💻 computer science

VCAO: Verifier-Centered Agentic Orchestration for Strategic OS Vulnerability Discovery

تقدم الورقة البحثية VCAO، وهو إطار عمل للتنسيق الوكيل المتمحور حول التحقق والذي ينمذج اكتشاف ثغرات أنظمة التشغيل كلعبة بحث "باينز-ستاكلبرج" متكررة لتخصيص ميزانيات التحليل ديناميكيًا عبر أدوات غير متجانسة، محققًا معدلات اكتشاف ثغرات أعلى بكثير وإيجابيات كاذبة أقل من النماذج المرجعية الحالية.

المؤلفون الأصليون: Suyash Mishra

نُشر 2026-04-10

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Suyash Mishra

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك رئيس الأمن في قلعة قديمة ضخمة (نظام التشغيل). تحتوي هذه القلعة على آلاف الغرف، والممرات السرية، والفخاخ المخفية. أنت تعلم أن هناك لصوصًا (مخترقين) يحاولون التسلل، لكنك لا تعرف بالضبط أين هم أو أي باب سيحاولون اختراقه أولاً.

لديك قدر محدود من المال والوقت (الميزانية) لتوظيف حراس الأمن، وتركيب الكاميرات، وإجراء الاختبارات. المشكلة هي: لا يمكنك فحص كل غرفة يوميًا. إذا فحصت الغرفة الخطأ، فقد أهدرت المال. وإذا أغفلت الغرفة الصحيحة، فقد تعرضت القلعة للسرقة.

تقدم هذه الورقة نظامًا جديدًا يسمى VCAO (التنسيق الوكيل المرتكز على التحقق - Verifier-Centered Agentic Orchestration) لحل هذه المشكلة. إليك كيف يعمل، مشروحًا ببساطة:

1. الطريقة القديمة: التخمين والتحقق

سابقًا، كانت فرق الأمن تستخدم استراتيجيتين رئيسيتين:

فريق "التمويه" (Fuzzing): كانوا يرمون صخورًا عشوائية على كل جدار ليروا ما إذا كان أحدها سينكسر. (هذا يشبه الفازر/Fuzzer). إنه جيد في إيجاد نقاط الضعف، لكنه يهدر الكثير من الوقت على الجدر Walls القوية.
فريق "التحليل الساكن" (Static Analysis): يقرؤون مخططات القلعة للعثور على الأخطاء المنطقية. (هذا يشبه CodeQL). إنهم أذكياء، لكنهم غالبًا ما يطلقون إنذارات كاذبة حول أشياء ليست مكسورة في الواقع.

عمل كلا الفريقين بشكل منفصل، أو قاموا ببساق تقسيم الميزانية بالتساوي. كان هذا غير فعال.

2. الطريقة الجديدة: "المخطط الاستراتيجي الأكبر" (VCAO)

يقدم VCAO مخططًا استراتيجيًا أكبر (ذكاء اصطناعي متطور) يعمل مثل لاعب شطرنج بارع. بدلًا من مجرد فحص الأشياء، يلعب هذا الذكاء الاصطناعي لعبة ضد "لص افتراضي".

إليك العملية المكونة من 6 خطوات التي يستخدمها VCAO:

الخطوة 1: رسم الخريطة (رسم سطح المخطط - Surface Mapper)

يقوم الذكاء الاصطناعي أولاً بإنشاء خريطة مفصلة للقلعة. يحدد كل باب، ونافذة، ونفق سري (نداءات النظام/syscalls، والمحللات/parsers، إلًا). هو يعرف تمامًا أين يمكن للص thief أن يدخل.

الخطوة 2: بناء "مسار اللص" (رسم بياني للهجوم - Attack Graph)

يبني الذكاء الاصطناعي "خريطة اللص". هو لا ينظر إلى غرفة واحدة فقط؛ بل يربط النقاط ببعضها.

مثال توضيحي: إذا نجح اللص في فتح قفل الباب الأمامي، هل يمكنه بعد ذلك صعود الدرج للوصة إلى غرفة النوم الرئيسية؟ يقوم الذكاء الاصطناعي برسم خطوط تربط هذه الخطوات لرؤية المسار الكامل الذي سيسلكه اللص لسرقة مجوهرات التاج.

الخطوة 3: اللعبة الكبرى (العقل المدبر)

هذا هو الجزء السحري. يلعب الذكاء الاصطناعي لعبة تسمى لعبة ستيكلبرج (Stackelberg Game).

