قدمت Cisco Systems في 21 يوليو Antares، وهي مجموعة من نماذج اللغات الصغيرة المصممة لتحديد مكان وجود الثغرات الأمنية المعروفة بدقة داخل قاعدة التعليمات البرمجية، وأصدرت أول نموذجين كتنزيلات مفتوحة الوزن على Hugging Face. يمثل هذا الإطلاق، الذي غطته SiliconANGLE وAxios وHelp Net Security، واحدة من أكثر المحاولات الملموسة حتى الآن لجلب نماذج صغيرة متخصصة إلى ركن من أركان أمن البرمجيات الذي كان بطيئًا ومكلفًا منذ فترة طويلة ويعتمد على المحققين البشريين.
يأتي Antares من Cisco Foundation AI، وهي مجموعة الأبحاث والهندسة التابعة للشركة والتي تركز على الذكاء الاصطناعي الخاص بالأمن. يعالج المشروع مشكلة تعرف باسم توطين الثغرات الأمنية، والعمل على ربط بيانات الثغرات الخارجية، مثل قواعد البيانات العامة والاستشارات وإدخالات تعداد نقاط الضعف الشائعة (CWE)، بملفات محددة في المستودع الذي من المرجح أن يعيش فيه الخلل. لمتابعة آخر التطورات في هذا المجال، راجع تغطية صناعة الذكاء الاصطناعي.
نماذج صغيرة مصممة لوظيفة محددة
ويتوفر الآن نموذجان: Antares-350M وAntares-1B، ومن المقرر أن يتبعهما نموذج أكبر Antares-3B. وجميعها صغيرة بما يكفي للتشغيل محليًا، وهو ما قالت شركة Cisco إنه يسمح لفرق الأمان بالاحتفاظ بكود المصدر الحساس داخل بيئتهم الخاصة بدلاً من إرساله إلى خدمة سحابية. وهذه نقطة بيع ملحوظة للجامعات، وهيئات القطاع العام، والمنظمات غير الربحية، والفرق الأمنية الأصغر حجمًا التي تفتقر إلى الميزانية اللازمة لنماذج الحدود التجارية ذات الرمز المميز الثقيل.
بدلاً من فحص المستودع بقواعد ثابتة، يعمل أنتاريس من خلاله بنفس الطريقة التي يعمل بها المحقق البشري. يبدأ كل نموذج من وصف الثغرة الأمنية، ويبحث عن أنماط التعليمات البرمجية ذات الصلة، ويقرأ الملفات المرشحة، ويطوي أدلة جديدة أثناء سيره، ويغير الاتجاه عندما لا يؤدي المسار إلى أي مكان، ويضيق نحو الملفات الأكثر أهمية. الإخراج عبارة عن قائمة مرتبة من الملفات المصدر التي من المحتمل أن تحتوي على الثغرة الأمنية ذات الصلة، بالإضافة إلى تتبع الاستكشاف الطرفي الذي أدى إلى ظهورها.
معيار مخصص ووفورات هائلة في التكاليف
لقياس النماذج، قامت شركة Cisco ببناء اختبارها الخاص، وهو مقياس توطين الثغرات الأمنية، وهو عبارة عن مجموعة مكونة من 500 إدخال تتطلب نموذجًا للتنقل في قاعدة تعليمات برمجية غير مألوفة والتعرف على أنماط الثغرات الأمنية المرتبطة بفئات ضعف محددة. قالت شركة Cisco إن معايير البحث عن التعليمات البرمجية الحالية تقيس ما إذا كان الوكيل يمكنه العثور على تعليمات برمجية ذات صلة بمشكلة برمجية عامة، وليس ما إذا كان يمكنه تحديد موقع الملفات المعرضة للخطر من خلال الأوصاف الأمنية. أقرب عمل مشابه استشهدت به الشركة هو نظام يسمى CodeScout، والذي أظهر أنه يمكن تدريب وقياس توطين التعليمات البرمجية باستخدام محطة Unix القياسية.
وفقًا لهذا المعيار، قالت شركة Cisco إن طرازات Antares تتفوق على ما يقرب من عشرة نماذج أكبر ذات وزن مفتوح ومغلق من حيث الدقة بينما تعمل بسعر أرخص بكثير. وقدرت الشركة تكلفة تقييم Antares بأقل من دولار واحد، مقابل 12.50 دولارًا تقريبًا لأقوى نموذج مفتوح الوزن اختبرته، GLM-5.2، وحوالي 141 دولارًا لأقوى نموذج مغلق المصدر، GPT-5.5. وتشير هذه الأرقام إلى أنها أرخص بـ 15.2 مرة و172 مرة على التوالي. أنهى Antares أيضًا الاختبارات المعيارية في حوالي ساعة، مقارنة بحوالي أربع ساعات ونصف لـ GPT-5.5.
