ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارX: @hackedpodcast→ المصدر

عبر OpenRouter ردّت نسخة DeepSeek مخترَقة لثلاثة أيام: انخفضت نسبة الرفض من 83–98% إلى 1%

أعلنت OpenRouter، وهي خدمة وسيطة بين المطورين ومزوّدي النماذج، أن Prime Intellect قدّمت بين 8 و10 نوفمبر نسخة مخترَقة بدلاً من DeepSeek V4.1 Flash. حُذفت من هذه النسخة حالات الرفض، أي الحالات التي يردّ فيها النموذج على طلب ضار بعبارة «لن أفعل ذلك»، فانخفضت نسبتها من 83–98% إلى نحو 1%. وبحسب Prime Intellect، نفّذ الاستبدال مهاجم حصل على صلاحيات إدارية. لذلك يُفضَّل عند استخدام الموجِّهات (routers) تثبيت المزوّد، وعدم اعتبار الاستدلال لدى أطراف خارجية بيئة موثوقة.

معالج بواسطة الذكاء الاصطناعي من X: @hackedpodcast؛ بتحرير Hamidun News
عبر OpenRouter ردّت نسخة DeepSeek مخترَقة لثلاثة أيام: انخفضت نسبة الرفض من 83–98% إلى 1%
المصدر: X: @hackedpodcast. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليX: @hackedpodcast ↗
رئيس التحرير
حقيقة رئيسية #1الأرقام المتعلقة بحالات الرفض مصدرها اختبارات Prime Intellect نفسها
حقيقة رئيسية #2لا يمكن استبعاد أن الطلبات قُرئت أثناء المعالجة، ولم يُعثر على ما يثبت تسجيلها
حقيقة رئيسية #3أفادت Phala في نوفمبر أيضاً بأن طلبات DeepSeek V4 Flash ربما قُرئت

تخيّل أنك دمجت نموذج DeepSeek في منتجك عبر OpenRouter. هذه خدمة موجِّه (router): ترسل طلبك إلى API واحدة، وهي تختار بنفسها وحدات GPU التي ستنفّذه. تبدو الردود طبيعية، والصيغة والسعر كما هما. لكن على الطرف الآخر قد تعمل نسخة مختلفة تماماً من النموذج. هذه بالضبط الحالة التي وصفتها OpenRouter في رسالة إلى العملاء: بين 8 و10 نوفمبر قدّم المزوّد Prime Intellect، الذي يشغّل DeepSeek V4.1 Flash على خوادمه، نسخة مخترَقة بلا رفض وقائي. والمقصود بالرفض هنا نسبة الطلبات الضارة التي يردّ عليها النموذج بعبارة «لن أفعل ذلك». بلغت هذه النسبة 83–98% في النسخة الأصلية، وانخفضت في النسخة المخترَقة إلى نحو 1%.

ماذا حدث

بحسب نص الرسالة، عمل endpoint الخاص بـ Prime Intellect لنموذج DeepSeek V4.1 Flash ثلاثة أيام بنموذج معدَّل. أُزيلت منه حالات الرفض، أي استجابات الحماية نفسها. وتؤكد Prime Intellect أن الاستبدال نفّذه مهاجم حصل على صلاحيات إدارية.

قدّرت الشركة حجم التغيير بنفسها. ففي اختبارات قياسية بطلبات ضارة، رفض النموذج الأصلي ما بين 83% و98% من الحالات، أما النسخة المستبدلة فرفضت نحو 1% من الطلبات فقط. وهذا يعني للعميل أن أي إعداد حمائي ظنّه جزءاً من النموذج كان غائباً فعلياً طوال تلك الأيام الثلاثة.

وثمة تفصيل مهم: المستخدم كان يتعامل مع OpenRouter لا مع Prime Intellect مباشرة. الموجِّه هو من اختار المزوّد، ولم يكن بوسع العميل التحقق من هوية الأوزان المحمَّلة على وحدة GPU بعينها. وكان الرد يصل بالصيغة المعتادة وتحت اسم النموذج المعتاد.

ما المعروف عن بيانات المستخدمين

تقول OpenRouter إنه لا توجد أدلة على أن الطلبات (prompts) سُجّلت أو أُرسلت إلى الخارج. لكن الرسالة تنص صراحةً على أنه لا يمكن استبعاد أن الطلبات قُرئت أثناء المعالجة. فإذا امتلك المهاجم صلاحيات إدارية على الخادم الذي يشغّل النموذج، فإن النص يكون مكشوفاً هناك بصيغته الصريحة لحظة الاستدلال (inference)، أي حين يردّ النموذج على الطلب. والتشفير أثناء النقل لا يحمي من ذلك.

وهذه ليست حالة معزولة. فكاتب المنشور يشير إلى تقرير من Phala عن حادثة وقعت في الشهر نفسه، وبحسبه كان بإمكان المهاجم قراءة طلبات DeepSeek V4 Flash التي وجّهتها OpenRouter إلى بنيتها التحتية. لا تفاصيل عن التقرير في المصدر، ولذلك يتعذر تقدير حجم تلك الحادثة. غير أن حادثتين مع النموذج نفسه خلال نوفمبر ترسمان صورة واضحة: سلسلة الموجِّه والمزوّدين الخارجيين أصبحت هدفاً جذاباً.