الإعداد: يقول الذكاء الاصطناعي (المدافع): "سأنفق مالي في فحص هذه الغرف المحددة".
رد الفعل: يقوم الذكاء الاصطناعي بعد ذلك بمحاكاة "لص ذكي" يرى أين ينظر الذكاء الاصطناعي ويحاول التسلل عبر الباب غير المراقب.
الاستراتيجية: يدرك الذكاء الاصطناعي: "إذا فحصت الباب الأمامي، فسيذهب اللص إلى النافذة الخلفية. وإذا فحصت النافذة الخلفية، فسيذهب إلى المدخنة".
الحل: يحسب الذكاء الاصطناعي المزيج المثالي من عمليات الفحص لتقليل فرص نجاح اللص، حتى لو كان اللص ذكيًا. يستخدم الرياضيات ليقرر: "اقضِ 10 دقائق في المطبخ، و20 دقيقة في المكتبة، و5 دقائق في العلية".

الخطوة 4: الفرق المتخصصة (المنفذون المتوازون - Parallel Executors)

بمجرد أن يقرر الذكاء الاصطناعي أين يبحث، يرسل فرقًا مختلفة من الوكلاء المتخصصين للقيام بالعمل في وقت واحد:

"منقب الفروقات" (Diff Miner): ينظر في سجلات الإصلاح القديمة ليرى ما إذا تم الإصلاح بشكل ناقص.
"قارئ الكود" (Code Reader): يقرأ المخططات بحثًا عن الأخطاء المنطقية.
"رامي الصخور" (Rock Thrower): يحاول تعطيل النظام باستخدام مدخلات عشوائية.
"مراقب الذاكرة" (Memory Watcher): يتحقق من وجود تسريبات في الجدران.
"كاشف السباق" (Race Detector): يتحقق مما إذا كان هناك عاملان يحاولان استخدام نفس الأداة في نفس الوقت.

الخطوة 5: "التحقق المزدوج" (المُحقِّق المتتالي - Cascaded Verifier)

عندما يجد فريق ما شيئًا مريبًا، فإنه لا يصرخ فورًا "هناك دخيل!".
بدلًا من ذلك، تمر النتيجة عبر فلتر ثلاثي الطبقات:

هل يمكننا جعل الأمر يحدث مرة أخرى؟ (قابلية التكرار)
ما مدى سوء الأمر؟ (الخطورة)
هل رأينا هذا من قبل؟ (إزالة التكرار)
هذا يمنع فريق الأمن من الذعر بسبب الإنذارات الكاذبة.

الخطوة 6: "حارس السلامة" (Safety Governor)

لأن هذا الذكاء الاصطناعي قوي بما يكفي للعثور على ثغرات حقيقية، فقد تم بناء "حارس سلامة" صارم بداخله. فهو يعمل في بيئة معزولة (سجن رقمي) حتى لا يتسبب في كسر القلعة الحقيقية عن طريق الخطأ. كما أنه يتطلب موافقة بشرية قبل الكشف عن أي أسرار للعامة.

لماذا هذا أفضل؟

اختبرت الورقة نظام VCAO على أنظمة كمبيوتر Linux حقيقية (القلعة).

النتيجة: وجد 2.7 ضعفًا أكثر من الثغرات الحقيقية مقارنة بمجرد رمي الصخور على الجدران (Fuzzing).
النتيجة: وجد 1.9 ضعفًا أكثر مقارنة بمجرد قراءة المخططات (Static Analysis).
النتيجة: قلل الإنذارات الكاذبة بنسبة 68%. وهذا يعني أن حراس الأمن البشر يقضون وقتًا أقل في مطاردة الأشباح ووقتًا أكثر في القبض على اللصوص الحقيقيين.

الصورة الكبيرة

فكر في VCAO ليس كأداة "تبحث عن الأخطاء" فحسب، بل كـ مدير موارد ذكي. إنه يفهم أن الأمن هو لعبة استراتيجية. من خلال التنبؤ بكيفية تحرك مهاجم ذكي، فإنه يخصص وقته وماله المحدودين إلى الأماكن الدقيقة التي سيحقق فيها المهاجم أكبر فائدة، مما لا يترك للمهاجم مكانًا للاختباء فيه.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "VCAO: التنسيق الوكيل المتمحور حول التحقق للاكتشاف الاستراتيجي لثغرات أنظمة التشغيل."

1. بيان المشكلة

يواجه اكتشاف الثغرات الأمنية في أنظمة التشغيل (OS)، وخاصة في نواة لينكس (Linux kernel)، عقبة حرجة. فبينما توجد أدوات قوية فردية (مثل CodeQL للتحليل الساكن، وSyzkaller للفحص العشوائي/Fuzzing، وKASAN لسلامة الذاكرة)، تعتمد سير العمل الحالية على استدلالات عشوائية (ad-hoc heuristics) لتنسيقها. يؤدي هذا إلى عدم كفاءة في تخصيص الموارد، وارتفاع معدلات الإيجابيات الكاذبة (false-positives)، وفقدان بعض الثغرات.

