كيف يحوّل OpenHack نماذج الذكاء الاصطناعي إلى مراجعين فعليين لأمن البرمجيات
OpenHack هو إطار عمل مفتوح المصدر من شركة الأمن السيبراني الهولندية Hadrian يهدف إلى تحويل وكلاء البرمجة المعتمدين على نماذج اللغة الكبيرة إلى مراجعين منظمين لأمن الشيفرة بدلاً من مساعدين دردشة عشوائيين. يعتمد النظام على تحليل قائم على سيناريوهات الهجوم وفصل مرحلة اكتشاف الثغرات عن مرحلة التحقق منها، ما يقلل من الإن...
نشر بواسطةتم التحرير باستخدام GPT-5.5تم إنشاء الصور باستخدام GPT Image 2
OpenHack هو إطار عمل مفتوح المصدر من شركة الأمن السيبراني الهولندية Hadrian يهدف إلى تحويل وكلاء البرمجة المعتمدين على نماذج اللغة الكبيرة إلى مراجعين منظمين لأمن الشيفرة بدلاً من مساعدين دردشة عشوائيين.
يعتمد النظام على تحليل قائم على سيناريوهات الهجوم وفصل مرحلة اكتشاف الثغرات عن مرحلة التحقق منها، ما يقلل من الإنذارات الكاذبة والهلاوس التي تشتهر بها مراجعات الشيفرة باستخدام LLM.
تقول Hadrian إن منهجية مشابهة ساعدت في اكتشاف مئات الثغرات في تطبيقات مفتوحة المصدر تستخدمها جهات حكومية هولندية، بينها سلسلة هجوم تضمنت ثغرة LFI غير موثقة أدت إلى كشف بيانات اعتماد Azure.
What is OpenHack, the AI-powered code review tool open‑sourced by Amsterdam cybersecurity firm Hadrian, how does it turn large language modeOpenHack structures how AI coding agents investigate vulnerabilities, aiming to make LLM‑based code review more reliable.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: What is OpenHack, the AI-powered code review tool open‑sourced by Amsterdam cybersecurity firm Hadrian, how does it turn large language mode. Article summary: OpenHack is Hadrian’s open-source workflow/toolkit for using ordinary LLM coding agents as structured security code reviewers rather than ad hoc chatbots. Hadrian says it packages the methodology it used in audits of ope. Topic tags: general, general web, user generated. Reference image context from search candidates: Reference image 1: visual subject "# Hadrian unveils Nova, enabling continuous, AI-powered offensive security testing. Hadrian has announced the launch of its agentic penetration testing solution, Nova. By autonomou" source context "Hadrian unveils Nova, enabling continuous, AI-powered offensive security testing - Help Net Security" Reference imag
openai.com
تزداد قدرة أدوات الذكاء الاصطناعي على قراءة الشيفرات البرمجية وتحليلها بسرعة، لكن استخدامها في مراجعة أمن البرمجيات ما زال يعاني من مشكلة كبيرة: الكثير من الإنذارات الكاذبة، وثغرات “متخيلة”، وتحليل غير متسق.
لهذا السبب أطلقت شركة الأمن السيبراني الهولندية Hadrian مشروعاً مفتوح المصدر باسم OpenHack، وهو مجموعة أدوات وسير عمل تهدف إلى تحويل نماذج اللغة الكبيرة (LLMs) من مساعدين دردشة عامين إلى مراجعين منهجيين لأمن الشيفرة.
بدلاً من طلب بسيط مثل “افحص هذا المستودع وابحث عن ثغرات”، يفرض OpenHack عملية منظمة تشبه طريقة عمل مدققي الأمن المحترفين.
