12 أداة لاختبار الاختراق ضد Juice Shop: أفضل وكيل AI اكتشف 5 ثغرات من أصل 116

كل أسبوع يظهر على GitHub «وكيل اختبار اختراق مدعوم بالذكاء الاصطناعي» جديد، ومعه وعود بـ«تسريع يبلغ 3600x مقارنة بالإنسان» أو «90% في المعايير». اختبر كاتب التجربة على Habr هذه الادعاءات بنفسه. اختار 12 أداة: ستة وكلاء AI وأربعة ماسحات DAST كلاسيكية وحلًّا هجينًا واحدًا. هاجمت الأدوات كلها تطبيق OWASP Juice Shop v20.3.0 الذي يضم 116 ثغرة معروفة. ولم يكن صاحب أفضل نتيجة وكيلًا مستقلًا، بل Claude المتصل بـBurp Suite عبر MCP: 10 نتائج وتقييم 9/10. أما أفضل وكيل مستقل بالكامل، Strix، فوجد خمس ثغرات.

كيف أُعدّت بيئة الاختبار

كُتب Juice Shop باستخدام Angular وNode.js/Express وSQLite. يحتوي على 116 تحديًا في 16 فئة تغطي OWASP Top 10 كاملة. وتتوزع الصعوبة من نجمة واحدة إلى 6 نجوم: من غياب ترويسات الأمان إلى إلغاء التسلسل (deserialization) وXXE.

جرى الاختبار بأسلوب الصندوق الأسود. لم يحصل أحد على الشيفرة المصدرية. ولم يُخبَر وكلاء AI بأن الهدف هو Juice Shop، حتى لا يستدعي النموذج حلولًا جاهزة من الإنترنت. وقُيّمت الأدوات بحسب النتائج والسرعة وجودة التقارير وسهولة الاستخدام ودعم النماذج المحلية والعمل من روسيا دون VPN والتكلفة. أُجريت القياسات في سبتمبر 2026 على Windows 11 وKali Linux.

ستة وكلاء AI ووكيل لم يصل إليه الدور

• Strix (مفتوح المصدر، Apache 2.0): نظام متعدد الوكلاء يعمل في بيئة Docker معزولة، ويدعم OpenAI وAnthropic وGoogle وOpenRouter وOllama. انتهت التشغيلة الأولى على Qwen 3.5-35b عبر OpenRouter بفشل: 3 ساعات من العمل ونتيجتان من نوع info. استغرقت الثانية 58 دقيقة وأسفرت عن 5 ثغرات (1 حرجة و3 عالية و1 متوسطة). وأكّد Strix ثغرة حقن SQL بإثبات مفهوم (PoC) عامل. التكلفة نحو 15 دولارًا للفحص الواحد، والتقييم 6/10، ويعمل من روسيا. أما Qwen المحلي عبر LM Studio فعمل أكثر من 24 ساعة ولم يجد سوى 4 ثغرات منخفضة الخطورة.
• CAI من Alias Robotics (MIT + Proprietary، المشروع مؤرشف وخلفه CSI): 10 دقائق و4 نتائج (3 متوسطة و1 منخفضة)، وفاتته ثغرة حقن SQL الحرجة. يكلّف نحو 1 دولار للفحص، والتقييم 5/10. وبقي رقم «3600x» المعلن حبرًا على ورق.
• PentAGI: بيئة Docker معزولة وأكثر من 20 أداة (nmap وmetasploit وsqlmap) وواجهة ويب، ويدعم Ollama وOpenAI وAnthropic وGoogle وAWS Bedrock وDeepSeek وQwen. لم تسفر التشغيلة الأولى على OpenAI عن أي نتيجة خلال ساعة و50 دقيقة. وأنتجت الثانية 6 نتائج (1 حرجة و1 متوسطة و2 منخفضة) خلال ساعة و32 دقيقة. التكلفة نحو 2 دولار، والتقييم 5/10، ويتطلب VPN.
• PenliAgent: وكيل سحابي تجاري (Free / 40 دولارًا شهريًا). يحجب برنامج مكافحة الفيروسات مثبّته على Windows، وتبدو واجهته على Kali بطيئة. علق الوكيل عند فحص المنافذ، وجمع خلال ساعة و11 دقيقة 6 نتائج من نوع low/info، ونال 4/10. يتطلب VPN ولا يدعم النماذج المحلية.
• PentestGPT (منشور في USENIX Security 2024): جرى تشغيله على Claude Opus. لم تعمل تعليمات التثبيت المؤلفة من ثلاثة أوامر، وجاءت النتيجة بصيغة JSON خام. وجد ثغرة حقن SQL، لكن الكاتب ينسب ذلك إلى النموذج لا إلى الغلاف البرمجي. 3 نتائج خلال 20 دقيقة، ونحو 20 دولارًا للفحص، والتقييم 2/10.
• T3MP3ST (AGPL-3.0، يزعم 90.1% على XBOW): عمل على Gemini 3.1 Pro. قدّم خلال 12 دقيقة 27 نتيجة كلها من مستوى low/info، أي ترويسات الأمان نفسها التي يلتقطها Nikto وNuclei. التكلفة نحو 2 دولار، والتقييم 2/10، ويتطلب VPN.
• Shannon: أداة اختبار اختراق white-box تحتاج إلى الشيفرة المصدرية. لم تعمل في وضع الصندوق الأسود، فلم تُحتسب في التقييم.