يجادل المؤلفون بأن التحدي الرئيسي لم يعد قدرة الأدوات، بل هو التنسيق القائم على نظرية القرار (decision-theoretic coordination): أي تحديد أين نبحث، وكيف نبحث، ومتى نتحقق، لتقليل ميزة المهاجم الاستراتيجي. تفشل الأنظمة الحالية في الإجابة على السؤال: "أي إجراء تحليلي يقلل أكثر من العائد المتوقع للمهاجم الاستراتيجي؟"

2. المنهجية: إطار عمل VCAO

تقترح الورقة نظام VCAO (التنسيق الوكيل المتمحور حول التحقق)، وهو نظام يصيغ اكتشاف الثغرات الأمنية كـ لعبة ستكيليبرج بايزية متكررة (repeated Bayesian Stackelberg search game).

أ. الصياغة القائمة على نظرية الألعاب

اللعبة: هي لعبة بحث ستكيليبرج بايزية لاكتشاف الثغرات (BSVD)، حيث يلتزم المدافع (منسق يعتمد على النماذج اللغوية الكبيرة LLM) باستراتيجية مختلطة لتخصيص ميزانية التحليل عبر مكونات النواة، ويقوم المهاجم الاستراتيجي (الذي يتم نمذجته عبر النوع/type) بالاستجابة المثلى عبر اختيار مسارات الاستغلال لتعظيم الضرر.
مخطط الهجوم داخل النواة (L2): يقوم النظام ببناء رسم بياني موجه غير حلقي $G=(V, E, C, \phi, \psi)$ $G = (V, E, C, ϕ, ψ)$ يمثل النواة.
- العقد ( $V$ ): نقاط الدخول (syscalls, ioctls)، الوظائف الداخلية، حدود الامتيازات، وأهداف المهاجم (مثل الوصول إلى صلاحيات root).
- الحواف ( $E$ ): تدفق التحكم (control-flow)، تدفق البيانات (data-flow)، وانتقالات الامتيازات.
- الاحتمالات: تمتلك العقد احتمالات ثغرات سابقة ( $\phi$ ) مستمدة من درجات CVSS وكثافة العيوب؛ وللحواف احتمالات قابلية الاستغلال ( $\psi$ ).
الهدف: يهدف المدافع إلى إيجاد متجه تغطية أمثل $c^*$ يعظم المنفعة المتوقعة ضد أفضل استجابة للمهاجم، مما يقلل من احتمال مسار استغلال ناجح.

ب. البنية السداسية الطبقات

يعمل VCAO على تشغيل هذه النظرية من خلال نظام وكيل مكون من ست طبقات:

راسم السطح (L1 - Surface Mapper): يقوم وكيل (LLM) باستخراج نقاط الدخول ذات الصلة أمنياً (syscalls, parsers) ورسم خريطة للوظائف الداخلية التي يمكن الوصول إليها.
باني مخطط الهجوم (L2 - Attack Graph Builder): يبني مخطط الهجوم داخل النواة، مع تحديد حدود الامتيازات وأهداف المهاجم.
المصنف القائم على نظرية الألعاب (L3 - Game-Theoretic Ranker): هو الحل الجوهري. يستخدم صياغة البرمجة الخطية بمضاعفات صحيحة (MILP) مشتقة من DOBSS لحساب التخصيص الأمثل للميزانية ( $c^*$ ) عبر الملفات، والوظائف، وطرق التحليل (CodeQL، Fuzzing، KASAN، إلخ) تحت قيود الموارد.
وكلاء التنفيذ المتوازي (L4 - Parallel Executor Agents): وكلاء متخصصون ينفذون المهام المخصصة بالتوازي:
- منقب فروق التصحيح (Patch-Diff Miner): يجد عمليات انتشار الإصلاح غير المكتملة.
- وكيل CodeQL: يشغل استعلامات تدفق البيانات.
- وكيل الفحص العشوائي (Fuzzing Agent): يوجه Syzkaller باستخدام أوصاف مخصصة.
- وكلاء KASAN/KCSAN: يشغلون أدوات فحص الذاكرة والتزامن (sanitizers).
المتحقق المتتالي (L5 - Cascaded Verifier): خط أنابيب تحقق ثلاثي المراحل (قابلية التكرار $\to$ تقييم الخطورة $\to$ إزالة التكرار) لتقليل الإيجابيات الكاذبة بشكل جذري قبل المراجعة البشرية.
حاكم السلامة (L6 - Safety Governor): يفرض العزل، التسجيل (logging)، والمراجعة البشرية الإلزامية لمنع إساءة الاستخدام وضمان الإفصاح المسؤول.