ما هو OpenHack؟
OpenHack عبارة عن مساحة عمل وأدوات تعتمد على الملفات، مصممة لمراجعة أمن الشيفرة بمساعدة الذكاء الاصطناعي. يتضمن المشروع:
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "كيف يحوّل OpenHack نماذج الذكاء الاصطناعي إلى مراجعين فعليين لأمن البرمجيات"؟
OpenHack هو إطار عمل مفتوح المصدر من شركة الأمن السيبراني الهولندية Hadrian يهدف إلى تحويل وكلاء البرمجة المعتمدين على نماذج اللغة الكبيرة إلى مراجعين منظمين لأمن الشيفرة بدلاً من مساعدين دردشة عشوائيين.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
OpenHack هو إطار عمل مفتوح المصدر من شركة الأمن السيبراني الهولندية Hadrian يهدف إلى تحويل وكلاء البرمجة المعتمدين على نماذج اللغة الكبيرة إلى مراجعين منظمين لأمن الشيفرة بدلاً من مساعدين دردشة عشوائيين. يعتمد النظام على تحليل قائم على سيناريوهات الهجوم وفصل مرحلة اكتشاف الثغرات عن مرحلة التحقق منها، ما يقلل من الإنذارات الكاذبة والهلاوس التي تشتهر بها مراجعات الشيفرة باستخدام LLM.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
تقول Hadrian إن منهجية مشابهة ساعدت في اكتشاف مئات الثغرات في تطبيقات مفتوحة المصدر تستخدمها جهات حكومية هولندية، بينها سلسلة هجوم تضمنت ثغرة LFI غير موثقة أدت إلى كشف بيانات اعتماد Azure.
كيف يحوّل OpenHack نماذج الذكاء الاصطناعي إلى مراجعين فعليين لأمن البرمجيات
OpenHack هو إطار عمل مفتوح المصدر من شركة الأمن السيبراني الهولندية Hadrian يهدف إلى تحويل وكلاء البرمجة المعتمدين على نماذج اللغة الكبيرة إلى مراجعين منظمين لأمن الشيفرة بدلاً من مساعدين دردشة عشوائيين. يعتمد النظام على تحليل قائم على سيناريوهات الهجوم وفصل مرحلة اكتشاف الثغرات عن مرحلة التحقق منها، ما يقلل من الإن...
نشر بواسطةتم التحرير باستخدام GPT-5.5تم إنشاء الصور باستخدام GPT Image 2
OpenHack هو إطار عمل مفتوح المصدر من شركة الأمن السيبراني الهولندية Hadrian يهدف إلى تحويل وكلاء البرمجة المعتمدين على نماذج اللغة الكبيرة إلى مراجعين منظمين لأمن الشيفرة بدلاً من مساعدين دردشة عشوائيين.
يعتمد النظام على تحليل قائم على سيناريوهات الهجوم وفصل مرحلة اكتشاف الثغرات عن مرحلة التحقق منها، ما يقلل من الإنذارات الكاذبة والهلاوس التي تشتهر بها مراجعات الشيفرة باستخدام LLM.
تقول Hadrian إن منهجية مشابهة ساعدت في اكتشاف مئات الثغرات في تطبيقات مفتوحة المصدر تستخدمها جهات حكومية هولندية، بينها سلسلة هجوم تضمنت ثغرة LFI غير موثقة أدت إلى كشف بيانات اعتماد Azure.
What is OpenHack, the AI-powered code review tool open‑sourced by Amsterdam cybersecurity firm Hadrian, how does it turn large language modeOpenHack structures how AI coding agents investigate vulnerabilities, aiming to make LLM‑based code review more reliable.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: What is OpenHack, the AI-powered code review tool open‑sourced by Amsterdam cybersecurity firm Hadrian, how does it turn large language mode. Article summary: OpenHack is Hadrian’s open-source workflow/toolkit for using ordinary LLM coding agents as structured security code reviewers rather than ad hoc chatbots. Hadrian says it packages the methodology it used in audits of ope. Topic tags: general, general web, user generated. Reference image context from search candidates: Reference image 1: visual subject "# Hadrian unveils Nova, enabling continuous, AI-powered offensive security testing. Hadrian has announced the launch of its agentic penetration testing solution, Nova. By autonomou" source context "Hadrian unveils Nova, enabling continuous, AI-powered offensive security testing - Help Net Security" Reference imag
openai.com
تزداد قدرة أدوات الذكاء الاصطناعي على قراءة الشيفرات البرمجية وتحليلها بسرعة، لكن استخدامها في مراجعة أمن البرمجيات ما زال يعاني من مشكلة كبيرة: الكثير من الإنذارات الكاذبة، وثغرات “متخيلة”، وتحليل غير متسق.
لهذا السبب أطلقت شركة الأمن السيبراني الهولندية Hadrian مشروعاً مفتوح المصدر باسم OpenHack، وهو مجموعة أدوات وسير عمل تهدف إلى تحويل نماذج اللغة الكبيرة (LLMs) من مساعدين دردشة عامين إلى مراجعين منهجيين لأمن الشيفرة.
