كيف نجح 'الصيد الجماعي' في إسقاط نموذج الذكاء الاصطناعي الأكثر تحصيناً من أنثروبيك في 24 ساعة فقط

هجوم 'الصيد الجماعي': كيف يعمل؟

لم يكن هذا الاختراق وليد محاولة فردية بسيطة، بل هو ما وصفه 'بليني' بـ 'الصيد الجماعي' (Pack Hunt)، وهو هجوم منسق متعدد الوكلاء يمثل نقلة نوعية في أساليب اختراق الذكاء الاصطناعي. بدلاً من صياغة أمر واحد خادع، استخدم 'بليني' نموذجاً آخر من أنثروبيك كان قد اخترقه سابقاً، وهو 'أوبس 4.8'، كوكيل لمهاجمة 'فايبل 5' بشكل مستقل ومنهجي .

وتضمنت ترسانة الهجوم عدة استراتيجيات متكاملة:

• التنسيق متعدد الوكلاء: استخدام نموذج 'كلود أوبس 4.8' المخترق كوكيل آلي يتولى اكتشاف نقاط ضعف 'فايبل 5' واستغلالها دون تدخل بشري مباشر . هذه التقنية ليست جديدة على 'بليني'، فقد سبق له أن استخدم وكيلاً من 'أوبس 4.7' لاختراق 'أوبس 4.8' في غضون سبع دقائق فقط من إطلاق الأخير .
• التمويه باستخدام رموز 'يونيكود' والحروف المتشابهة: تم ترميز التعليمات الخبيثة باستخدام حروف يونيكود مشابهة بصرياً للحروف العادية، مما سمح لها بالتسلل عبر مصنفات الأمان التي دربتها أنثروبيك للكشف عن السلاسل النصية الخطيرة .
• التضليل بالسياقات الطويلة والتأطير القصصي: تم إخفاء الطلبات الخطيرة داخل سيناريوهات لعب أدوار طويلة، أو فصول دراسية، أو حوارات فلسفية على طريقة سقراط، مما أربك أنظمة الكشف وجعلها تتعامل مع المحتوى الضار كجزء من سياق 'موثوق' .
• تفكيك الطلبات الضارة: تم تقسيم مهمة كبيرة، كـ 'كتابة استغلال لثغرة تجاوز سعة المخزن المؤقت'، إلى خطوات فرعية تبدو كل منها بريئة في حد ذاتها. يقوم النموذج بمعالجتها واحدة تلو الأخرى دون أن يدرك القصد الخبيث الكامل حتى فوات الأوان . وقد أكد 'بليني' أن أسلوب التفكيك وإعادة التركيب كان فعالاً للغاية لأن كل طلب بدا بريئاً عند فحصه منفرداً .
• التصعيد التدريجي داخل بيئة عرض الأكواد: أوضح 'بليني' علناً أن الانتقال إلى وضع عرض الأكواد البرمجية يضيف الكثير من 'التشويش الرمزي' الذي يمكن أن يحجب محفزات الأمان، مما يتيح له تصعيد خطورة الطلبات تدريجياً وبطريقة حوارية متعددة الخطوات .

وكانت نتيجة هذا الهجوم المركب اختراقاً كاملاً، أنتج أكواد استغلال عاملة، وتعليمات مفصلة لتركيبات كيميائية حساسة، بالإضافة إلى كشف الأوامر النظامية الكاملة التي صممت أنثروبيك 'فايبل 5' حولها .

وعود الأمان تحت المجهر

قبل إطلاق 'فايبل 5'، كانت أنثروبيك قد قدمت تطمينات استثنائية حول متانة نموذجها:

• شهادة فرق الاختبار الحمراء: أفادت الشركة أن برنامج مكافآت اكتشاف الثغرات الخارجي الذي أجرته لم يسفر عن أي اختراق شامل في أكثر من 1,000 ساعة من الاختبار، وأن منظمات مستقلة للاختبار الأمني فشلت هي الأخرى في إيجاد أي اختراق شامل .
• بنية المصنفات الأمنية: تم تزويد 'فايبل 5' بمصنفات ذكاء اصطناعي منفصلة ومتخصصة في رصد واعتراض الطلبات عالية الخطورة في أربعة مجالات: الأمن السيبراني، وعلم الأحياء، والكيمياء، وتقطير النماذج. وعند تفعيلها، كان النظام لا يرفض الطلب بل يحوله بصمت إلى 'كلود أوبس 4.8'، وهو نموذج أقل قدرة وأكثر أماناً . وأشارت الشركة إلى أن هذه الحماية لا تُستدعى إلا في أقل من 5% من جلسات المستخدمين في المتوسط .
• أدلة قياس الأداء: على منصة اختبارات 'غراي سوان' (Gray Swan) وهيئة سلامة الذكاء الاصطناعي البريطانية (UK AISI)، أظهر 'فايبل 5' معدل نجاح هجومي بلغ 4.8% فقط، مقارنة بـ 9.6% لـ 'أوبس 4.8'، و 30.8% لـ 'GPT-5.5'، و 45.5% لـ 'جيميناي 3.1 برو' .

