كيف يكشف نظام Mandiant الجديد شكل الأمن السيبراني في عصر الذكاء الاصطناعي؟

لم يعد اكتشاف الثغرات بالذكاء الاصطناعي مجرد تجربة مع روبوت محادثة يقترح أخطاء محتملة في الشيفرة. ما تكشفه منصة Agentic Vulnerability Discovery Harness (AVDH) التابعة لـMandiant، وهي شركة استخبارات واستجابة للحوادث مملوكة لـGoogle Cloud، هو أن البحث الأمني يتحول إلى سير عمل هندسي متكامل.

يجمع النظام بين وكلاء ذكاء اصطناعي متخصصين، ونمذجة للتهديدات يراجعها خبراء بشريون، وتحليل لمسارات الاستغلال، ثم تحقق مستقل وإعادة تنفيذ لإثباتات المفهوم على يد مستشارين أمنيين. وفي إحدى عمليات الاستجابة لحادثة، قالت Google إن النظام اكتشف أكثر من 100 ثغرة حقيقية عالية الخطورة خلال يومين.

لكن الرقم لا يعني أن نموذجاً واحداً «قرأ كل الشيفرة» وحده. يبدو أن أفضلية AVDH تنبع من تقسيم عملية البحث إلى مراحل، وتضييق مساحة البحث الهائلة، ثم إخضاع النتائج لبوابة بشرية قبل اعتبار العيب ثغرة أمنية مؤكدة.

AVDH خط إنتاج أمني، وليس مدققاً واحداً

يتبع تصميم AVDH منطق عملية تقييم أمني ينفذها فريق خبير. تبدأ الوكلاء بفهم وظيفة قاعدة الشيفرة وكيف يمكن مهاجمتها. ثم تتولى مراحل أخرى رسم سطح الهجوم، وتحديد نقاط الدخول، وتتبع تدفقات البيانات، وتوليد فرضيات متنافسة حول الثغرات، والتحقق من مسارات الاستغلال المقترحة.

بعد ذلك يراجع مستشارون بشريون نموذج التهديد، ويعيدون تنفيذ إثباتات المفهوم قبل التعامل مع النتائج على أنها ثغرات مؤكدة.

وتكتسب هذه القسمة أهمية خاصة لأن تحليل الشيفرة المصدرية ينتج أنماطاً مشبوهة أكثر بكثير مما تستطيع فرق الأمن فحصه يدوياً. يستطيع AVDH توليد عدد كبير من النتائج الوسيطة، بينما تركز مراحل التحقق والمراجعة البشرية على المشكلات التي تبدو قابلة للاستغلال وذات أثر فعلي.

قالت Google إن AVDH، خلال أول عشرة أشهر من استخدامه، حلل قواعد شيفرة تمتد إلى عشرات الملايين من الأسطر وأنتج عشرات الآلاف من النتائج. وفي التحقيق الذي استغرق يومين، حدد النظام أكثر من 100 ثغرة حرجة حقيقية. كما أسهم العمل الأوسع في تسجيل 12 رقماً تعريفياً للثغرات الشائعة (CVE)، مع بقاء نحو 12 مشكلة أخرى، بحسب التقارير، ضمن عملية إفصاح نشطة.

لذلك، لا يكمن المقياس المفيد في عدد التنبيهات الخام، بل في نسبة تحول الفرضيات التي ولّدتها الآلة إلى ثغرات قابلة لإعادة الإنتاج والتعامل معها بمسؤولية.

لماذا لا تمثل AVDH وNOVA منافسة مباشرة؟

أعلنت Palo Alto Networks رقماً أكبر بكثير عبر نظامها NOVA، وهو نظام مستقل متعدد النماذج لاكتشاف الثغرات. ووفقاً لأبحاث الشركة، حلل NOVA خلال شهرين 3,915 مشروعاً مفتوح المصدر، وأبلغ عن 14,090 ثغرة مؤكدة؛ وكانت 99.4% منها غير مبلغ عنها سابقاً، فيما صُنفت 40% على أنها عالية أو حرجة الخطورة.

