💻 computer science

Quantifiable Uncertainty: A Stochastic Consensus Multi-Agent RAG Framework for Robust Malware Detection

تقدم الورقة البحثية MAGMA، وهو إطار عمل للبحث المعزز بالتوليد (RAG) متعدد الوكلاء قائم على التوافق العشوائي، والذي يعزز الكشف القوي عن البرمجيات الخبيثة من خلال فصل استرجاع الشفرة الدلالي عن التحقق الاحتمالي لقياس عدم اليقين المعرفي ورفض العينات الغامضة بفعالية، محققاً معدل كشف بنسبة 98.4%.

المؤلفون الأصليون: ElMouatez Billah Karbab

نُشر 2026-05-12

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: ElMouatez Billah Karbab

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 حارس أمن في بنك عالي التقنية. مهمتك هي رصد اللصوص (البرمجيات الخبيثة) وهم يحاولون التسلل.

لفترة طويلة، استخدم حراس الأمن طريقة بسيطة: حفظوا وجوه اللصوص المعروفين. إذا تطابق وجه ما مع صورة في كتابهم، يطلقون الإنذار. هذا يشبه برامج مكافحة الفيروسات التقليدية. لكن اللصوص الأذكياء بدأوا في ارتداء الأقنعة، وتغيير تسريحات شعرهم، أو استخدام هويات مزيفة (الطفرات الهيكلية). الحراس، الذين كانوا ينظرون فقط إلى السطح، تعرضوا للخداع. كانوا يقولون بثقة: "هذا زبون طبيعي"، رغم أنه كان لصاً متنكراً. وهذا ما يسميه البحث بـ "الخطأ الواثق" (Confident Wrongness).

قام مؤلفو هذا البحث، بقيادة المعتز بالله كرباب، ببناء نظام جديد يسمى MAGMA لإصلاح ذلك. بدلاً من مجرد النظر إلى صورة، يعمل MAGMA مثل فريق من المحققين الخبراء الذين لا يكتفون بالتخمين، بل يقومون بالتحقيق.

إليك كيف يعمل MAGMA، مقسماً إلى خطوات بسيطة:

1. الكاميرا ذات العدستين (الرفع ثنائي المسار - Dual-Stream Lifting)

عندما يصل ملف جديد، لا يكتفي MAGMA بالنظر إلى الكود الخام (الذي يشبه فوضى من الأرقام). بل يستخدم "عدستين" مختلفتين لرؤية الملف في نفس الوقت:

عدسة التجميع (The Assembly Lens): تنظر إلى التعليمات الميكانيكية منخفضة المستوى (مثل أجزاء محرك السيارة). إنها ترى بالضبط كيف تم بناء الآلة.
عدسة الكود الزائف (The Pseudo-Code Lens): تنظر إلى المنطق عالي المستوى (مثل دليل تشغيل السيارة). إنها تفهم ما الذي يحاول الكود فعله، متجاهلة التفاصيل الفوضوية.

باستخدام كلتا العدستين، يستطيع MAGMA الرؤية من خلال الحيل. إذا قام اللص بتغيير أجزاء المحرك لتبدو مختلفة (Assembly)، فإن منطق السيارة (Pseudo-code) عادة ما يظل كما هو. وإذا غير المنطق، فإن أجزاء المحرك ستكشفه في الغالب.

2. مكتبة المحقق (التوليد المعزز بالاسترجاع - Retrieval-Augmented Generation)

بدلاً من محاولة حفظ كل لص محتمل، يمتلك MAGMA مكتبة ضخمة من "الدوال الحرجة في اتخاذ القرار" (DCFs) التي تم التحقق منها. هذه هي مقتطفات من الكود المعروفة بأنها خبيثة، مثل "ملصق مطلوب" لسلوك إجرامي محدد.

عند وصول ملف جديد، لا يخمن MAGMA. بل يبحث فوراً في مكتبته ليرى ما إذا كان كود الملف يطابق أيًا من مقتطفات "المطلوبين" هذه. هذا يجعل النظام مرتكزاً على أدلة حقيقية بدلاً من مجرد التخمين.

