على مدار العام الماضي، أظهرت نماذج الذكاء الاصطناعي المتقدمة قدرتها على اكتشاف الثغرات الأمنية واستغلالها. يستكشف فريق Chris Rohlf الآن كيف يمكن لهذه النماذج أن تعزز الدفاع السيبراني من خلال التحليل الآلي لمساحة الهجوم وتقليلها: استخدام الذكاء الاصطناعي لرسم خريطة للشيفرة القابلة للوصول، ثم إزالة أو تقييد الوصول إلى أي شيء لا يحتاج النشر إلى إتاحته.
يكتسب هذا النهج أهميته لأن العثور على الثغرات الفردية وإصلاحها لا يتوسع بكفاءة. فإصلاح خلل حرج واحد لا يخبرنا شيئًا عن الثغرات المتبقية. في المقابل، يؤدي تقليل قابلية وصول الشيفرة إلى خفض خطورة الثغرات غير المعروفة، بما فيها تلك التي يجري استغلالها فعليًا. لا تُزال العيوب الكامنة، لكنها تصبح أصعب وصولًا. إن تقليص مساحة الهجوم في قاعدة الشيفرة يحسّن الأمان دون الحاجة إلى اكتشاف ثغرة محددة أو إصلاحها.
تميل البرمجيات إلى التعقيد مع مرور الوقت، إذ تتراكم التجريدات والتبعيات والميزات، مما يجعلها تتصرف غالبًا على نحو مختلف عمّا قصده مطوروها. ويستغل المهاجمون هذه الفجوة بدراسة السلوك الفعلي للشيفرة. وتهدف التقنيات الآلية إلى نقل الشيفرة المكشوفة وغير الضرورية خلف بوابة مناسبة، مثل النقل من ما قبل المصادقة إلى ما بعدها، أو من نقرة صفرية إلى نقرة واحدة، أو من التفعيل الافتراضي إلى الاشتراك الصريح.
ركّز الباحثون على ثلاث طرائق: تحديد الشيفرة القابلة للوصول في إعدادها الافتراضي والتي لا تحتاجها الوظائف الافتراضية، وإيجاد أزواج من الخيارات تسبب مشكلات عند ضبطها معًا، وتحديد الشيفرة المعقدة والحساسة أمنيًا التي تعمل قبل المصادقة أو انتقال حالة البروتوكول. وعبر 25 مشروعًا تمثل أكثر من خمسة ملايين سطر من الشيفرة، اكتشف Claude 493 مشكلة. وتشير النتائج إلى أن المطورين يستطيعون تطبيق تقنيات مماثلة على شيفرتهم لتحسين الأمان بكلفة معقولة.
المصدر: Hacker News · لخّصه HeadlinesBriefing