Generating Synthetic Malware Samples Using Generative AI
تقترح هذه الورقة نظاماً يستخدم نماذج الذكاء الاصطناعي التوليدي — وتحديداً WGAN-GP ونموذج انتشار (Diffusion model) معدلاً — لإنشاء تسلسلات عمليات برمجية (opcode) خبيثة اصطناعية عالية الدقة، مما يحسن بشكل كبير أداء التصنيف لفئات البرمجيات الخبيثة الأقلية ومعدلات الكشف الإجمالية في مجموعات البيانات غير المتوازنة.
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
المشكلة: معضلة "الأنواع النادرة" في الأمن السيبراني
تخيل أنك مصور حياة برية تحاول تدريب ذكاء اصطناعي للتعرف على كل حيوان في العالم. لديك ملايين الصور للحمام والسناجب، لذا فإن الذكاء الاصطناعي خبير في رصدهم. ولكن فجأة، يظهر "نمر الظل" النادر والمتسلل. ولأن لديك صورتين أو ثلاث صور ضبابية فقط لهذا النمر، يستمر الذكاء الاصطناعي في تسميته "قطة منزلية" أو "كلب كبير". ببساطة، لم يرَ الكثير من أمثاله ليتعرف على نمطه.
في عالم الأمن السيبراني، البرمجيات الخبيثة (Malware) تشبه "نمر الظل" ذاك. فالمخترقون يبتكرون باستمرار أنواعاً جديدة و"نادرة" من الفيروسات الرقمية. ولأن هذه الفيروسات الجديدة حديثة العهد تماماً، لا تملك شركات الأمن ما يكفي من "الصور" (عينات البيانات) لتدريب ذكائها الاصطناعي الدفاعي. وهذا يترك فجوة هائلة في درعنا الرقمي.
الحل: "استوديو الفن الرقمي"
قرر الباحثون في هذه الورقة البحثية التوقف عن انتظار قيام المخترقين بإطلاق فيروسات جديدة، وقرروا بدلاً من ذلك "تصنيع بيانات التدريب الخاصة بهم".
لقد بنوا نظاماً يستخدم الذكاء الاصطناعي التوليدي (Generative AI) — وهو نفس نوع التكنولوجيا المستخدمة لإنشاء "التزييف العميق" أو الفن المولد بالذكاء الاصطناعي — ليعمل كاستوديو فن رقمي. فبدلاً من انتظار ظهور فيروس حقيقي، هم يعلمون الذكاء الاصطناعي "الحمض النووي" للفيروس لكي يتمكن الذكاء الاصطناعي من رسم آلاف النسخ "الاصطناعية" (المزيفة ولكن الواقعية) منه.
كيف يعمل الأمر: الفنانون الرقميون الثلاثة
اختبر الباحثون ثلاثة أنواع مختلفة من "الفنانين بالذكاء الاصطناعي" لمعرفة أيهم يمكنه رسم أكثر الفيروسات المزيفة إقناعاً:
- الفنانون المتنافسون (GAN): تخيل فنانين؛ أحدهما يحاول رسم فيروس مزيف، والآخر (الناقد) يحاول كشف التزييف. يستمران في التنافس ذهاباً وإياباً حتى يصبح الرسام ماهراً جداً لدرجة أن الناقد لا يستطيع تمييز الفرق.
- المثالي (WGAN-GP): هذه نسخة أكثر انضباطاً من الفنان الأول. فهي تستخدم قواعد أكثر صرامة للتأكد من أن اللوحات ليست مجرد "قريبة بما يكفي"، بل تتبع بالفعل الأنماط الرياضية للشيء الحقيقي.
- النحات (نموذج الانتشار - Diffusion Model): هذا هو نجم العرض. تخيل أنك تبدأ بكتلة من الرخام (أو كومة من الضجيج الرقمي العشوائي) ثم تقوم بنحت "الضجيج" ببطء حتى يبرز تمثال مثالي ومفصل لفيروس ما.
المكون السري: ترجمة الكود إلى لغة
لجعل هذا العمل ممكناً، لم يقم الباحثون بمجرد تغذية الذكاء الاصطناعي بكود حاسوبي خام وفوضوي، بل استخدموا معالجة اللغات الطبيعية (NLP).
فكر في الفيروس كأنه كتاب مكتوب بشفرة سرية. وبدلاً من محاولة قراءة الكتاب بأكه في وقت واحد، قام الباحثون بتفكيكه إلى "كلمات" (تسمى opcodes). ثم استخدموا تقنية لتحويل هذه الكلمات إلى "معانٍ" (embeddings). سمح هذا للذكاء الاصطناعي بفهم "النية" من الكود — مثل فهم أن تسلسلاً معيناً من التعليمات هو المعادل الرقمي لـ "أمسك بآلة فتح الأقفال وأدر مقبض الباب".
النتيجة: كلب حراسة أكثر ذكاءً بكثير
كانت النتائج مبهرة. فمن خلال استخدام "النحات" (نموذج الانتشار) لإنشاء عينات مزيفة من الفيروسات النادرة والصعبة المنال، تمكنوا من "ملء الفراغات" للذكاء الاصطناعي.
- دفعة "الأقلية": بالنسبة لعائلات البرمجيات الخبيثة النادرة التي كان الذكاء الاصطناعي يواجه صعوبة في التعرف عليها سابقاً، تحسن الأداء بنسبة تصل إلى 60%.
- الفوز الإجمالي: قفزت دقة نظام اكتشاف البرمجيات الخبيثة الإجمالية إلى 96%.
الخلاصة
بدلاً من لعب لعبة "اللحاق بالركب" الدائمة مع المخترقين، تشير هذه الأبحاث إلى أنه يمكننا استخدام الذكاء الاصطناعي للتنبؤ بمحاكاة تهديدات الغد. فمن خلال إنشاء "دمى تدريب رقمية" عالية الجودة، يمكننا تدريب ذكائنا الاصطناسي للأمن السيبراني على التعرف على التهديد قبل حتى أن يوجد في العالم الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.