مقدمه

تشخیص ایمیل با n8n

تشخیص ایمیل با n8n:

 آموزش تشخیص ایمیل‌ با n8n و ترکیب هوش مصنوعی ChatGPT و Jira  به یکی از کاربردی‌ترین سناریوهای اتوماسیون امنیتی تبدیل شده است. سازمان‌ها و کاربران عادی هر روز با حجم بالایی از ایمیل مواجه هستند که برخی از آن‌ها ممکن است حاوی لینک‌های جعلی یا محتوای مخرب باشند.

به همین دلیل، بررسی دستی دیگر کارآمد نیست. در واقع، تشخیص ایمیل با n8n  با ترکیب هوش مصنوعی ChatGPT و Jira، فرآیند را هوشمند و خودکار می‌سازد. علاوه بر این، در ادامه آموزش کامل پیاده‌سازی این Workflow را گام‌به‌گام توضیح می‌دهیم.

در این Workflow از قابلیت‌های قدرتمند n8n در کنار هوش مصنوعی OpenAI استفاده شده است تا ایمیل‌های جدید به‌صورت خودکار از Gmail یا Microsoft Outlook دریافت شوند، محتوای آن‌ها مورد بررسی قرار گیرد و با تحلیل متن، هدرها و ساختار HTML ایمیل، احتمال مخرب بودن آن مشخص شود. در ادامه بر اساس نتیجه تحلیل، یک تیکت در Jira ایجاد می‌شود و  اطلاعات کامل ایمیل به همراه تصویر و نسخه متنی آن به تیکت پیوست می‌شود تا تیم امنیت بتواند سریع‌تر درباره آن تصمیم‌گیری کند.

این فرآیند نه‌تنها زمان پاسخگویی به تهدیدهای احتمالی را کاهش می‌دهد، بلکه باعث استانداردسازی فرآیند گزارش‌دهی و مستندسازی نیز می‌شود. اگر به دنبال ساخت یک سیستم هوشمند برای تحلیل ایمیل‌های مشکوک و مدیریت گزارش‌های امنیتی هستید، این Workflow یکی از بهترین نمونه‌هایی است که می‌توانید در n8n پیاده‌سازی کنید.

قبل از شروع

اگر هنوز n8n را نصب نکرده‌اید، پیشنهاد می‌کنیم ابتدا مقاله «آموزش n8n» را مطالعه کنید. در آن مقاله، مراحل نصب با Node.js و Docker، راه‌اندازی اولیه و ساخت اولین Workflow به‌صورت کامل آموزش داده شده است. پس از نصب و راه‌اندازی، به این مقاله بازگردید و مراحل پیاده‌سازی این Workflow را دنبال کنید.

چرا تشخیص ایمیل با n8n اهمیت دارد؟

حملات فیشینگ همچنان یکی از رایج‌ترین تهدیدهای سایبری محسوب می‌شوند. علاوه بر این، تشخیص ایمیل با n8n  امکان بررسی خودکار ایمیل‌ها را بدون دخالت مداوم فراهم می‌کند. به همین دلیل استفاده از ابزارهایی که بتوانند این ایمیل‌ها را به‌صورت خودکار شناسایی و تحلیل کنند، اهمیت زیادی پیدا کرده است. تشخیص ایمیل‌های فیشینگ با n8n این امکان را فراهم می‌کند که فرآیند بررسی ایمیل‌ها بدون نیاز به دخالت مداوم کاربران انجام شود و نتیجه تحلیل در کوتاه‌ترین زمان در اختیار تیم امنیت قرار گیرد.

از سوی دیگر، هوش مصنوعی OpenAI همزمان متن، هدرها و ساختار HTML را تحلیل می‌نماید. بنابراین بسیاری از حملات قبل از ایجاد خسارت شناسایی می‌شوند. در نتیجه بار کاری تیم امنیت کاهش پیدا می‌کند. در نهایت، ثبت خودکار اطلاعات در Jira باعث مستندسازی دقیق و تحلیل روند حملات خواهد شد.