بدلاً من طلب بسيط مثل “افحص هذا المستودع وابحث عن ثغرات”، يفرض OpenHack عملية منظمة تشبه طريقة عمل مدققي الأمن المحترفين.
ما هو OpenHack؟
OpenHack عبارة عن مساحة عمل وأدوات تعتمد على الملفات، مصممة لمراجعة أمن الشيفرة بمساعدة الذكاء الاصطناعي. يتضمن المشروع:
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "كيف يحوّل OpenHack نماذج الذكاء الاصطناعي إلى مراجعين فعليين لأمن البرمجيات"؟
OpenHack هو إطار عمل مفتوح المصدر من شركة الأمن السيبراني الهولندية Hadrian يهدف إلى تحويل وكلاء البرمجة المعتمدين على نماذج اللغة الكبيرة إلى مراجعين منظمين لأمن الشيفرة بدلاً من مساعدين دردشة عشوائيين.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
OpenHack هو إطار عمل مفتوح المصدر من شركة الأمن السيبراني الهولندية Hadrian يهدف إلى تحويل وكلاء البرمجة المعتمدين على نماذج اللغة الكبيرة إلى مراجعين منظمين لأمن الشيفرة بدلاً من مساعدين دردشة عشوائيين. يعتمد النظام على تحليل قائم على سيناريوهات الهجوم وفصل مرحلة اكتشاف الثغرات عن مرحلة التحقق منها، ما يقلل من الإنذارات الكاذبة والهلاوس التي تشتهر بها مراجعات الشيفرة باستخدام LLM.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
تقول Hadrian إن منهجية مشابهة ساعدت في اكتشاف مئات الثغرات في تطبيقات مفتوحة المصدر تستخدمها جهات حكومية هولندية، بينها سلسلة هجوم تضمنت ثغرة LFI غير موثقة أدت إلى كشف بيانات اعتماد Azure.
يمكن تشغيل النظام داخل بيئات البرمجة المعتمدة على الوكلاء الذكيين مثل Claude Code وCodex وCursor—وهي أدوات تسمح للذكاء الاصطناعي بفحص مستودعات الشيفرة وتنفيذ مهام متعددة الخطوات داخل المشروع.
الفكرة هي أن تتم مراجعة الأمان كجزء طبيعي من عملية التطوير اليومية، وليس كعملية تدقيق منفصلة تُجرى لاحقاً.
المشكلة في مراجعة الشيفرة بالـ LLM
عند استخدام نماذج اللغة الكبيرة بشكل مباشر لمراجعة الشيفرة، تظهر عدة مشاكل معروفة، منها:
معدل مرتفع من النتائج الخاطئة (False Positives) حيث يتم الإبلاغ عن أنماط برمجية آمنة باعتبارها ثغرات.
هلاوس أمنية عندما يخترع النموذج ثغرات غير موجودة فعلياً.
تحليل غير متسق يتغير حسب صياغة الطلب أو حجم السياق المتاح.
يهدف OpenHack إلى معالجة هذه المشكلات عبر فرض منهجية واضحة على طريقة تحليل النموذج للشيفرة بدلاً من تركه يعمل بأسلوب مفتوح وغير منظم.
تحليل قائم على سيناريوهات الهجوم
إحدى الأفكار الأساسية في OpenHack هي ما يسمى تحديد النطاق وفق سيناريو الهجوم.
بدلاً من فحص عام للشيفرة، يتم توجيه النموذج للتحقيق في فئات هجوم محددة، مثل:
تتبع تدفق مدخلات المستخدم داخل التطبيق
البحث عن ثغرات تضمين الملفات المحلية (LFI)
تحليل كيفية تخزين بيانات الاعتماد أو إعدادات السحابة
هذا النهج يركز انتباه النموذج على هدف واضح، ما يساعده على إجراء تحليل أعمق وتقليل النتائج العامة أو غير المفيدة.
فصل الاكتشاف عن التحقق
ميزة مهمة أخرى في OpenHack هي فصل مرحلة اكتشاف الثغرة عن مرحلة التحقق منها.
في سيناريو التشغيل النموذجي:
يحدد وكيل ذكاء اصطناعي احتمال وجود ثغرة.