3. هيئة محلفين من المحققين (التحالف العشوائي المتوافق - Stochastic Consensus Ensemble)

هذا هو الجزء الأكثر تميزاً. بدلاً من محقق واحد يتخذ القرار، يرسل MAGMA الأدلة إلى خمسة محققين مختلفين (وكلاء ذكاء اصطناعي).

هؤلاء الوكلاء هم نفسهم، ولكن يُطلب منهم التفكير مع القليل من "العشوائية" (مثل مطالبتهم بالنظر في احتمالات مختلفة).
جميعهم ينظرون إلى الأدلة بشكل مستقل ويصوتون: "مذنب" (خبيث) أو "غير مذنب" (سليم).

4. بطاقتي تسجيل النتائج (FES و ECS)

بعد تصويت المحققين الخمسة، يحسب MAGMA درجتين لتحديد الإجراء المطلوب:

الدرجة 1: قوة الدليل (FES): تسأل: "ما مدى قوة الإثبات؟" إذا وجد المحققون تطابقاً مثالياً مع "ملصق مطلوب" معروف، تكون هذه الدرجة عالية. إذا كانوا يخمنون فقط، تكون الدرجة منخفضة.
الدرجة 2: درجة الصراع (ECS): تسأل: "هل يتجادل المحققون؟"
- إذا اتفق المحققون الخمسة، تكون الدرجة منخفضة (ثقة عالية).
- إذا قال 3 "مذنب" و2 "غير مذنب"، تكون الدرجة عالية. هذا يعني أن الملف مربك أو مخادع.

5. زر "لا أعرف" (سياسة الرفض - The Rejection Policy)

في النظام القديم، كان على الحارس أن يقول "مذنب" أو "غير مذنب"، حتى لو لم يكن متأكداً، مما أدى إلى أخطاء.

يمتلك MAGMA خياراً ثالثاً: "غير متأكد".

إذا كانت درجة الصراع عالية جداً (المحققون يتجادلون)، يرفض MAGMA اتخاذ قرار نهائي.
بدلاً من ذلك، يقوم بتمييز الملف ويقول: "هذا الملف مربك جداً بالنسبة للآلة. أرسله إلى خبير بشري للمراجعة".

النتائج

اختبر البحث هذا النظام ضد آلاف عينات البرمجيات الخبيثة الحقيقية، بما في ذلك تلك المخادعة جداً التي تغير شكلها للاختباء.

الأنظمة القديمة: ارتبكت بسبب الحيل وارتكبت أخطاءً واثقة.
MAGMA: نجح في كشف 98.4% من البرمجيات الخبيثة.
شبكة الأمان: عندما لم يكن MAGMA متأكداً، توقف وطلب المساعدة، مما منعه من ارتكاب أخطاء "الخطأ الواثق".

المقايضة

يعترف البحث بوجود تكلفة. نظرًا لأن MAGMA يستخدم خمسة محققين ويبحث في مكتبة، فإنه يستغرق وقتاً أطول لفحص الملف (حوالي 42 ثانية) مقارنة بالأنظمة القديمة التي تفحص في جزء من الثانية.

يقترح المؤلفون أن MAGMA لا ينبغي أن يحل محل الماسح الأولي السريع. بدلاً من ذلك، يجب أن يعمل كـ خبير خط دفاع ثانٍ للملفات الصعبة التي لا يستطيع الماسح السريع الحسم فيها. إنه الفرق بين كاميرا أمن تلتقط صورة فقط، وفريق من خبراء الأدلة الجنائية الذين يحللون الصورة لحل الجريمة.

ملخص تقني: MAGMA – إطار عمل RAG متعدد الوكلاء قائم على التوافق العشوائي للكشف القوي عن البرمجيات الخبيثة

1. بيان المشكلة

تعاني كاشفات البرمجيات الخبيثة القائمة على التعلم العميق (DL) المعاصرة، رغم هيمنتها، من ثغرة حرجة وهي: العمى الدلالي (Semantic Blindness). فمن خلال معاملة الكود الثنائي كبيانات إحصائية غير منظمة (مثل تسلسلات البايت الخام)، تعمل هذه النماذج كمطابقات أنماط عشوائية تفتقر إلى الاستدلال الدلالي الحقيقي. وتتجلى هذه المحدودية في "الخطأ الواثق" (Confident Wrongness)، حيث يخرج النموذج حكماً ذا ثقة عالية (على سبيل المثال، >99% سليم) على عينة خبيثة لمجرد أن تحويلاً عدائياً (مثل استبدال التعليمات أو إدراج كود ميت) قد نقل المدخلات إلى منطقة متفرقة في فضاء التضمين، مما أدى لتجاوز حد القرار دون تغيير الوظيفة الخبيثة الأساسية.