تسلط فجوة الأداء الضوء على اتجاه أوسع في الصناعة: بالنسبة للمهام المحددة بشكل ضيق، يمكن للنماذج الصغيرة المدربة بعناية أن تتطابق مع النماذج الحدودية ذات الأغراض العامة أو تتجاوزها بجزء صغير من تكلفة الحوسبة. وكما أفاد موقع Axios، تراهن شركة Cisco بشكل فعال على أن الذكاء الاصطناعي الأصغر حجمًا والمخصص لهذا الغرض سيفوز في مجال الأمن السيبراني للمؤسسات، حيث تهتم الفرق بالموثوقية والتكلفة وخصوصية البيانات أكثر من حجم النموذج الأولي.
جزء من دفعة أمنية أوسع للذكاء الاصطناعي
يعد Antares أحدث جزء من جهد Cisco الأوسع حول الذكاء الاصطناعي في مجال الأمن. وفي أكتوبر، أصدرت الشركة مشروع CodeGuard، وهو إطار عمل مفتوح المصدر لقواعد التشفير الآمن لوكلاء تشفير الذكاء الاصطناعي. وفي شهر مايو، نشرت مواصفات Foundry Security Spec، وهي عبارة عن مخطط مفتوح لبناء أنظمة تقييم الأمان الوكيل. يقوم أنتاريس بتوسيع خط العمل هذا من خلال وضع نموذج قابل للاستخدام ومفتوح الوزن مباشرة في أيدي الممارسين.
ويأتي الإصدار أيضًا وسط قلق متزايد بشأن مخاطر البرامج المتعلقة بالذكاء الاصطناعي. في نفس الشهر الذي نشرت فيه شركة سيسكو مواصفات Foundry Security Spec، ذكرت بلومبرج أن نموذجًا إنسانيًا متقدمًا أدى إلى اجتماع طارئ بين وزير الخزانة سكوت بيسنت، ورئيس الاحتياطي الفيدرالي جيروم باول، والمسؤولين التنفيذيين في البنوك، مما يؤكد مدى جدية تعامل المنظمين مع الآثار الأمنية لأنظمة الذكاء الاصطناعي القوية.
ماذا يعني ذلك بالنسبة للمطورين وفرق الأمان
بالنسبة للمؤسسات التي ترددت في اعتماد تحليل التعليمات البرمجية المعتمد على الذكاء الاصطناعي بسبب التكلفة أو المخاوف المتعلقة بالكشف عن البيانات، تقدم أنتاريس طريقًا وسطًا. نظرًا لأن النماذج ذات وزن مفتوح وصغيرة بما يكفي للتشغيل على أجهزة متواضعة، يمكن للفرق نشرها خلف جدران الحماية الخاصة بها، ومراجعة كل استدعاء استدلالي دون دفع رسوم لكل رمز مميز إلى مزود السحابة. ويعني ترخيص الوزن المفتوح أيضًا أنه يمكن للباحثين فحص النماذج وضبطها وتوسيعها لنطاقاتهم الخاصة.
والمقايضة هي أن النماذج الصغيرة متخصصة في التصميم. لن يقوم Antares بصياغة بريد إلكتروني تسويقي أو تلخيص اجتماع أو الإجابة على سؤال معرفة عامة. ما تم تصميمه للقيام به هو تحديد موقع الملفات الدقيقة التي من المحتمل أن تختبئ فيها فئة معروفة من الثغرات الأمنية، ويبدو أنه يعمل بشكل أفضل من النماذج التي يبلغ حجمها آلاف المرات، على الأقل وفقًا لمعيار Cisco الخاص.
ما إذا كان الباحثون المستقلون سيؤكدون هذه النتائج على قواعد الكود الخاصة بهم، فسوف يحدد مدى انتشار أنتاريس. في الوقت الحالي، يعزز الإطلاق الرسالة التي تم بناءها عبر صناعة الذكاء الاصطناعي طوال العام: عندما تكون المهمة ضيقة بما فيه الكفاية، يمكن أن يكون الأصغر أكثر ذكاءً وأرخص وأكثر أمانًا.
---
ابقَ في طليعة الذكاء الاصطناعياحصل على آخر الأخبار والتحليلات والإنجازات في مجال الذكاء الاصطناعي — كل ذلك في مكان واحد.
اقرأ المزيد من أخبار الذكاء الاصطناعي →