از سوی دیگر، ثبت خودکار نتایج در Jira باعث می‌شود تمامی رخدادها مستندسازی شوند و سابقه‌ای کامل از ایمیل‌های بررسی‌شده در اختیار سازمان قرار گیرد. به همین ترتیب مدیران امنیت می‌توانند روند حملات را تحلیل کرده و تصمیم‌های بهتری برای افزایش امنیت سازمان اتخاذ کنند. در واقع، ترکیب n8n، ChatGPT و Jira یک راهکار هوشمند برای مدیریت رخدادهای امنیتی ایجاد می‌کند که علاوه بر کاهش زمان رسیدگی، کیفیت تحلیل‌ها را نیز افزایش می‌دهد.

در نهایت، اگر تعداد ایمیل‌های دریافتی در یک سازمان زیاد باشد، تشخیص ایمیل با n8n می‌تواند بسیاری از فعالیت‌های تکراری را خودکار کند. بنابراین تیم امنیت زمان بیشتری برای بررسی رخدادهای مهم خواهد داشت و در نتیجه بهره‌وری کل سازمان نیز افزایش پیدا می‌کند.

این Workflow چه کاری انجام می‌دهد؟

این سیستم مراحل مختلفی را به صورت پیوسته اجرا می‌کند. ابتدا ایمیل‌های جدید را از Gmail یا Outlook دریافت می‌کند. سپس اطلاعات کلیدی مانند عنوان، بدنه و هدرها را استخراج می‌نماید.  علاوه بر این، اطلاعات مهم ایمیل را استخراج کرده، نسخه تصویری و متنی آن را تولید می‌کند و سپس با کمک ChatGPT تحلیل هوشمند انجام می‌دهد.

در نتیجه، بر اساس خروجی هوش مصنوعی، تیکت مربوطه به صورت خودکار در Jira ایجاد می‌شود. به همین ترتیب، تیم امنیت همه چیز را در یک مکان متمرکز مدیریت می‌کند.

در ادامه، نسخه HTML به تصویر تبدیل شده و متن ایمیل نیز به فایل ذخیره می‌شود. بعد از آن، تمام داده‌ها به مدل GPT-4o ارسال می‌گردند تا تحلیل هوشمند انجام گیرد. در پایان، بر اساس نتیجه، تیکت مربوطه در Jira ایجاد شده و فایل‌های متنی و تصویری به آن پیوست خواهند شد. به این ترتیب تیم امنیت همه گزارش‌ها را در یک مکان متمرکز مدیریت می‌کند.

در پایان نیز با توجه به نتیجه تحلیل، Workflow به‌صورت خودکار یک Ticket در Jira ایجاد کرده و تصویر ایمیل، متن کامل آن و گزارش تولیدشده توسط هوش مصنوعی را به همان Ticket ضمیمه می‌کند.

کاربردهای این Workflow

تشخیص ایمیل با n8n تنها به شناسایی ایمیل‌های جعلی محدود نمی‌شود، بلکه می‌تواند به بخشی از فرآیند امنیت اطلاعات سازمان تبدیل شود. برای مثال این Workflow می‌تواند در شرکت‌های نرم‌افزاری، بانک‌ها، سازمان‌های دولتی و تیم‌های امنیت اطلاعات مورد استفاده قرار گیرد. علاوه بر این امکان توسعه آن برای سناریوهای پیچیده‌تر نیز وجود دارد.

