كتالوج أمن الذكاء الاصطناعي على GitHub يتلقى 231 طلبًا خلال ستة أشهر ويقبل 157 منها
بعد مؤتمر ёPRSTCON أنشأ سيرغي غورديتشيك على GitHub قائمة بأدوات الذكاء الاصطناعي للأمن السيبراني، وتلقّت خلال ستة أشهر 231 طلبًا (PR — اقتراح بإضافة مدخل أو تعديله) من 209 مؤلفين. قُبل 157 طلبًا ورُفض 65، وبقيت تسعة طلبات مفتوحة. وتُقرأ كل مساهمة من خلال شيفرتها، لأن ماسحًا «محليًا» قد يرسل جميع الشيفرة المصدرية إلى نموذج خارجي. الخلاصة: عند اختيار حماية للوكلاء الذكيين، ثقوا بالشيفرة لا بملف README.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
في مايو، اتفق المشاركون في مؤتمر ёPRSTCON على جمع أدوات الأمن السيبراني القائمة على الذكاء الاصطناعي، إضافةً إلى وسائل حماية النماذج والوكلاء أنفسهم، في قائمة واحدة. كان المقصود «مفكرة» تستغرق 20 دقيقة، لكن النتيجة مشروع تقف أمامه طابور من الطلبات: خلال ستة أشهر تلقّى مستودع awesome-ai-security-tools ما مجموعه 231 pull request (PR — أي اقتراح من المؤلف بإضافة مدخل إلى القائمة أو تعديله) من 209 مؤلفين. قُبل 157 طلبًا، وأُغلق 65 دون إدراج، وبقيت تسعة طلبات مفتوحة حتى 14 نوفمبر. وهذه صورة نادرة لمن يبنون وكلاء الذكاء الاصطناعي أو يختارون لهم حماية: ما الذي يظهر الآن في هذا المجال، وكيف تُفحص أدوات الآخرين.
كيف تحولت «المفكرة» إلى طابور مراجعة
انعقد المؤتمر في 26 مايو، وظهر أول commit في 27 مايو: 99 مدخلًا في القائمة الرئيسية و11 رابطًا إلى مجموعات موضوعية. وانقسمت القائمة منذ البداية إلى اتجاهين. في الأول يساعد الذكاء الاصطناعي على البحث عن الثغرات، وتحليل تنبيهات أنظمة الحماية، ودراسة الملفات التنفيذية، وجمع معلومات التهديدات. وفي الثاني تحمي الأدوات النماذج والتطبيقات والوكلاء من الحقن والتسريبات والإجراءات غير المرغوبة.
في يوليو، أعاد منشور على وسائل التواصل تقديم المجموعة بوصفها «ترسانة مفتوحة من أكثر من 300 أداة سيصاب كل CISO بالذعر بسببها»، فازدادت الضجة بوضوح. وفي 26 يوليو احتلت القائمة المركز العاشر في التصنيف اليومي لمشاريع Python على Trendshift، وبحلول 23 سبتمبر بلغت 1500 نجمة. وتزايد عدد الطلبات: 5 في يونيو، و23 في يوليو، و40 في أغسطس، و58 في سبتمبر، و64 في أكتوبر، و41 في الأسبوعين الأولين من نوفمبر.
كيف تُفحص الأدوات وكيف يُمنع وصول أوامر الآخرين إلى المراجعة
صارت تصل طلبات متشابهة بشكل متزايد: مستودع أُنشئ بالأمس، وcommit واحد ضخم، وملف README أنيق، ووعود رنانة. لم يرغب المشرف في الرفض استنادًا إلى هذه العلامة وحدها: فأحيانًا يكون ذلك تجربة وليدة اليوم، وأحيانًا مشروعًا ناضجًا كان يعيش سابقًا في مستودع مغلق. لذلك تُقرأ الشيفرة. وهكذا يتبين أن «الماسح» في الواقع مجرد مجموعة تعليمات لوكيل، وأن أداةً وعدت بالعمل محليًا ترسل كل الشيفرة المصدرية إلى مزود نموذج خارجي.