الاختراق السريع الذي حدث في يوم واحد نسف هذه الأرقام. فنظام أمان حظي بشهادة أكثر من ألف ساعة من الاختبارات العدائية، تم تجاوزه من قبل باحث واحد خلال يوم، مستخدماً استراتيجيات أقرب إلى 'الهندسة الاجتماعية' الذكية منها إلى الثغرات البرمجية المعقدة .

نمط متكرر من الاختراقات الخاطفة

حادثة 'فايبل 5' ليست حدثاً معزولاً، بل هي فصل جديد في سلسلة متصاعدة من الاختراقات السريعة لنماذج الذكاء الاصطناعي الرائدة، ويقف وراءها الباحث نفسه:

• كلود أوبس 4.8 (مايو 2026): خلال 7 دقائق من إعلان إطلاقه رسمياً، تلقى 'بليني' إشعاراً آلياً من وكيل كان قد نشره مسبقاً من نموذج 'أوبس 4.7'، يفيد بأنه اخترق النموذج الجديد 'من أول محاولة'. كانت التقنية المستخدمة هي 'التعبئة المسبقة العميقة'، حيث تنكر الوكيل في هيئة فصل غير مكتمل من كتاب دراسي، وقام 'أوبس 4.8' ببساطة بإكمال النص، مولّداً بذلك آلاف الأحرف من المحتوى الضار .
• نماذج GPT-OSS (أغسطس 2025): بعد ساعات من إطلاق 'أوبن إيه آي' لأولى نماذجها مفتوحة الوزن، تمكن 'بليني' من اختراقها واستخراج تعليمات لتصنيع الميثامفيتامين وغاز الأعصاب VX .
• كلود أوبس 4.7 (أبريل 2026): تم اختراق ذاتي للنموذج في أقل من 20 دقيقة، حيث قام وكيل من 'أوبس 4.7' بتطوير اختراق شامل ضد نفسه .

الخيط المشترك هنا هو تحول منهجي وصفه 'بليني' بنفسه بـ 'نماذج تخترق نماذج' . إنها ليست مجرد محاولات فردية لصياغة أوامر خادعة، بل جيوش من الوكلاء الأذكياء التي تطلق العنان لأتمتة عملية الاختراق. هذا النهج الوكيلي متعدد الخطوات والقائم على التفكيك، أثبت أنه أكثر قدرة على التملص من أنظمة الكشف القائمة على المصنفات، والتي صممت في الغالب لصد هجمات الأوامر الثابتة.

ويبدو أن مجتمع أبحاث الأمن السيبراني يلاحظ تطوراً مشابهاً. فقد لاحظت شركة 'ريبيلو' (Repello) الأمنية، في تحليلها لاتجاهات الاختراق في 2026، أن أخطر الهجمات لم تعد تتم عبر أوامر فردية، بل من خلال تسلسلات عدائية متعددة الخطوات تتقدم عبر خطوات وسيطة تبدو بريئة، وهو وصف يطابق تماماً إطار 'الصيد الجماعي' .

ماذا يعني هذا لمستقبل أمان الذكاء الاصطناعي؟

لا يعني هذا الاختراق أن كل ادعاءات أنثروبيك كانت جوفاء، لكنه يثير أسئلة عميقة حول قابلية التوسع في منهجيات اختبار الأمان الحالية. فشل أكثر من 1,000 ساعة من الاختبارات المتخصصة في إيجاد ما توصل إليه باحث مستقل ومصمم في أقل من يوم واحد.

هذه الفجوة تكشف عن قصور محتمل في برامج الاعتماد الحالية، مهما كانت صارمة، في تمثيل الإبداع الفعلي في العالم الحقيقي للهجمات العدائية، خصوصاً تلك التي تعتمد على الذكاء الاصطناعي التوليدي، والهجمات متعددة الوكلاء، والأساليب المستوحاة من الهندسة الاجتماعية.

كما تفرض علينا هذا المعضلة: إذا كانت حواجز الحماية لنموذج ما قوية بما يكفي لتحمل أشهر من الاختبارات المنظمة، ولكنها تنهار عند مواجهة هجوم منسق متعدد الوكلاء، فماذا تعني عبارة 'معتمد أمنياً' فعلاً بالنسبة للنماذج المتطورة التي تُطرح للاستخدام العام؟ سرعة وتكرار اختراقات 'بليني' عبر شركات ونماذج مختلفة تشير إلى أن التحدي لا يقتصر على تصميم نموذج بعينه، بل قد يكون مشكلة متأصلة في النموذج الحالي لحلول الأمان القائمة على تصنيف الأوامر النصية.