ما الذي ينبغي على المطورين فعله

فكرة الموجِّه أن لا تضطر إلى التفكير في الأجهزة التي يعمل عليها النموذج. وتُظهر هذه الحالة أن عليك التفكير في ذلك. والخلاصات العملية هي:

  • ثبّت المزوّد. إذا كان منتجك يحتاج إلى قابلية التنبؤ، فلا تترك اختيار المورّد للموجِّه. حدّد مزوّدين بعينهم تثق بهم، وعطّل التبديل التلقائي بينهم.
  • اطلب أوزاناً يمكن التحقق منها. الأفضل أن يتمكن المزوّد من إثبات أن النموذج المشغَّل هو المعلَن عنه تحديداً وليس نسخة معدَّلة منه. وإلى أن تصبح هذه الآلية معياراً، فهذا سبب وجيه لطرح الأسئلة على المورّدين.
  • غيّر الأسرار. إذا كانت مفاتيح أو رموز (tokens) أو بيانات شخصية أو مستندات داخلية قد مرّت عبر endpoints المتأثرة، فينبغي استبدالها. وما دام لا يمكن استبعاد القراءة، فالأسلم اعتبار البيانات مكشوفة.
  • لا تعتمد على رفض النموذج كخط دفاع وحيد. إذا كانت المرشحات (filters) كامنة داخل الأوزان فقط، فيمكن حذفها. والأفضل إبقاء مراقبة المدخلات والمخرجات (moderation) في جانبك.
  • اختبر السلوك. مجموعة صغيرة من الطلبات الاختبارية تُشغَّل بانتظام عبر مسار الإنتاج كانت ستلتقط القفزة الحادة من 90% رفضاً إلى 1%.

القيود

المصدر هنا ثانوي: منشور في بودكاست عن الأمن يعيد سرد رسالة OpenRouter ويشير إلى تقرير Phala. أما أرقام الرفض فمأخوذة من اختبارات Prime Intellect نفسها، ولا يتضمن المقال أي تحقق مستقل منها. ولا يُعرف عدد العملاء ولا عدد الطلبات التي وقعت ضمن نافذة 8–10 نوفمبر. كما لا توجد بيانات عمّا إذا كان أي طرف قد استخدم النموذج المستبدل لأغراض ضارة.

والخلاصة بسيطة وغير مريحة: ما لم يثبت المزوّد العكس، ينبغي اعتبار الاستدلال عبر الموجِّهات بيئة غير موثوقة. وهذا مقبول في النماذج الأولية، لكنه لم يعد كذلك لمنتج يرسل بيانات العملاء عبر مثل هذه API.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ماذا حدث؟

بحسب نص الرسالة، عمل endpoint الخاص بـ Prime Intellect لنموذج DeepSeek V4.1 Flash ثلاثة أيام بنموذج معدَّل. أُزيلت منه حالات الرفض، أي استجابات الحماية نفسها. وتؤكد Prime Intellect أن الاستبدال نفّذه مهاجم حصل على صلاحيات إدارية. قدّرت الشركة حجم التغيير بنفسها. ففي اختبارات قياسية بطلبات ضارة، رفض النموذج الأصلي ما بين 83% و98% من الحالات، أما النسخة المستبدلة فرفضت نحو 1% من الطلبات فقط. وهذا يعني للعميل أن أي إعداد حمائي ظنّه جزءاً من النموذج كان غائباً فعلياً طوال تلك الأيام الثلاثة.

ما أبرز التفاصيل حول ما المعروف عن بيانات المستخدمين؟

تقول OpenRouter إنه لا توجد أدلة على أن الطلبات (prompts) سُجّلت أو أُرسلت إلى الخارج. لكن الرسالة تنص صراحةً على أنه لا يمكن استبعاد أن الطلبات قُرئت أثناء المعالجة. فإذا امتلك المهاجم صلاحيات إدارية على الخادم الذي يشغّل النموذج، فإن النص يكون مكشوفاً هناك بصيغته الصريحة لحظة الاستدلال (inference)، أي حين يردّ النموذج على الطلب. والتشفير أثناء النقل لا يحمي من ذلك. وهذه ليست حالة معزولة.

ما أبرز التفاصيل حول ما الذي ينبغي على المطورين فعله؟

فكرة الموجِّه أن لا تضطر إلى التفكير في الأجهزة التي يعمل عليها النموذج. وتُظهر هذه الحالة أن عليك التفكير في ذلك. والخلاصات العملية هي: ثبّت المزوّد. إذا كان منتجك يحتاج إلى قابلية التنبؤ، فلا تترك اختيار المورّد للموجِّه. حدّد مزوّدين بعينهم تثق بهم، وعطّل التبديل التلقائي بينهم. اطلب أوزاناً يمكن التحقق منها. الأفضل أن يتمكن المزوّد من إثبات أن النموذج المشغَّل هو المعلَن عنه تحديداً وليس نسخة معدَّلة منه. وإلى أن تصبح هذه الآلية معياراً، فهذا سبب وجيه لطرح الأسئلة على المورّدين. غيّر الأسرار.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…