تفتقر الأنظمة الحالية المتطورة إلى آلية رسمية لقياس عدم اليقين الإبستيمي (Epistemic Uncertainty) (جهل النموذج). وبناءً على ذلك، تفرض هذه الأنظمة قرارات ثنائية حتى عندما تقع المدخلات خارج نطاق التوزيع التدريبي، مما يؤدي للفشل في الإبلاغ عن الحالات الشاذة للمراجعة البشرية، وارتكاب أخطاء مؤتمتة كارثية بدلاً من ذلك.

2. المنهجية: إطار عمل MAGMA

يقترح المؤلفون إطار عمل MAGMA (التحليل التوليدي للبرمجيات الخبيثة متعدد الوكلاء)، والذي يعيد صياغة الكشف من مطابقة الأنماط الساكنة إلى عملية جمع أدلة احتمالية. يقوم الهيكل بفصل التمثيل الهيكلي عن الاستدلال الاحتمالي عبر أربعة مكونات أساسية:

أ. الرفع ثنائي المسار (Dual-Stream Lifting)

للتغلب على الضبابية الدلالية، يقوم MAGMA برفع الملفات الثنائية الخام إلى تمثيلات وسيطة متوازية قابلة للقراءة من قبل البشر قبل عملية التضمين:

المسار النحوي ( $I_{ASM}$ ): رسم خرائط تجميعي خطي ينتج تعليمات تجميع (Assembly) معيارية. يلتقط هذا المسار التبعيات الهيكلية الدقيقة، ومعالجات السجلات (Registers)، والثوابت التشفيرية التي غالباً ما تُفقد في عملية التفكيك (Decompilation) عالية المستوى.
المسار الدلالي ( $I_{Code}$ ): تفكيك برمجي إلى كود شبه C عالي المستوى. يعمل هذا المسار على تجريد التفاصيل الخاصة بالمترجم (Compiler) لعزل مخطط تدفق التحكم (CFG)، وتبعيات البيانات، وتسلسلات واجهة برمجة التطبيقات (API) الجوهرية.
يتم دمج هذه التضمينات المزدوجة لتشكيل متجه استعلام مركب، مما يضمن أن التمويه النحوي (مثل إعادة تسمية السجلات) لا يمكنه الإفلات من الكشف إذا ظلت النية الدلالية خبيثة، والعكس صحيح.

ب. التوليد المعزز بالاسترجاع (RAG)

بدلاً من الاعتماد على الذاكرة البارامترية المجمدة للنماذج اللغوية الكبيرة (LLM)، يقوم MAGMA بالاستعلام من قاعدة معرفة شعاعية (Vector KB) مملوءة بـ الوظائف الحرجة في اتخاذ القرار (DCFs) التي تم التحقق منها والتدقيق من قبل المحللين.

يسترجع النظام أقرب الجيران ( $k$ -nearest neighbors) من الـ (DCFs) بناءً على تشابه جيب التمام في الفضاء الكامن.
تهدف هذه الخطوة إلى ترسيخ العملية التوليدية في استخبارات التهديدات المعروفة، مما يمنع الهلوسة ويحول مهمة التصنيف إلى مهمة تقييم للأدلة.

ج. مجموعة التوافق العشوائي (Stochastic Consistency Ensemble)

لاختبار استقرار عملية الاستدلال، يستخدم MAGMA مجموعة وكلاء متجانسة (Homogeneous Agent Ensemble) تتكون من $N$ من نسخ الـ LLM المتطابقة.

