Ограничения ИИ от OpenAI и Anthropic мешают исследователям кибербезопасности

نشرت TechCrunch في 23 يوليو 2026 مادة تتناول كيف أن الضوابط الوقائية (guardrails) في نماذج اللغة الخاصة بـ OpenAI وAnthropic تعرقل عمل باحثي الأمن السيبراني الهجومي — وهم المتخصصون الذين يبحثون عن ثغرات لم تُكتشف بعد ويطوّرون أدوات لاستغلالها.

لماذا تعرقل مرشحات الذكاء الاصطناعي عمل مختبري الاختراق

باتت نماذج OpenAI (ChatGPT) وAnthropic (Claude) ترفض بشكل متزايد المساعدة في مهام الأمن الهجومي، حتى عندما يكون الشخص خلف لوحة المفاتيح متخصصًا "أبيض القبعة". وبحسب TechCrunch، استطلعت المنصة آراء عدة باحثين يبحثون بشكل احترافي عن ثغرات يوم الصفر ويكتبون أكواد استغلال (exploits) — وجميعهم يجمعون على أمر واحد: تتفاعل المرشحات مع مهمة عمل مشروعة وكأنها محاولة اختراق.

تكمن المشكلة في أن طلبًا مثل "اكتب كودًا يستغل هذه الثغرة" يبدو متطابقًا بالنسبة للنموذج بصرف النظر عن الجهة التي أرسلته — سواء كان فريق red team تابعًا لشركة أو مهاجمًا فعليًا. فالنموذج لا يرى سوى نص الطلب، دون أن يدرك النية أو عقد اختبار الاختراق الكامن وراءه.

• المنصة — TechCrunch، تاريخ النشر — 23 يوليو 2026
• النماذج محل التركيز — OpenAI (ChatGPT) وAnthropic (Claude)
• من شملهم الاستطلاع — باحثو الأمن السيبراني الهجومي (offensive security)
• جوهر الشكوى — رفض الـguardrails المساعدة في البحث عن الثغرات وكتابة أكواد الاستغلال

الـguardrails هي قواعد أمان مدمجة في النموذج تحجب أي مخرجات قد تكون ضارة: تعليمات صنع الأسلحة، أو أكواد ضارة، أو طرق لتجاوز الحماية. وتقدّم OpenAI وAnthropic هذه القواعد باعتبارها عنصرًا أساسيًا في الذكاء الاصطناعي المسؤول، لكن عند الحدود الفاصلة مع الأمن الهجومي تحديدًا، تعمل هذه القواعد بشكل مفرط في الاتساع.

ما هي معضلة الاستخدام المزدوج

يُعد الأمن السيبراني الهجومي مثالًا كلاسيكيًا على التقنية ذات الاستخدام المزدوج: فالمهارات والأدوات ذاتها التي تحمي البنية التحتية يمكن أن تُستخدم أيضًا لتدميرها. يحاكي فريق red team دور المهاجم لاكتشاف الثغرات قبل خصم حقيقي — ولتحقيق ذلك يحتاج بالضبط إلى الأكواد الاستغلالية نفسها، ومحاكاة البرمجيات الخبيثة، وتقنيات تجاوز الحماية.

وقد ضُبطت guardrails الخاصة بـ OpenAI وAnthropic لحجب هذه الفئة من الطلبات تحديدًا، لأن المختبرات لا تستطيع التمييز الفوري بين باحث ومجرم. ونتيجة لذلك، وكما تصف TechCrunch الأمر، يصطدم المتخصصون في الأمن برفض في مواضع كان النموذج، قبل عام أو عامين فقط، يساعد فيها عن طيب خاطر، ما يضطرهم إلى الالتفاف على القيود أو اللجوء إلى أدوات أقل خضوعًا للتنظيم.

الضوابط الوقائية في

OpenAI وAnthropic تعرقل عمل باحثي الأمن السيبراني الهجومي — هكذا صيغ جوهر المشكلة في مادة TechCrunch الصادرة في 23 يوليو 2026.

بماذا يهدد هذا جانب الدفاع

لا تضرّ المرشحات المفرطة في التشديد الجانب المهاجم فقط — بل تُبطئ الدفاع أيضًا. فإذا لم يستطع فريق red team شرعي استخدام نموذج متقدم في عمله الروتيني، فإنه يفقد السرعة، ويفقد النموذج نفسه فائدته بالنسبة لقطاع مهني بأكمله. وبحسب TechCrunch، يتحول بعض من شملهم الاستطلاع إلى نماذج محلية مفتوحة الأوزان (open-weight) أو أدوات أمنية شديدة التخصص لا تحتوي على مرشحات مؤسسية — على حساب الجودة وسهولة الاستخدام.

ثم يظهر خلل إضافي: فالمهاجمون يعملون أصلًا مع نماذج بلا قيود (إصدارات مفتوحة الأوزان، نسخ "غير خاضعة للرقابة"، خدمات سرية)، بينما تتكبل أيدي أولئك الذين يعملون بشكل قانوني وبموجب عقد تحديدًا. وبحسب منطق مادة TechCrunch، فإن الحذر المفرط من جانب OpenAI وAnthropic يجازف بمعاقبة الباحثين ذوي النوايا الحسنة دون أن يوقف ذوي النوايا السيئة.

ما الذي يعنيه هذا

الجدل حول الـguardrails في مجال الأمن الهجومي هو جدل حول مكان الخط الفاصل بين "الأمان الافتراضي" و"عدم الجدوى للمحترفين". وإلى أن تتعلم OpenAI وAnthropic التمييز بين اختبار الاختراق المشروع والتحضير لهجوم — على سبيل المثال عبر التحقق من هوية المؤسسات أو أوضاع خاصة بفرق الأمن — سيستمر الباحثون في اختيار الأدوات التي لا تحجبهم.