ينتقل التقرير إلى خطوة تحقق مستقلة.
يتم قبول الثغرة فقط بعد جمع أدلة واضحة مثل مسار الشيفرة أو سلسلة الاستغلال.
هذا الفصل يساعد على تقليل التقارير الضعيفة ويجبر النظام على تقديم أدلة حقيقية قبل إعلان وجود ثغرة.
تجربة على مشاريع حكومية هولندية
تقول Hadrian إنها استخدمت منهجية مشابهة لتلك الموجودة في OpenHack أثناء مراجعة تطبيقات مفتوحة المصدر تستخدمها جهات حكومية في هولندا.
وبحسب الشركة، تمكنت المراجعة المدعومة بالذكاء الاصطناعي من اكتشاف مئات المشكلات الأمنية خلال ساعات.
أحد الأمثلة التي ذكرتها الشركة تضمن سلسلة هجوم تضمنت:
ثغرة Local File Inclusion (LFI) بدون مصادقة
كشف بيانات اعتماد Azure
مسار محتمل للوصول إلى تنفيذ تعليمات برمجية عن بعد (RCE) داخل بيئة Azure
من المهم الإشارة إلى أن هذه النتائج جاءت من تقارير الشركة نفسها، لذلك يُفضَّل التعامل معها بحذر حتى يتم التحقق منها بشكل مستقل.
لماذا تم نشر المشروع كمصدر مفتوح؟
أطلقت Hadrian مشروع OpenHack على GitHub بترخيص MIT، مع توفير التوثيق الكامل، والمطالبات الجاهزة، وأدوات CLI، ودعم Python 3.9 وما بعده.
ووفقاً للشركة، الهدف هو “تسوية ميدان المنافسة” في اكتشاف الثغرات باستخدام الذكاء الاصطناعي. فإذا أصبحت هذه القدرات مقتصرة على جهات محددة أو أدوات مغلقة المصدر، فقد يجد المدافعون أنفسهم متأخرين عن المهاجمين.
إتاحة المنهجية كمصدر مفتوح تسمح لفرق الأمن والمطورين باستخدام نماذج اللغة المتاحة لديهم لتحليل قواعد الشيفرة الخاصة بهم بطريقة منظمة.
اتجاه أوسع: تدقيق أمني مدعوم بالذكاء الاصطناعي
يعكس OpenHack توجهاً متنامياً في عالم تطوير البرمجيات: استخدام وكلاء الذكاء الاصطناعي لاستكشاف قواعد الشيفرة الكبيرة وتحليلها.
فمع تطور أدوات البرمجة الذكية وبيئات التطوير المعتمدة على الذكاء الاصطناعي، أصبح بالإمكان:
تحليل مستودعات ضخمة من الشيفرة
فهم بنية النظام البرمجية
أتمتة أجزاء من عملية التدقيق الأمني
لكن لتحقيق نتائج موثوقة، تشير مشاريع مثل OpenHack إلى أن المنهجية المنظمة—وليس النموذج وحده—هي العامل الحاسم في تحويل الذكاء الاصطناعي إلى أداة فعالة في اكتشاف الثغرات.
يمكن تشغيل النظام داخل بيئات البرمجة المعتمدة على الوكلاء الذكيين مثل Claude Code وCodex وCursor—وهي أدوات تسمح للذكاء الاصطناعي بفحص مستودعات الشيفرة وتنفيذ مهام متعددة الخطوات داخل المشروع.
الفكرة هي أن تتم مراجعة الأمان كجزء طبيعي من عملية التطوير اليومية، وليس كعملية تدقيق منفصلة تُجرى لاحقاً.
المشكلة في مراجعة الشيفرة بالـ LLM
عند استخدام نماذج اللغة الكبيرة بشكل مباشر لمراجعة الشيفرة، تظهر عدة مشاكل معروفة، منها:
معدل مرتفع من النتائج الخاطئة (False Positives) حيث يتم الإبلاغ عن أنماط برمجية آمنة باعتبارها ثغرات.
هلاوس أمنية عندما يخترع النموذج ثغرات غير موجودة فعلياً.
تحليل غير متسق يتغير حسب صياغة الطلب أو حجم السياق المتاح.