الأدوات الكلاسيكية والحل الهجين: من وجد الثغرات الخطيرة

• Acunetix (Invicti): ساعة و20 دقيقة و13 نتيجة بين حرجة ومتوسطة، بينها حقن SQL. يُثبَّت محليًا، ويصدر تقارير PDF، ويعمل من روسيا. التقييم 8/10.
• Burp Suite Pro (نحو 449 دولارًا سنويًا): 28 دقيقة و15 نتيجة، كلها من نوع low/info (ترويسات وCORS) حتى مع Active Scan++. لم يجد ثغرة حقن SQL. التقييم 6/10، لكنه يبقى المرجع في العمل اليدوي.
• Nuclei (ProjectDiscovery، أكثر من 10 000 قالب): 11 دقيقة و24 نتيجة معلوماتية. مجاني، والتقييم 2/10.
• Nikto: 4 دقائق و3 نتائج من نوع info، والتقييم 1/10.
• Claude + Burp Suite MCP (نحو 20 دولارًا شهريًا): يحصل Claude على سجل الطلبات وخريطة الموقع ونتائج ماسح Burp، ثم يصيغ بنفسه طلبات الاختبار ويكتب التقرير. 30 دقيقة و10 نتائج: 2 حرجة و3 عالية و5 متوسطة. التقييم 9/10. عيوبه: يعمل في السحابة فقط، ولا يعمل من روسيا دون VPN.

ماذا يعني ذلك عمليًا

الاستنتاج المستخلص من الجدول غير مريح للتسويق. عدد النتائج لا يعكس الجودة تقريبًا: فالنتائج الـ27 لدى T3MP3ST والـ24 لدى Nuclei لم تكن سوى ضجيج، بينما ضمّت نتائج Strix الخمس ثغرة حقن SQL حرجة مؤكدة. وعدم الاستقرار أمر طبيعي حتى الآن في هذه الفئة من الأدوات. فقد أخفق Strix وPentAGI في المحاولة الأولى، وذهبت توكنات PentAGI هدرًا.

أما الفرق التي تهتم ببقاء بياناتها محلية، فالصورة بالنسبة لها قاتمة حاليًا. فقد أمضى Qwen المحلي في Strix يومًا كاملًا وقدّم أربع نتائج ضعيفة. ومن بين الأدوات المختبرة لا يعمل من روسيا دون VPN سوى Strix وAcunetix وBurp وNuclei وNikto.

المخطط العملي اليوم: Acunetix طبقةً أساسية آلية، وBurp للعمل اليدوي، وClaude عبر MCP عندما تلزم قراءة تحليلية ذكية للنتائج. ويُستحسن التعامل مع الوكلاء المستقلين بوصفهم تجربة، لا بديلًا عن مختبِر الاختراق.