لكن هذه الأرقام تصف نموذج تشغيل مختلفاً عن نتيجة Mandiant:

• AVDH: تقييم محدد زمنياً وعميق، مرتبط بعملية استجابة لحادثة، وتعد المراجعة البشرية وإعادة إنتاج مسارات الاستغلال من أهم ضوابط الجودة فيه.
• NOVA: فحص واسع النطاق عبر آلاف المشاريع مفتوحة المصدر، يركز على اتساع التغطية والاكتشاف المستقل.

ولا تثبت التقارير المتاحة أن النظامين استخدما معايير متطابقة لاختيار الأهداف، أو تصنيف الخطورة، أو قياس النتائج الإيجابية الكاذبة، أو اختبار قابلية الاستغلال، أو إجراءات الإفصاح. لذلك لا ينبغي التعامل مع الرقمين كأنهما ترتيب موحد لأفضل نظام.

توضح AVDH كيف يمكن لسلاسل الوكلاء دعم تحقيق عالي الثقة في عملية محددة، بينما توضح NOVA الحجم الذي يمكن أن يعمل عنده الاكتشاف المستقل داخل منظومة البرمجيات مفتوحة المصدر. ومعاً، تشير النتيجتان إلى أن اكتشاف الثغرات ينقسم إلى مشكلتين: البحث على نطاق واسع بما يكفي للعثور على نقاط الضعف، والتحقق منها بدرجة كافية لجعل النتائج قابلة للتنفيذ.

المعركة تنتقل من اكتشاف الثغرة إلى تقليص التعرض

لا تقتصر استجابة Palo Alto لتسريع الاكتشاف على العثور على العيوب. فمقترح Advanced Virtual Patching يهدف إلى نشر وسائل حماية على مستوى الشبكة خلال ساعات، لتقليل التعرض للخطر بينما يعمل مالكو البرمجيات على الإصلاح التقليدي. وتقارن الشركة ذلك بمتوسط صناعي يبلغ نحو 55 يوماً لنشر التصحيح التقليدي.

كما أعلنت الشركة Frontier AI Critical Defense Program، وهو برنامج يجمع شركات الذكاء الاصطناعي ومزودي البرمجيات ومشاركين في المصادر المفتوحة ومنظمات التكنولوجيا التشغيلية ضمن جهد دفاعي منسق. وتشمل الجهات المشاركة، وفق التقارير، Anthropic وOpenAI وIBM وRed Hat وMicrosoft وSiemens وMitsubishi Electric وAxis Communications، إلى جانب جهات أخرى.

قد يكون الترقيع الافتراضي مفيداً عندما تكون الخدمة الضعيفة مكشوفة أمام حركة مرور يمكن لضابط شبكي تحديدها وحجبها. لكنه يظل إجراءً تعويضياً وليس بديلاً عن إصلاح البرمجية الأصلية. فالحل الدائم يتطلب من الجهة المالكة فهم الثغرة، وتعديل الشيفرة، واختبارها، وتوزيع الإصلاح، ثم التأكد من وصوله إلى الأنظمة المتأثرة.

وتصبح هذه التفرقة أكثر أهمية كلما تسارع الاكتشاف. فقد يقلل التحكم الشبكي التعرض الفوري، لكنه لا يعالج وحده الشيفرة الضعيفة المنتشرة داخل تطبيق أو سلسلة توريد برمجية بأكملها.

المهاجمون يحصلون على التسارع نفسه

يتزامن التقدم الدفاعي مع أدلة على استخدام المهاجمين للذكاء الاصطناعي في مهام مشابهة. قالت مجموعة Google Threat Intelligence Group إنها رصدت ما وصفته بأول حالة معروفة لمهاجم يستخدم استغلالاً لثغرة من نوع zero-day، يُعتقد أنه طُور بمساعدة الذكاء الاصطناعي. وكان المهاجم يخطط لاستخدامه في هجوم واسع النطاق، لكن Google قالت إن اكتشافها الاستباقي المضاد ربما حال دون وقوعه.