این Workflow کاربردهای بسیار متنوعی در سازمان‌ها و تیم‌های امنیتی دارد. تشخیص ایمیل با n8n کاربردهای گسترده‌ای دارد، از جمله:

• تشخیص ایمیل با n8n

• تحلیل هوشمند ایمیل‌های مشکوک با ChatGPT

• ایجاد خودکار تیکت امنیتی در Jira

• مستندسازی کامل ایمیل‌های دریافتی

• کاهش زمان پاسخگویی تیم امنیت

• مدیریت متمرکز گزارش‌های ایمیل

• تحلیل خودکار ایمیل‌های Gmail

• تحلیل خودکار ایمیل‌های Outlook

• ذخیره تصویر واقعی ایمیل برای بررسی‌های بعدی

• کمک به تیم‌های SOC و امنیت اطلاعات

پیش‌نیازها

برای پیاده‌سازی سیستم تشخیص ایمیل با n8n لازم است چند سرویس مختلف را به یکدیگر متصل کنید. خوشبختانه n8n این امکان را فراهم می‌کند که تمامی این سرویس‌ها از طریق Credentialهای امن با یکدیگر ارتباط برقرار کنند.

برای اجرای این Template به موارد زیر نیاز دارید:

• نصب n8n

• دسترسی Administrator به n8n

• حساب Gmail یا Microsoft Outlook

• Credential مربوط به Gmail OAuth2

• Credential مربوط به Microsoft Outlook OAuth2

• API Key سرویس OpenAI

• دسترسی به مدل GPT-4o

• حساب Jira Cloud

• Credential مربوط به Jira Cloud

• حساب hcti.io جهت تبدیل HTML به تصویر

• HTTP Basic Authentication مربوط به hcti.io

• دسترسی اینترنت برای ارتباط با سرویس‌های ابری

در واقع هر یک از این سرویس‌ها نقش مشخصی در اجرای صحیح Workflow دارند و نبود هر کدام می‌تواند باعث توقف بخشی از فرآیند شود.

معرفی سرویس‌های استفاده‌شده

OpenAI

در این Workflow از مدل GPT-4o برای تحلیل هوشمند ایمیل‌ها استفاده شده است. این مدل با بررسی متن، Headerها و ساختار ایمیل می‌تواند احتمال مخرب بودن آن را تشخیص دهد و گزارشی کامل تولید کند.

Gmail

Gmail Trigger وظیفه دریافت خودکار ایمیل‌های جدید را برعهده دارد و هر دقیقه صندوق ورودی را بررسی می‌کند.

Microsoft Outlook

در صورتی که از Outlook استفاده کنید، Workflow قادر است از طریق Microsoft Graph API اطلاعات کامل ایمیل را استخراج کند.

Jira

Jira برای ثبت خودکار گزارش‌های امنیتی مورد استفاده قرار گرفته است تا تمامی ایمیل‌های بررسی‌شده در قالب Ticket ذخیره شوند.

hcti.io

این سرویس HTML ایمیل را به تصویر تبدیل می‌کند تا ظاهر واقعی ایمیل نیز در گزارش‌ها ذخیره شود.

دانلود Template

فایل JSON این Workflow را از این قسمت دانلود کنید.

رمز فایل : danixai.com

آموزش Import کردن Workflow

• وارد داشبورد n8n شوید.

• روی Import from File کلیک کنید.

• فایل JSON را انتخاب کنید.

• Workflow ایجاد خواهد شد.

• Credentialهای موردنیاز را تنظیم کنید.

ساختار Workflow و آموزش کامل Node ها

در فرآیند تشخیص ایمیل‌های فیشینگ با n8n تمامی Nodeها به‌گونه‌ای طراحی شده‌اند که اطلاعات ایمیل را مرحله‌به‌مرحله پردازش کرده و در نهایت نتیجه تحلیل را به Jira ارسال کنند. ساختار کلی این Workflow به شکل زیر است:

• ابتدا Gmail Trigger وظیفه دارد ایمیل‌های جدید را شناسایی کند. سپس این Node به‌صورت دوره‌ای Inbox را بررسی می‌کند. در نتیجه به محض دریافت ایمیل جدید، Workflow فعال می‌شود.

• در ادامه داده‌های خام ایمیل توسط این Node استخراج می‌شود. همچنین اطلاعاتی مانند Subject، Body و Recipient استانداردسازی می‌گردد. به همین دلیل ادامه پردازش ساده‌تر انجام می‌شود.

