Gemini 4 Argon تكتشف ثغرات أكثر بمرتين من النماذج الأساسية في اختبارات Wiz

نشرت Google DeepMind مقطع فيديو يعرض نتائج اختبارات Gemini 4 Argon في الأمن السيبراني. وأخضع باحثو Wiz النموذج لاختبار A/B خفي (shadow) على أنظمة حقيقية. وبحسب تقديرهم، اكتشف Argon أكثر من ضعف عدد الثغرات التي اكتشفتها النماذج الأساسية. ومن بين النتائج الحرجة تجاوز القيود المفروضة على تنزيل الملفات، ومفتاح رئيسي في برمجيات مخصصة للرعاية الصحية.

ما المعروف عن الاختبار

يعني أسلوب «shadow A/B testing» عادةً تشغيل النظام الجديد بالتوازي مع العملية القائمة ومقارنة النتائج، من دون أن يحل محل القرارات التشغيلية. وهنا شكّلت النماذج الأساسية المجموعة الضابطة، وجرى الاختبار على أنظمة حقيقية لا على بيئات تدريبية تحتوي أخطاءً مزروعة مسبقًا. وهذا أقوى من اختبار معياري اصطناعي، لأن الشيفرة الحية مليئة بالضوضاء والحلول الموروثة والروابط غير الواضحة بين المكوّنات.

البيانات الواردة في الإعلان:

• الصيغة: اختبار A/B خفي على أنظمة حقيقية؛
• الجهة التي أجرت الفحص: باحثو الأمن في Wiz؛
• النتيجة الرئيسية: زيادة تتجاوز الضعف في عدد الثغرات المكتشفة مقارنةً بالنماذج الأساسية؛
• أمثلة على النتائج: تجاوز قيود تنزيل الملفات ومفتاح رئيسي في برمجيات طبية؛
• نقاط القوة المعلنة: استدلال متقدم، وعمل على أفق زمني طويل، وتحليل متعدد الخطوات للتهديدات، والمساعدة في المعالجة.

لماذا تهمّ هذه النتائج

يفتح تجاوز فحوصات تنزيل الملفات عادةً الوصول إلى بيانات لا يحق للمستخدم الاطلاع عليها. أما المفتاح الرئيسي في أيدٍ غير أمينة فقد يفتح أقفالًا كثيرة دفعة واحدة. وفي البرمجيات الطبية لا تُقاس كلفة هذا الخطأ بالمال وحده، بل أيضًا بتسريب بيانات حساسة للمرضى. ولذلك اختارت DeepMind هذه الأمثلة تحديدًا: فهي تُظهر أن النموذج يبحث عن مشكلات ذات عواقب حقيقية، لا عن ملاحظات شكلية على أسلوب كتابة الشيفرة.

وللحديث عن قدرات «long-horizon» في الأمن معنى مباشر. فالثغرة الخطيرة نادرًا ما تكون على السطح. وغالبًا ما تكون سلسلة: فحص ضعيف واحد، وافتراض خاطئ في وحدة مجاورة، ومفتاح في مكان غير متوقع. والنموذج الذي يحتفظ بالسياق عبر خطوات كثيرة ولا يفقد الخيط يجد هذه السلاسل، من الناحية النظرية، أكثر من النموذج الذي ينظر إلى الملفات كلًّا على حدة. وتؤكد DeepMind أن Argon يفعل ذلك دون إرهاق، وهذا مهم في التحليل الروتيني لقواعد الشيفرة الكبيرة.

ما الذي ينقص الإعلان

مصدر المعلومات هنا فيديو من المطوّر نفسه، ولا يمكن حتى الآن التحقق من الأرقام من طرف خارجي. وتبقى أسئلة مهمة مفتوحة:

• أي النماذج اعتُبرت أساسية وبأي إصدارات؛
• كم عدد الثغرات المكتشفة بالأرقام المطلقة، لا بعدد المرات فحسب؛
• ما نسبة النتائج المؤكدة، أي ما مستوى الإنذارات الكاذبة؛
• كيف توزعت النتائج بحسب مستوى الخطورة؛
• كم من الوقت والحوسبة استغرقه التشغيل، وكم من العمل بقي على البشر للتحقق.

ومن دون هذه البيانات يُقرأ «الضعف» كإشارة قوية، لكنه ليس مقياسًا جاهزًا لاتخاذ قرار الشراء. فإذا كان النموذج الأساسي يجد القليل، فقد يعني التضاعف قيمًا مطلقة متواضعة. وإذا تبيّن أن جزءًا من النتائج مجرد ضوضاء، فسيحصل فريق الأمن ببساطة على ضعف عدد التذاكر.

كيف يطبّق المدافعون ذلك

الاستنتاج العملي بسيط: التحقق على بياناتكم الخاصة. ويحسن بفرق الأمن أن تعيد مخطط Wiz على نطاق صغير. ينبغي تشغيل النموذج في الوضع الخفي على خدمة داخلية أو خدمتين بالتوازي مع الماسحات الحالية والمراجعة اليدوية. ثم تُقارَن لا أعداد النتائج، بل الثغرات الحرجة المؤكدة، ونسبة الإنذارات الكاذبة، والوقت المستغرق في الفرز الأولي (triage).

وينبغي فحص البحث عن الأسرار والمفاتيح، وتجاوزات المصادقة، ومنطق الوصول إلى الملفات كلٌّ على حدة، لأن هذه هي فئات الأخطاء التي أظهرتها DeepMind. أما الإصلاحات التي يقترحها النموذج فيجب تمريرها عبر مراجعة الشيفرة والاختبارات، لا قبولها تلقائيًا. كما ينبغي تقييد وصول النموذج نفسه إلى المستودعات والبيانات، خصوصًا في القطاعات الخاضعة للتنظيم مثل الطب.

وأخيرًا، يجب مراعاة الجانبين. فإذا حصل المدافعون على نماذج تجري تحليلًا متعدد الخطوات، فستتوفر القدرات نفسها للمهاجمين عاجلًا أم آجلًا. والرابح هو من يدمجها أولًا في سير عمله ويتعلم تمييز النتائج الحقيقية من الضوضاء.