واستهدف الاستغلال المبلغ عنه تجاوزاً للمصادقة الثنائية في أداة شائعة مفتوحة المصدر لإدارة الأنظمة عبر الويب. واستند التحليل إلى مؤشرات، من بينها تعليقات تعليمية ودرجة CVSS مختلقة، باعتبارها دلائل على أن نموذجاً لغوياً ربما ساعد في تطويره.

لا يعني ذلك أن كل ثغرة يولدها الذكاء الاصطناعي ستتحول إلى هجوم فعلي. لكنه يعني أن المدافعين لم يعد بإمكانهم افتراض أن تعقيد الشيفرة، أو محدودية قدرة الباحثين، أو الفاصل الطويل بين اكتشاف الثغرة واستغلالها سيمنحهم وقتاً مضموناً للاستجابة.

ولهذا تبدو تحذيرات Cloud Security Alliance محورية: فالذكاء الاصطناعي يرفع سرعة اكتشاف الثغرات وحجمه بوتيرة أسرع من قدرة كثير من أنظمة الإفصاح والتصحيح على الاستيعاب. ولن يؤدي العثور على مزيد من العيوب إلى تحسين الأمن إلا إذا امتلكت المؤسسات القدرة على فرزها، وتنسيق الإفصاح عنها، وبناء الإصلاحات، ونشر وسائل الحماية بأمان.

هل يستطيع المدافعون استعادة الأفضلية؟

نعم، لكن ليس بمجرد شراء نموذج لاكتشاف الثغرات. الأفضلية ستكون من نصيب المؤسسات التي تربط الاكتشاف ببقية منظومة التشغيل الأمني:

1. نمذجة التهديدات: تضيق نطاق البحث نحو مسارات هجوم واقعية.
2. التحليل القائم على الوكلاء: يستكشف الشيفرة ويولد فرضيات متعددة بسرعة الآلة.
3. التحقق المستقل: يقلل احتمال تحول الأنماط المشبوهة إلى تقارير مضللة.
4. إعادة الإنتاج البشري: يؤكد ما إذا كان العيب المقترح قابلاً للاستغلال فعلاً.
5. الإفصاح المنسق: يمنح المطورين والموردين مساراً واضحاً للاستجابة.
6. الترقيع الافتراضي وإجراءات الحماية التعويضية: يقللان التعرض للخطر ريثما يجهز الإصلاح البرمجي.
7. الإصلاح حسب الأولوية: يضمن معالجة الثغرات الأكثر قابلية للوصول والأشد تأثيراً أولاً.

توضح AVDH قيمة هذا الترابط: استكشاف آلي واسع يقترن بحكم بشري والتحقق من الاستغلال. أما NOVA فتوضح حجم الضغط الذي ينبغي لسير العمل استيعابه، إذ يمكن للاكتشاف المستقل إنتاج نتائج على نطاق لم تُصمم فرق الأمن التقليدية لمعالجته.

لذلك، لا يتمثل سباق التسلح السيبراني المدفوع بالذكاء الاصطناعي ببساطة في معرفة أي نموذج يعثر على أكبر عدد من الأخطاء. السباق الحقيقي هو إكمال الحلقة بأكملها، من الاكتشاف إلى تقليل الخطر، بسرعة تفوق قدرة الخصم على تحويل الثغرة إلى هجوم.

يمكن للمدافعين كسب أرضية عندما يملكون السيطرة على الشيفرة، وخط أنابيب النشر، وبيانات الرصد، وضوابط الشبكة. أما الاكتشاف من دون تحقق وملكية واضحة وإفصاح وإصلاح ونشر، فقد يزيد حجم المشكلة بدلاً من حلها.