• پس از آن داده‌ها در یک ساختار یکپارچه قرار می‌گیرند. در واقع این مرحله نقش نرمال‌سازی اطلاعات را دارد. در نتیجه همه Nodeها از یک ساختار ثابت استفاده می‌کنند.

• سپس متن ایمیل به فایل تبدیل می‌شود. به همین ترتیب یک نسخه قابل ذخیره از ایمیل ایجاد می‌گردد. در نتیجه امکان مستندسازی فراهم می‌شود

• علاوه بر این ظاهر HTML ایمیل نیز به تصویر تبدیل می‌شود. در نتیجه تحلیل بصری ایمیل نیز امکان‌پذیر خواهد بود. همچنین این مرحله برای بررسی حملات فیشینگ بسیار مهم است.

• پس از آن تصویر تولیدشده دریافت می‌شود. در ادامه این فایل برای استفاده در Jira آماده می‌گردد.

• در نهایت نتیجه بررسی برای ایجاد تیکت در Jira استفاده می‌شود.

برای درک بهتر نحوه عملکرد سیستم تشخیص ایمیل‌های فیشینگ با n8n، بهتر است نقش هر Node را به‌صورت جداگانه بررسی کنیم. هر Node مسئول انجام بخشی از فرآیند تحلیل، پردازش یا گزارش‌گیری است. برای هر Node وظیفه، ورودی، خروجی، تنظیمات مهم، نکات قابل تغییر و دلیل استفاده از آن توضیح داده شده است.

1. Gmail Trigger

وظیفه Node

دریافت خودکار ایمیل‌های جدید از حساب Gmail.

ورودی

ندارد (Trigger).

خروجی

اطلاعات کامل ایمیل شامل:

• Subject

• متن ایمیل

• HTML ایمیل

• گیرنده

• Headerها

تنظیمات مهم

• Polling هر یک دقیقه

• اتصال Gmail OAuth2

نکات قابل تغییر

• محدود کردن ایمیل‌ها به Label خاص

• فیلتر فرستنده

• افزایش فاصله Polling

دلیل استفاده

شروع خودکار Workflow بدون دخالت کاربر.

2. Microsoft Outlook Trigger (غیرفعال)

وظیفه Node

دریافت ایمیل‌های جدید از Outlook.

ورودی

ندارد.

خروجی

فیلدهای انتخاب‌شده ایمیل.

تنظیمات مهم

• Polling هر یک دقیقه

• OAuth2 Outlook

نکات قابل تغییر

• فعال‌سازی Node

• تغییر پوشه ایمیل

• افزودن فیلدهای بیشتر

دلیل استفاده

پشتیبانی از Outlook در کنار Gmail.

3. Retrieve Headers of Email

وظیفه Node

دریافت Headerهای کامل ایمیل از Microsoft Graph API.

ورودی

شناسه ایمیل Outlook.

خروجی

• Internet Message Headers

• Body

تنظیمات مهم

• Endpoint Graph API

• Headerهای Accept و Prefer

نکات قابل تغییر

• دریافت Attachmentها

• انتخاب فیلدهای بیشتر

دلیل استفاده

Headerهای کامل برای تحلیل امنیتی ضروری هستند.

4. Format Headers (Code)

وظیفه Node

ساختاربندی Headerها با JavaScript.

ورودی

آرایه Headerها.

خروجی

شیء JSON مرتب‌شده.

تنظیمات مهم

کد JavaScript داخل Node.

نکات قابل تغییر

• حذف Headerهای غیرضروری

• نرمال‌سازی نام Headerها

دلیل استفاده

خوانایی بهتر برای مدل هوش مصنوعی.

5. Set Outlook Variables

وظیفه Node

استخراج متغیرهای استاندارد از Outlook.

ورودی

داده‌های Outlook.

خروجی

• htmlBody

• textBody

• subject

• recipient

• headers

تنظیمات مهم

Expressionها.

نکات قابل تغییر

• استخراج CC/BCC

• ذخیره Message-ID

دلیل استفاده

یکسان‌سازی ساختار داده‌ها.

