وكالة الأمن القومي الأميركية تختبر نموذج Anthropic Mythos للعثور على ثغرات في منتجات Microsoft

جهاز الأمن القومي الأمريكي يختبر نموذج ذكاء اصطناعي جديد يسمى Mythos من Anthropic للبحث عن الثغرات في البرامج الشهيرة، بما في ذلك منتجات Microsoft. وهذا يعتبر أحد أبرز المؤشرات على أن النماذج التوليدية بدأت تُستخدم ليس فقط لكتابة الأكواد، بل أيضاً لتدقيق الأمان على مستوى الهياكل الحكومية الكبرى.

ما هو معروف الآن

بناءً على المعلومات المتاحة، يتحقق جهاز الأمن القومي الأمريكي من مدى قدرة نموذج Anthropic على اكتشاف نقاط الضعف في البرامج المستخدمة على نطاق واسع. وتُعتبر منتجات Microsoft من بين الأنظمة التي وقعت في نطاق هذه الاختبارات. وتظل تفاصيل المشروع غير مفصّحة: لا يُعرف ما إذا كان يتعلق الأمر بمشروع تجريبي داخلي أم تقييم واحد لقدرات النموذج أم عملية أوسع قد تصبح جزءاً من الممارسة المستمرة.

وليست هناك بيانات متاحة للجمهور حول فئات الأخطاء المحددة التي يبحث عنها النظام. وكذلك فإن المهم معرفة من يوكل هذه الفحوصات بالتحديد. إذا كان جهاز الأمن القومي يُجري تجارب باستخدام الذكاء الاصطناعي للبحث عن الأخطاء، فهذا يعني أن التكنولوجيا لا تُعتبر مجرد عرض توضيحي في المختبر، بل كأداة قد تكون مفيدة للمهام الحقيقية للأمان السيبراني.

وبالنسبة للسوق، فهذا مؤشر قوي: المؤسسات الكبرى مستعدة للتحقق مما إذا كان النموذج يستطيع تسريع عمل المتخصصين في حماية البنية التحتية والبرامج الشركاتية. خاصةً حيث يكون ثمن تفويت الخطأ مرتفعاً جداً.

ويثير اهتماماً خاصاً الارتباط بين Anthropic و Microsoft وجهاز الأمن القومي. من جهة، يتعلق الأمر بمطور نماذج كبير يدفع الذكاء الاصطناعي نحو سيناريوهات شركاتية وحساسة. ومن جهة أخرى، هناك نظام برمجي يقوم عليه جزء كبير من أعمال المكاتب والسحابة والبنية التحتية. عندما يلتقي هؤلاء اللاعبون في حالة واحدة، فهذا لا يعود تجربة لأغراض العرض التوضيحي، بل اختبار لقيمة عملية في بيئة عالية المخاطر.

كيف يمكن لهذا أن يعمل

في مثل هذه السيناريوهات، لا يحل الذكاء الاصطناعي محل باحث الأمان بشكل كامل، بل يساعد في معالجة سريعة لأحجام كبيرة من الأكواد والتوثيق والتبعيات النظامية. يمكن استخدام النموذج كمساعد يقدم فرضيات، ويسلط الضوء على المناطق المريبة، ويساعد في إعادة إنتاج سلاسل الأخطاء، ويحدد الأماكن التي يجب التحقيق بها بمزيد من العمق. والتحقق النهائي يبقى من مسؤولية الإنسان، خاصةً عندما يتعلق الأمر بالمنتجات الحرجة. وهذا مهم بشكل خاص عند العمل مع الأنظمة القديمة والمعقدة.

وبالنسبة لـ Microsoft، فإن هذا الاهتمام يعكس أهميتها أيضاً. فحلولها تشكل أساس عدد ضخم من الأنظمة الشركاتية والحكومية، لذلك حتى الثغرات الصغيرة في المنتجات الشهيرة قد يكون لها تأثير واسع. إذا كان الذكاء الاصطناعي قادراً على اكتشاف مثل هذه المشاكل قبل المهاجمين أو دورات التدقيق التقليدية، فالفائدة لن تكون فقط في السرعة، بل أيضاً في النطاق: يستطيع النموذج الواحد تحليل عدد أكبر من المكونات بالتوازي مما يستطيع فريق محدود يدويّاً.

أين تكمن الفوائد للحماية

في مثل هذه المشاريع، تكون النماذج قيّمة عادةً ليس لدالة واحدة "سحرية"، بل لمجموعة من المعجلات لفريق الأمان. إنها لا تلغي التدقيق اليدوي، لكنها تساعد في تضييق نطاق الفحص بسرعة، وتحديد الأولويات، وترجمة الإشارات التقنية الخام إلى إجراءات واضحة للمهندسين والمحللين وأصحاب المنتجات. مثل هذه الطبقة مفيدة عندما يكون لدى الفريق وقت قليل للفرز الأولي للإشارات وعدد كبير جداً من الأماكن التي قد تختبئ فيها الأخطاء.

• تحديد سريع للأقسام المحتملة الخطرة من الأكواد والمنطق
• تساعد في مطابقة أعراض الخطأ مع فئات الثغرات المعروفة
• تقترح سيناريوهات التحقق للتوليفات النادرة أو المعقدة من المكونات
• تقلل الوقت بين الإشارة الأولية والتحقق اليدوي الثاني
• تساعد في توثيق النتائج بلغة مفهومة للمطورين والمحللين

وفي الوقت ذاته، هناك قيود كثيرة حول مثل هذه الأدوات. قد يخطئ النموذج في وسم الأكواد الآمنة كخطرة، أو قد يتجاهل الأخطاء غير المعتادة، أو قد يقدم تفسيرات مقنعة لكنها خاطئة. لذلك، السؤال الأساسي ليس ما إذا كان "الذكاء الاصطناعي قادراً على اكتشاف الثغرات" بشكل عام، بل كيف يفعل ذلك بشكل متسق على المنتجات الحقيقية، مع عدد مقبول من التنبيهات الكاذبة وفوائد واضحة للفريق. لهذا السبب، لا تعمل مثل هذه الأنظمة بعد بدون خبراء.

ماذا يعني هذا

تُظهر قصة Mythos أن المرحلة التالية من تطبيق الذكاء الاصطناعي في الأمان السيبراني ليست روبوتات دردشة للمرجعية، بل أدوات عملية لتدقيق البرامج المعقدة. إذا أسفرت مثل هذه الاختبارات عن نتائج إيجابية، ستبدأ الشركات الكبرى والهياكل الحكومية بدمج النماذج بسرعة أكبر في عمليات الكشف عن الثغرات وتحديد أولوياتها.