أسئلة الفحص بسيطة. ماذا يثبّت المستخدم وأين يجري التحليل؟ أي بيانات تخرج إلى الخارج؟ هل يلزم حساب مدفوع ومفتاح API؟ ماذا يحدث إذا تعذّر الوصول إلى النموذج؟ هل يمكن الالتفاف على الرقابة عبر واجهة أخرى؟ هل تختبر الاختبارات آلية الحماية نفسها أم تختبر عملها مع mock فقط؟ يساعد الوكلاء في قراءة التنفيذ ومطابقة الوعود مع الشيفرة، لكن القرار يتخذه إنسان: فوكيل المراجعة أيضًا يخطئ. وتُدرس الأدوات المرشحة من خارج المشروع دون تشغيل شيفرتها أو برامج التثبيت أو سيناريوهات الأتمتة الخاصة بها على جهاز العمل.
أما المشاريع المفيدة لكنها حديثة جدًا فتُحال إلى WATCHLIST.md. وهو يضم الآن 276 مستودعًا، تُراجَع دوريًا: ما نما منها يُنقل إلى القائمة الرئيسية، وما هُجر يُحذف. أما الطلبات سيئة التنسيق فتُقبل مع الحفاظ على نسبتها إلى مؤلفها، ويصحّحها المشرف بنفسه.
ثمة درس منفصل يتعلق بأمن عملية المراجعة نفسها. يقرأ الوكيل ملفات README والتعليقات وملفات الإعداد الصادرة عن الآخرين، وقد تتضمن تعليمات بتنفيذ أمر أو تعديل CI. لذلك يُعامل نص الآخرين بوصفه بيانات غير موثوقة. مثال على ذلك: في PR #69 اقترح المؤلف Lumi Eggcracker إضافة فحص في CI لمثال تقريره الخاص وفق مخططه الخاص. لم يكن الكتالوج بحاجة إلى ذلك. ولا يرى كاتب النص سوء نية لدى المؤلف، لكن ما كان سيفعله وكيل بلا قيود غير معروف.
ماذا تُظهر الأرقام
للتحليل أُخذ 377 مستودعًا من القائمة الرئيسية حتى 14 نوفمبر: أدوات، وشيفرة بحثية، ومعايير قياس (benchmarks)، ومعايير قياسية. منها 155 أُنشئت في عام 2026. وأكثر الوافدين الجدد في التحليل الساكن الوكيلي للشيفرة (18 من 24، أي 75%) وفي أمن الوكلاء (75 من 106، أي 71%). وداخل الفئة الأخيرة تبلغ نسبة التحكم في الإجراءات أثناء التنفيذ 46 من 64 (72%). وفي وكلاء اختبار الاختراق الجديد منها 9 من 28 (32%)، وفي جمع معلومات التهديدات 3 من 12 (25%)، وفي الاختبار الهجومي وحماية LLM 14 من 59 (24%)، وفي الاختبار العشوائي (fuzzing) بمساعدة LLM 2 من 14 (14%).
وفي قائمة المراقبة، ومن بين 269 مستودعًا ذات تاريخ إنشاء واضح، ظهر 235 (87%) في عام 2026، بينما بلغ الوسيط بين 270 مستودعًا متاحًا 14 نجمة. وأكبر المجموعات: الاختبارات الهجومية ومعايير القياس (45)، وفحوص skills وMCP والاعتماديات (42)، والأذونات وقيود الإجراءات (35). وتجيب هذه المشاريع عن أسئلة «من سمح بفعل هذا؟» و«ماذا أثبّت مع هذا الـ skill؟» و«كيف أمنح صلاحية الوصول دون مفتاح في الـ prompt؟».