يهدف OpenHack إلى معالجة هذه المشكلات عبر فرض منهجية واضحة على طريقة تحليل النموذج للشيفرة بدلاً من تركه يعمل بأسلوب مفتوح وغير منظم.
تحليل قائم على سيناريوهات الهجوم
إحدى الأفكار الأساسية في OpenHack هي ما يسمى تحديد النطاق وفق سيناريو الهجوم.
بدلاً من فحص عام للشيفرة، يتم توجيه النموذج للتحقيق في فئات هجوم محددة، مثل:
تتبع تدفق مدخلات المستخدم داخل التطبيق
البحث عن ثغرات تضمين الملفات المحلية (LFI)
تحليل كيفية تخزين بيانات الاعتماد أو إعدادات السحابة
هذا النهج يركز انتباه النموذج على هدف واضح، ما يساعده على إجراء تحليل أعمق وتقليل النتائج العامة أو غير المفيدة.
فصل الاكتشاف عن التحقق
ميزة مهمة أخرى في OpenHack هي فصل مرحلة اكتشاف الثغرة عن مرحلة التحقق منها.
في سيناريو التشغيل النموذجي:
يحدد وكيل ذكاء اصطناعي احتمال وجود ثغرة.
ينتقل التقرير إلى خطوة تحقق مستقلة.
يتم قبول الثغرة فقط بعد جمع أدلة واضحة مثل مسار الشيفرة أو سلسلة الاستغلال.
هذا الفصل يساعد على تقليل التقارير الضعيفة ويجبر النظام على تقديم أدلة حقيقية قبل إعلان وجود ثغرة.
تجربة على مشاريع حكومية هولندية
تقول Hadrian إنها استخدمت منهجية مشابهة لتلك الموجودة في OpenHack أثناء مراجعة تطبيقات مفتوحة المصدر تستخدمها جهات حكومية في هولندا.
وبحسب الشركة، تمكنت المراجعة المدعومة بالذكاء الاصطناعي من اكتشاف مئات المشكلات الأمنية خلال ساعات.
أحد الأمثلة التي ذكرتها الشركة تضمن سلسلة هجوم تضمنت:
ثغرة Local File Inclusion (LFI) بدون مصادقة
كشف بيانات اعتماد Azure
مسار محتمل للوصول إلى تنفيذ تعليمات برمجية عن بعد (RCE) داخل بيئة Azure
من المهم الإشارة إلى أن هذه النتائج جاءت من تقارير الشركة نفسها، لذلك يُفضَّل التعامل معها بحذر حتى يتم التحقق منها بشكل مستقل.
لماذا تم نشر المشروع كمصدر مفتوح؟
أطلقت Hadrian مشروع OpenHack على GitHub بترخيص MIT، مع توفير التوثيق الكامل، والمطالبات الجاهزة، وأدوات CLI، ودعم Python 3.9 وما بعده.
ووفقاً للشركة، الهدف هو “تسوية ميدان المنافسة” في اكتشاف الثغرات باستخدام الذكاء الاصطناعي. فإذا أصبحت هذه القدرات مقتصرة على جهات محددة أو أدوات مغلقة المصدر، فقد يجد المدافعون أنفسهم متأخرين عن المهاجمين.
إتاحة المنهجية كمصدر مفتوح تسمح لفرق الأمن والمطورين باستخدام نماذج اللغة المتاحة لديهم لتحليل قواعد الشيفرة الخاصة بهم بطريقة منظمة.
اتجاه أوسع: تدقيق أمني مدعوم بالذكاء الاصطناعي
يعكس OpenHack توجهاً متنامياً في عالم تطوير البرمجيات: استخدام وكلاء الذكاء الاصطناعي لاستكشاف قواعد الشيفرة الكبيرة وتحليلها.
فمع تطور أدوات البرمجة الذكية وبيئات التطوير المعتمدة على الذكاء الاصطناعي، أصبح بالإمكان:
تحليل مستودعات ضخمة من الشيفرة
فهم بنية النظام البرمجية
أتمتة أجزاء من عملية التدقيق الأمني
لكن لتحقيق نتائج موثوقة، تشير مشاريع مثل OpenHack إلى أن المنهجية المنظمة—وليس النموذج وحده—هي العامل الحاسم في تحويل الذكاء الاصطناعي إلى أداة فعالة في اكتشاف الثغرات.