6. Set Gmail Variables

وظیفه Node

استخراج متغیرهای استاندارد از Gmail.

ورودی

خروجی Gmail Trigger.

خروجی

همان ساختار Outlook.

تنظیمات مهم

Mapping فیلدها.

نکات قابل تغییر

• چند گیرنده

• Labelها

دلیل استفاده

استفاده از یک مسیر مشترک برای ادامه Workflow.

7. Set Email Variables

وظیفه Node

تجمیع داده‌های ایمیل.

ورودی

Gmail یا Outlook.

خروجی

مجموعه نهایی متغیرها.

تنظیمات مهم

Include Other Fields.

نکات قابل تغییر

• افزودن timestamp

• افزودن شناسه ایمیل

دلیل استفاده

مرکز داده مشترک Workflow.

8. Convert Email Body to File

وظیفه Node

تبدیل متن ایمیل به فایل TXT.

ورودی

textBody.

خروجی

فایل emailBody.txt.

تنظیمات مهم

Operation = To Text.

نکات قابل تغییر

نام فایل.

دلیل استفاده

پیوست‌کردن متن کامل به Jira.

9. Screenshot HTML

وظیفه Node

ارسال HTML ایمیل به hcti.io.

ورودی

htmlBody.

خروجی

URL تصویر تولیدشده.

تنظیمات مهم

• POST

• HTTP Basic Auth

نکات قابل تغییر

• اندازه تصویر

• فونت‌ها

دلیل استفاده

ذخیره ظاهر واقعی ایمیل.

10. Retrieve Screenshot

وظیفه Node

دانلود تصویر تولیدشده.

ورودی

URL تصویر.

خروجی

فایل باینری تصویر.

تنظیمات مهم

Authentication.

نکات قابل تغییر

Timeout.

دلیل استفاده

آپلود تصویر در Jira.

11. Analyze Email with ChatGPT

وظیفه Node

تحلیل هوشمند ایمیل.

ورودی

• HTML ایمیل

• Headerها

خروجی

JSON شامل:

• malicious

• summary

تنظیمات مهم

• Model: GPT-4o

• JSON Output

نکات قابل تغییر

• مدل AI

• Prompt

• سطح جزئیات

دلیل استفاده

هسته اصلی سیستم تشخیص فیشینگ.

12. Check if Malicious (IF)

وظیفه Node

بررسی مقدار malicious.

ورودی

خروجی ChatGPT.

خروجی

دو شاخه:

• True

• False

تنظیمات مهم

Boolean = true.

نکات قابل تغییر

• افزودن سطح ریسک

• شرایط ترکیبی

دلیل استفاده

هدایت Workflow براساس نتیجه تحلیل.

13. Create Potentially Malicious Ticket

وظیفه Node

ایجاد Ticket برای ایمیل مشکوک.

ورودی

نتیجه تحلیل.

خروجی

Issue Jira.

تنظیمات مهم

• Project

• Issue Type

• Description

نکات قابل تغییر

• Priority

• Assignee

• Labels

دلیل استفاده

گزارش خودکار تهدید.

14. Create Potentially Benign Ticket

وظیفه Node

ثبت ایمیل سالم.

ورودی

نتیجه تحلیل.

خروجی

Issue Jira.

تنظیمات مهم

مشابه Node قبلی.

نکات قابل تغییر

• استفاده از Project دیگر

• بستن خودکار Ticket

دلیل استفاده

ثبت همه بررسی‌ها برای Audit.

15. Set Jira ID

وظیفه Node

نگهداری شناسه Ticket.

ورودی

Issue Jira.

خروجی

Issue Key.

تنظیمات مهم

Include Other Fields.

نکات قابل تغییر

ذخیره URL Ticket.

دلیل استفاده

استفاده در مراحل آپلود.

16. Rename Screenshot (Code)

وظیفه Node

تغییر نام فایل تصویر.