ويحدد المؤلف القيود بنفسه. فتاريخ إنشاء المستودع العام لا يتطابق دائمًا مع بدء التطوير. والمجموعات الموضوعية والنماذج المنشورة على Hugging Face فقط لا تدخل في العيّنة. والجدول يُظهر أين تظهر المشاريع، لكنه لا يُظهر جودة أساليبها: فهذه تحتاج إلى مقارنة على مهام مشتركة.
الخلاصة العملية: عند اختيار حماية للوكلاء، انظروا إلى قائمة الفحوص والحالات التي تُتجاوَز فيها، لا إلى تقدير A+ في التقرير. تحققوا مما إذا كان يمكن الالتفاف على الرقابة عبر واجهة أخرى. ولا تشغّلوا برامج التثبيت الصادرة عن الآخرين على جهاز العمل. وإذا كنتم أنتم مؤلفي أداة من هذا النوع، فأرسلوها إلى القائمة واقرؤوا الملاحظات: فالمؤلفون ووكلاؤهم، بحسب المشرف، يقرؤونها فعلًا.
- 27 أكتوبر 2026بيئة التطوير ThinkRail من JetBrains لوكيل الذكاء الاصطناعي تجمع 1156 نجمة على GitHub في يوم واحد
- 9 أكتوبر 2026المبرمج سينغاتولين يتقدم بطلب لإدراج ذاكرة لوكلاء الذكاء الاصطناعي تعمل دون إنترنت في سجل البرمجيات
- 29 أكتوبر 2026في Zendesk بنى الموظفون بأنفسهم نحو 600 تطبيق على ChatGPT Enterprise
- 26 أكتوبر 2026Anthropic تقدّم علنًا طلب الاكتتاب العام بتقييم يتجاوز 1,5 تريليون دولار
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف تحولت «المفكرة» إلى طابور مراجعة؟
انعقد المؤتمر في 26 مايو، وظهر أول commit في 27 مايو: 99 مدخلًا في القائمة الرئيسية و11 رابطًا إلى مجموعات موضوعية. وانقسمت القائمة منذ البداية إلى اتجاهين. في الأول يساعد الذكاء الاصطناعي على البحث عن الثغرات، وتحليل تنبيهات أنظمة الحماية، ودراسة الملفات التنفيذية، وجمع معلومات التهديدات. وفي الثاني تحمي الأدوات النماذج والتطبيقات والوكلاء من الحقن والتسريبات والإجراءات غير المرغوبة.
ما أبرز التفاصيل حول كيف تُفحص الأدوات وكيف يُمنع وصول أوامر الآخرين إلى المراجعة؟
صارت تصل طلبات متشابهة بشكل متزايد: مستودع أُنشئ بالأمس، وcommit واحد ضخم، وملف README أنيق، ووعود رنانة. لم يرغب المشرف في الرفض استنادًا إلى هذه العلامة وحدها: فأحيانًا يكون ذلك تجربة وليدة اليوم، وأحيانًا مشروعًا ناضجًا كان يعيش سابقًا في مستودع مغلق. لذلك تُقرأ الشيفرة. وهكذا يتبين أن «الماسح» في الواقع مجرد مجموعة تعليمات لوكيل، وأن أداةً وعدت بالعمل محليًا ترسل كل الشيفرة المصدرية إلى مزود نموذج خارجي. أسئلة الفحص بسيطة.
ما أبرز التفاصيل حول ماذا تُظهر الأرقام؟
للتحليل أُخذ 377 مستودعًا من القائمة الرئيسية حتى 14 نوفمبر: أدوات، وشيفرة بحثية، ومعايير قياس (benchmarks)، ومعايير قياسية. منها 155 أُنشئت في عام 2026. وأكثر الوافدين الجدد في التحليل الساكن الوكيلي للشيفرة (18 من 24، أي 75%) وفي أمن الوكلاء (75 من 106، أي 71%). وداخل الفئة الأخيرة تبلغ نسبة التحكم في الإجراءات أثناء التنفيذ 46 من 64 (72%).
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.