اكتشف GPT-6 Cyber نحو 81 ثغرة جديدة في Firefox وكتب 948 استغلالا لنظام Linux

كان البحث عن الثغرات في السابق عملا يدويا متخصصا: يقضي باحث متمرس أسابيع في مراجعة الشيفرة والبحث عن المواضع الغريبة، ثم يقضي مدة مماثلة في كتابة استغلال يثبت أن الثغرة حقيقية. وتقول OpenAI إن نموذجها الجديد GPT-6 Cyber يستطيع تنفيذ جانبي هذا العمل. وإذا أكدت اختبارات مستقلة هذه الأرقام، فسيتغير اقتصاد الأمن السيبراني بصورة ملحوظة.

ما الذي عرضته OpenAI تحديدا

GPT-6 Cyber هو إصدار من النموذج جرى ضبطه للبحث عن الثغرات وحماية أنظمة الحاسوب. وتورد الشركة نتيجتين رئيسيتين.

الأولى: ساعد النموذج في اكتشاف 81 ثغرة لم تكن معروفة سابقا في متصفح Firefox. وكلمة «غير معروفة» أساسية هنا. فالأمر ليس إعادة صياغة لثغرات CVE قديمة وردت في بيانات التدريب، بل اكتشافات جديدة في مشروع ضخم يخضع للفحص منذ وقت طويل. وقد خضع Firefox لسنوات لاختبارات التشويش وتحليلات الباحثين، ولذلك ليس من السهل العثور فيه على شيء جديد.

الثانية: طوّر النموذج 948 استغلالا عاملا لنواة Linux. وهذا مستوى مختلف تماما. فقد يستطيع محلل ساكن أيضا اكتشاف جزء مشبوه من الشيفرة، لكن تحويله إلى استغلال عامل يعيد إنتاج المشكلة فعليا أصعب بكثير. والاستغلال العامل يحسم السؤال الجدلي الأهم داخل أي فريق: «هل يمكن استغلال هذه الثغرة فعلا؟»

لماذا تعد نسبة 0.07% مهمة

تقول OpenAI أيضا إن النموذج أصبح أفضل في الالتزام بالقيود الموضوعة. ففي الاختبارات، انخفض معدل المخالفات من 5.51% إلى 0.07%.

وبالنسبة إلى نموذج سيبراني، لا يعد ذلك تحسينا تجميليا. فهذه الأداة مزدوجة الاستخدام بحكم تعريفها: المهارة نفسها التي تساعد على إغلاق ثغرة تساعد أيضا على استغلالها. لذلك لا يتعلق السؤال بمدى ذكاء النموذج فحسب، بل أيضا بمدى موثوقية بقائه ضمن القواعد: ألا يساعد في مهاجمة أنظمة الآخرين، وألا يتجاوز حدود المهمة المصرح بها.

يعني الانخفاض من 5.51% إلى 0.07% أن المخالفة كانت تحدث سابقا في حالة واحدة من كل 18 حالة، وأصبحت تحدث الآن في نحو حالة واحدة من كل 1,400 حالة. لكن 0.07% ليست صفرا. وعند الاستخدام واسع النطاق، تنتج حتى هذه النسبة مئات الحالات بين مئات الآلاف من الطلبات. علاوة على ذلك، يأتي هذا المؤشر من اختبارات OpenAI نفسها، لا من العالم الحقيقي حيث يبحث المستخدمون بنشاط عن سبل لتجاوز الضوابط.

ماذا يعني ذلك عمليا

الخلاصة بالنسبة إلى المطورين وفرق الأمن هي أن تدقيق الشيفرة بمساعدة الذكاء الاصطناعي أصبح أداة عملية، لا مجرد عرض تجريبي. وإذا كنت تدير مكتبة مفتوحة المصدر، أو مكوّنا لمتصفح، أو شيفرة منخفضة المستوى، فعليك افتراض أن نماذج مماثلة ستفحص مستودعك، وأنكم لن تكونوا الجهة الوحيدة التي تفعل ذلك.

ما ينبغي فعله الآن:

• تسريع دورة الإصلاح. فإذا بدأت الاكتشافات في الظهور بسرعة أكبر، ستصبح عملية إصدار التصحيحات البطيئة هي عنق الزجاجة الرئيسي.
• أتمتة إعادة إنتاج المشكلة. فالاستغلال العامل لا يفيد المهاجمين وحدهم؛ بل يساعد أيضا في تأكيد الخطأ وترتيب أولويته بسرعة.
• إعادة النظر في نموذج التهديدات. فقد لا تكون الثغرات الموجودة في شيفرة قديمة و«مفحوصة» منذ زمن آمنة بالقدر الذي كان يبدو سابقا.
• وضع سياسة للإفصاح. سيتطلب تدفق الاكتشافات الصادرة عن الذكاء الاصطناعي قنوات واضحة للإبلاغ ومهلا زمنية محددة للإصلاح.

وينبغي لمديري المنتجات والمؤسسين الذين يطورون أدوات أمنية التدقيق في الأمر بصورة أعمق. فالقدرة على اكتشاف الأخطاء بحد ذاتها تصبح أرخص. وتنتقل القيمة إلى ما يحيط بها: الفرز، والتكامل مع CI، والإصلاحات الآلية، وإثبات أن التصحيح يغلق المشكلة بالفعل.

القيود والأسئلة التي لا تزال بلا إجابة

في الوقت الحالي، نعتمد على تصريحات OpenAI. وليس واضحا كم ثغرة من الثغرات الـ81 المكتشفة كانت حرجة، وكم منها منخفضة المخاطر. كما لا نعرف طبيعة استغلالات Linux الـ948: مدى موثوقيتها، وما إذا كانت تعتمد على إعدادات محددة، ومقدار التدخل البشري الذي احتاجت إليه. ولا تتوافر أيضا بيانات عن معدل النتائج الإيجابية الكاذبة، مع أنه العامل الذي يحدد ما إذا كانت الأداة ستوفر الوقت أم ستغرق الفريق في الضوضاء.

الخلاصة بسيطة: يمثل GPT-6 Cyber إشارة قوية إلى أن الذكاء الاصطناعي انتقل من تقديم اقتراحات للشيفرة إلى أداء عمل باحث أمني بصورة مستقلة. ومن الأفضل للمدافعين استخدامه قبل أن يفعل المهاجمون ذلك.