ورودی

فایل باینری تصویر.

خروجی

emailScreenshot.png.

تنظیمات مهم

Run Once For Each Item.

نکات قابل تغییر

الگوی نام‌گذاری.

دلیل استفاده

نام استاندارد برای پیوست.

17. Upload Screenshot of Email to Jira

وظیفه Node

آپلود تصویر ایمیل.

ورودی

Issue Key + فایل تصویر.

خروجی

Attachment Jira.

تنظیمات مهم

Resource = Issue Attachment.

نکات قابل تغییر

چند فایل همزمان.

دلیل استفاده

بررسی بصری توسط تیم امنیت.

18. Rename Email Body Screenshot (Code)

وظیفه Node

تغییر نام فایل متنی.

ورودی

emailBody.txt.

خروجی

فایل با نام نهایی.

تنظیمات مهم

JavaScript.

نکات قابل تغییر

افزودن تاریخ.

دلیل استفاده

نام‌گذاری استاندارد.

19. Upload Email Body to Jira

وظیفه Node

آپلود متن ایمیل.

ورودی

Issue Key + فایل TXT.

خروجی

Attachment Jira.

تنظیمات مهم

Issue Attachment.

نکات قابل تغییر

فرمت فایل.

دلیل استفاده

دسترسی به متن کامل ایمیل.

20 تا 24. Sticky Noteها

وظیفه Node

مستندسازی بصری Workflow.

ورودی/خروجی

ندارد.

دلیل استفاده

افزایش خوانایی و نگهداری Workflow.

نحوه شخصی‌سازی Workflow

یکی از مهم‌ترین مزیت‌های این Workflow، انعطاف‌پذیری بالای آن است. تقریباً تمامی بخش‌های آن را می‌توان متناسب با نیاز سازمان یا پروژه تغییر داد. از تغییر مدل هوش مصنوعی گرفته تا نحوه دریافت ایمیل‌ها و ساختار تیکت‌های Jira، همه موارد قابل شخصی‌سازی هستند.

تغییر Promptهای هوش مصنوعی

مهم‌ترین بخش این Workflow، Node Analyze Email with ChatGPT است. Prompt این Node تعیین می‌کند که مدل هوش مصنوعی دقیقاً چه اطلاعاتی را بررسی کرده و چه خروجی‌ای تولید کند.

برای مثال می‌توانید:

• بررسی لینک‌های موجود در ایمیل را اضافه کنید.

• درخواست استخراج دامنه فرستنده را بدهید.

• امتیاز ریسک (Risk Score) بین ۰ تا ۱۰۰ تولید کنید.

• دلیل مشکوک بودن ایمیل را به‌صورت دسته‌بندی‌شده نمایش دهید.

• لینک‌های مشکوک را استخراج کنید.

• فایل‌های پیوست را نیز تحلیل کنید.

• پیشنهاد اقدام مناسب برای تیم امنیت را دریافت کنید.

• دسته‌بندی حمله (Phishing، Spam، Malware، Scam و…) را مشخص کنید.

به همین دلیل هنگام اجرا موارد زیر را رعایت کنید: Credentialها را امن نگه دارید، Prompt را با سیاست‌های سازمان هماهنگ کنید و خروجی AI را با بررسی انسانی ترکیب نمایید. در نهایت Workflow را ابتدا در محیط تست اجرا کنید.

مزایای استفاده از این Workflow

استفاده از سیستم تشخیص ایمیل‌های فیشینگ با n8n باعث می‌شود زمان رسیدگی به رخدادهای احتمالی به شکل محسوسی کاهش یابد.

علاوه بر این، خطای انسانی را به حداقل می‌رساند. از سوی دیگر، مستندسازی را خودکار می‌سازد. بنابراین تیم امنیت دید بهتری پیدا کرده و بهره‌وری سازمان افزایش می‌یابد.

مهم‌ترین مزایا عبارت‌اند از:

• علاوه بر این زمان بررسی ایمیل‌ها کاهش پیدا می‌کند.