ج. التعلم والتكيف

تحديث الاعتقاد البايزي (Bayesian Belief Update): بعد كل جولة تحليل، يقوم المنسق بتحديث معتقداته حول حالة الثغرات الكامنة في مناطق برمجية محددة بناءً على مخرجات الأدوات (تنبيهات، انهيارات، نتائج نظيفة) باستخدام الاستدلال البايزي.
الندم عبر الإنترنت (Online Regreg): يستخدم النظام امتدادات التعلم عبر الإنترنت (مستوحاة من EXP3 وThompson sampling) للتكيف مع سلوكيات المهاجم غير المعروفة، مما يضمن حداً علوياً للندم (regret bound) من رتبة $\tilde{O}(\sqrt{T})$ .

3. المساهمات الرئيسية

نموذج رسمي قائم على نظرية الألعاب: أول صياغة لاكتشاف ثغرات أنظمة التشغيل كـ لعبة ستكيليبرج بايزية متكررة مع مخططات هجوم داخل النواة.
بنية VCAO: نظام وكيل مبتكر مكون من ست طبقات يدمج نماذج الاستدلال الكبيرة (LRMs) مع أدوات أمنية متباينة وتحسينات قائمة على نظرية الألعاب.
خوارزمية التحسين: خوارزمية MILP مكيفة من DOBSS لتخصيص الميزانية الأمثل تحت ظروف عدم اليقين، مقترنة بإثبات حد الندم الرسمي.
تقييم شامل: اختبار صارم على خمسة أنظمة فرعية لنواة لينكس، مما أظهر تحسينات كبيرة مقارنة بالنماذج المرجعية المتطورة.

4. النتائج التجريبية

تم تقييم النظام على خمسة أنظمة فرعية لنواة لينكس (نظام الملفات، الشبكات، Namespaces/Capabilities، التعريفات/Drivers، io_uring/BPF) باستخدام وضعين:

وضع إعادة التشغيل (Replay Mode): إعادة تشغيل 847 ثغرة تاريخية (CVEs) من (2019–2025) على لقطات سابقة للنواة.
الوضع الحي (Live Mode): الاكتشاف على لقطات حديثة (6.12–6.14).

مقاييس الأداء الرئيسية:

عائد الثغرات (Vulnerability Yield): اكتشف VCAO 2.7 ضعفاً أكثر من الثغرات الموثقة لكل وحدة ميزانية مقارنة بالفحص العشوائي المعتمد على التغطية فقط، و1.9 ضعفاً أكثر من النماذج المرجعية المعتمدة على التحليل الساكن فقط.
الكفاءة: تفوق النظام على خطوط الأنابيب متعددة الوكلاء غير القائمة على نظرية الألعاب بنسبة 1.4 ضعفاً.
الإيجابيات الكاذبة: قلل التحقق المتتالي من معدل الإيجابيات الكاذبة التي تصل للمراجعين البشريين بنسبة 68% (انخفضت من ~31–47% في النماذج المرجعية إلى 15.1%).
وقت الاكتشاف: قلل VCAO الوقت اللازم لأول ثغرة موثقة بشكل كبير (3.2 ساعة مقابل 14.2 ساعة للتخصيดับ الموحد).
دراسة الاستئصال (Ablation Study): أكدت أن تحديث الاعتقاد البايزي (-31% تأثير في حال الإزالة)، وتحسين ستكيليبرج (-21.2%)، وهيكل مخطط الهجوم (-24.8%) هي المكونات الأكثر أهمية.

5. الأهمية والأثر

تحول في النموذج المعرفي: ينقل اكتشاف الثغرات من "التركيز على الأداة" (تشغيل الأدوات حتى تنتهي) إلى "التركيز على الاستراتيجية" (تحسين استخدام الأدوات بناءً على نظرية الألعاب والاستدلال الاحتمالي).
كفاءة الموارد: يثبت أن التخصيص الاستراتيجي لميزانيات الحوسبة المحدودة يحقق عوائد أعلى بكثير من النهج القائم على القوة الغاشمة (brute-force) أو الاستدلالات التجريبية.
السلامة والأخلاقيات: تم تصميم الإطار صراحةً مع "حاكم سلامة" ويتبع بروتوكولات البحث مزدوج الاستخدام (التنفيذ دون اتصال، المراجعة البشرية، الإفصاح المنسق)، مما يعالج المخاطر المرتبطة بالاكتشاف المدعوم بالذكاء الاصطناعي للثغرات.
العلم المفتوح: ينشر المؤلفون إطار المحاكاة، ومولد مخطط الهجوم الاصطناعي، وهيكل التقييم لتعزيز البحث القابل لإعادة الإنتاج في هذا المجال.

في الختام، يمثل VCAO تقدماً كبيراً في الأمن المؤتمت، حيث يثبت أن الجمع بين نماذج الاستدلال الكبيرة، ونظرية الألعاب، والتحقق الرسمي يمكن أن يتفوق بشكل منهجي على سير العمل اليدوي والمؤتمت الحالي في إيجاد الثغرات الأمنية الحرجة في أنظمة التشغيل.