه های اجتماعی و شناسایی الگوهای فعالیت های مشکوک می تواند به شناسایی سریع تر و دقیق تر فعالیت های غیرقانونی و کمک به تصمیم گیری های مؤثر در مقابله با این تهدیدات منجر شود.نتیجه گیری: هوش مصنوعی از طریق تحلیل پیشرفته داده ها و پیش بینی رفتارهای باندهای مجرمانه، نقش مهمی در افزایش اشراف اطلاعاتی و مقابله با جرائم سایبری دارد. پیشنهاد کلیدی این تحقیق، ایجاد سامانه ای یکپارچه مبتنی بر هوش مصنوعی برای رصد و تحلیل داده های مرتبط با فعالیت های مجرمانه و توسعه شبکه اطلاعاتی میان سازمان های امنیتی و فناوری محور است که امکان مداخله سریع و هدفمند را فراهم کند.