• همچنین احتمال خطای انسانی کمتر می‌شود.

• از سوی دیگر تمامی گزارش‌ها در Jira ثبت می‌شوند.

• در نتیجه فرآیند مستندسازی ساده‌تر خواهد شد.

• به همین ترتیب امکان توسعه Workflow نیز وجود دارد.

• در نهایت تیم امنیت دید بهتری نسبت به رخدادها خواهد داشت.

نکات مهم

هنگام استفاده از این Workflow بهتر است موارد زیر را رعایت کنید.

1. همچنین Credentialهای خود را در n8n به‌صورت امن نگهداری کنید.

2. دسترسی Gmail و Outlook را فقط به حساب‌های موردنیاز بدهید.

3. Prompt هوش مصنوعی را متناسب با سیاست امنیتی سازمان خود تنظیم کنید.

4. فقط به خروجی AI اکتفا نکنید و در رخدادهای حساس بررسی انسانی نیز انجام دهید.

5. مدل‌های هوش مصنوعی ممکن است گاهی مثبت یا منفی کاذب تولید کنند.

6. اگر تعداد ایمیل‌ها زیاد است،با این حال محدودیت نرخ درخواست‌های OpenAI را در نظر بگیرید.

7. فایل‌های پیوست بسیار بزرگ ممکن است باعث افزایش زمان اجرای Workflow شوند.

8. برای جلوگیری از ایجاد Ticketهای تکراری، می‌توانید Message-ID ایمیل را بررسی کنید.

9. بهتر است از Labelهای اختصاصی در Jira برای دسته‌بندی گزارش‌ها استفاده کنید.

10. در عین حال Workflow را ابتدا در محیط آزمایشی تست کرده و سپس در محیط عملیاتی اجرا کنید.

11. علاوه بر این از پرامپت های دقیق استفاده کنید.

خطاهای رایج (Troubleshooting)

در هنگام راه‌اندازی سیستم تشخیص ایمیل‌های فیشینگ با n8n ممکن است با برخی خطاهای مربوط به اتصال سرویس‌ها، Credentialها یا مدل هوش مصنوعی روبه‌رو شوید. در صورت بروز مشکل، ابتدا Credentialها را بررسی کنید.

علاوه بر این، Rate Limit OpenAI و تنظیمات hcti.io را کنترل نمایید. به این ترتیب اکثر خطاها به سرعت رفع خواهند شد، در ادامه رایج‌ترین آن‌ها را بررسی می‌کنیم.

۱. ایمیل جدید دریافت نمی‌شود.

علت

تنظیمات Trigger یا Credential مربوط به Gmail یا Outlook صحیح نیست.

راه‌حل

• اتصال OAuth را مجدداً برقرار کنید.
• وضعیت Trigger را بررسی کنید.
• دسترسی‌های لازم را مجدداً تأیید کنید.

۲. ChatGPT پاسخ تولید نمی‌کند.

علت

API Key اشتباه است یا اعتبار حساب OpenAI پایان یافته است.

راه‌حل

• API Key را بررسی کنید.
• محدودیت Rate Limit را کنترل کنید.
• از فعال بودن مدل انتخابی مطمئن شوید.

۳. تصویر ایمیل ساخته نمی‌شود.

علت

ارتباط با سرویس hcti.io برقرار نشده است.

راه‌حل

• نام کاربری و رمز HTTP Basic Auth را بررسی کنید.
• از درستی HTML ایمیل مطمئن شوید.
• وضعیت سرویس hcti.io را بررسی کنید.

۴. Ticket در Jira ایجاد نمی‌شود.

علت

Credential یا Project ID اشتباه است.

راه‌حل

• مجوزهای Jira را بررسی کنید.
• Project Key را کنترل کنید.
• Issue Type صحیح را انتخاب کنید.

۵. فایل‌ها به Ticket پیوست نمی‌شوند.

علت

Issue Key به درستی به Nodeهای بعدی منتقل نشده است.

راه‌حل

• خروجی Node Set Jira ID را بررسی کنید.
• اتصال Nodeها را کنترل کنید.
• از وجود فایل Binary مطمئن شوید.

سوالات متداول

آیا این Workflow فقط با Gmail کار می‌کند؟

خیر. این Template از Gmail و Microsoft Outlook هم به خوبی پشتیبانی می‌کند و در صورت نیاز می‌توان آن را برای سایر سرویس‌های ایمیل نیز توسعه داد.

آیا استفاده از ChatGPT برای تشخیص فیشینگ کاملاً دقیق است؟

خیر. مدل هوش مصنوعی دقت بسیار بالایی دارد، اما مانند هر سیستم مبتنی بر AI ممکن است در برخی موارد مثبت یا منفی کاذب تولید کند. بهتر است برای موارد حساس بررسی انسانی نیز در ضرورت قرار گیرد و ایمیل‌های حساس توسط کارشناسان امنیت نیز بررسی شوند.

آیا می‌توان مدل GPT-4o را تغییر داد؟

بله، جتی مدل های محلی هم قابل استفاده هستند. می‌توانید از هر مدل سازگار با OpenAI API یا حتی مدل‌های محلی مانند Ollama استفاده کنید.

آیا امکان ارسال نتیجه تحلیل به Slack یا Telegram وجود دارد؟

بله. تنها کافی است پس از Node تحلیل، Node مربوط به Slack، Telegram یا هر سرویس دیگری را به Workflow اضافه کنید.

آیا می‌توان فایل‌های ضمیمه ایمیل را نیز بررسی کرد؟

بله. با اضافه کردن چند Node دیگر می‌توانید فایل‌های ضمیمه را دریافت کرده و آن‌ها را برای تحلیل بیشتر به هوش مصنوعی یا ابزارهای امنیتی ارسال کنید.

جمع‌بندی

تشخیص ایمیل‌های فیشینگ با n8n یک راهکار قدرتمند و کاربردی برای خودکارسازی امنیت ایمیل است. با ترکیب n8n، ChatGPT و Jira می‌توانید ایمیل‌ها را به صورت هوشمند تحلیل کنید، گزارش‌ها را مستندسازی کنید و زمان پاسخگویی به تهدیدها را به حداقل برسانید. یکی از کاربردی‌ترین نمونه‌های استفاده از اتوماسیون در حوزه امنیت سایبری است.

در این فرآیند، ایمیل‌های جدید به‌صورت خودکار دریافت می‌شوند، اطلاعات مهم آن‌ها استخراج می‌شود، نسخه تصویری و متنی ایمیل تولید می‌شود و سپس مدل GPT-4o با تحلیل متن و Headerهای ایمیل احتمال فیشینگ بودن آن را بررسی می‌کند. در نهایت نیز تمام نتایج به‌همراه فایل‌های موردنیاز در قالب یک Ticket در Jira ثبت می‌شوند.

مزیت اصلی این Workflow، کاهش زمان بررسی رخدادهای امنیتی، افزایش دقت تحلیل، مستندسازی کامل و یکپارچه‌سازی فرآیند پاسخ‌گویی به تهدیدها است. علاوه بر این، به دلیل ساختار ماژولار n8n می‌توانید به‌سادگی سرویس‌های دیگری مانند Slack، Microsoft Teams، Telegram، Google Sheets یا سیستم‌های SIEM را نیز به آن اضافه کنید و Workflow را مطابق نیازهای سازمان خود توسعه دهید.

اگر به دنبال ساخت یک سامانه هوشمند برای تحلیل ایمیل‌های مشکوک، کاهش بار کاری تیم امنیت و افزایش سرعت واکنش به حملات فیشینگ هستید، این Template می‌تواند نقطه شروع بسیار مناسبی برای پیاده‌سازی چنین سیستمی باشد.

اگر به دنبال پیاده‌سازی یک سیستم حرفه‌ای هستید، همین حالا Workflow را دانلود و تست کنید.

GIT