العينات العشوائية (Stochastic Sampling): على عكس فك التشفيد الجشع (Greedy Decoding)، تعمل الوكلاء بدرجة حرارة $T > 0$ ، مما يجبر النموذج على استكشاف مسارات استدلال بديلة ذات احتمالية أقل.
الاستدلال المستقل: يقوم كل وكيل بتقييم الـ (DCFs) المسترجعة وسياق المسارين المزدوجين بشكل مستقل لإنتاج حكم ثنائي (خبيث/سليم).
التوافق (Consensus): يقوم النظام بتجميع هذه المخرجات المستقلة لقياس استقرار التنبؤ.

د. مقاييس عدم اليقين القابلة للقياس

يشتق الإطار مقياسين متكاملين لقياس عدم اليقين وتوجيه اتخاذ القرار:

قوة دليل الوظيفة (FES): تجميع مرجح لثقة الاسترجاع. تقوم بحساب متوسط كتلة الاحتمالية المخصصة للفئة "الخبيثة" عبر جميع الوكلاء، مع قياسها بوزن التشابه للسياق المسترجع. هذا يمنع "التوافق المهلوس" حيث يتفق الوكلاء على حكم ما دون وجود دعم قوي بالأدلة.
درجة صراع الأدلة (ECS): تُعرف بأنها إنتروبيا شانون (Shannon entropy) للتوزيع التنبئي للمجموعة.
- درجة ECS منخفضة ( $\approx 0$ ) تشير إلى توافق عالٍ (تنبؤ مستقر).
- درجة ECS مرتفعة ( $\approx 1$ ) تشير إلى اختلاف كبير بين الوكلاء، مما يدل على غموض هيكلي، أو تشويه عدائي، أو مدخلات خارج نطاق التوزيع (OOD).

هـ. سياسة القرار ثلاثية الحالة

يستبدل MAGMA التصنيف الثنائي بسياسة ثلاثية الحالة:

خبيث (Malicious): FES مرتفع و ECS منخفض.
سليم (Benign): FES منخفض و ECS منخفض.
غير مؤكد (Uncertain - Reject): ECS مرتفع (يتجاوز العتبة $\tau_{stable}$ ).
يتم رفض المدخلات المصنفة كـ "غير مؤكدة" تلقائياً وتوجيهها للمراجعة من قبل محلل بشري، مما يمنع النظام من إصدار أحكام واثقة ولكن خاطئة.

3. المساهمات الرئيسية

بنية RAG ثنائية المسار: آلية مبتكرة تربط التجميع النحوي لـ Assembly والكود شبه البرمجي (Pseudo-code) في فضاء شعاعي مشترك، مما يرسخ الاستدلال في قاعدة معرفة من الوظائف الحرجة لاتخاذ القرار للحد من ضبابية الشبكة العصبية.
الإسناد القابل للقياس (FES): تقديم مقياس "قوة دليل الوظيفة"، الذي يزن تأثير السياقات المسترجعة، محولاً التنبؤات الصندوقية السوداء إلى سلاسل أدلة قابلة للتدقيق.
التوافق الذاتي العشوائي: نمذجة كشف البرمجيات الخبيثة كلعبة توافق احتمالي حيث تقوم مجموعة من الوكلاء (مع $T>0$ ) بتقييم الأدلة مقابل المعايير العدائية لإنتاج توزيع تنبئي محدود.
الرفض الرسمي عبر الإنتروبيا: تعريف "درجة صراع الأدلة" (ECS) كوسيط لحساسية الاضطرابات العدائية، مما يتيح سياسة "خيار الرفض" المبدئية التي توقف التصنيف عندما يكون عدم اليقين الإبستيمي مرتفعاً جداً.
التقييم الشامل: اختبار شامل ضد المتغيرات شديدة التعددية (Polymorphic) والأساليب المرجعية الراسخة (MalConv, ResNeXt+).

4. النتائج التجريبية

تم تقييم الإطار على مجموعة بيانات مكونة من 40,814 ملفاً ثنائياً (Wild-Augmented Benchmark)، مقسمة زمنياً لمنع انحياز النظر للمستقبل (Look-ahead bias).

أداء الكشف: حقق MAGMA درجة F1 بلغت 98.4%، متفوقاً على أقوى مرجع خارجي (ResNeXt+) بنسبة 1.3 نقطة مئوية وعلى MalConv بنسبة 4.2 نقطة مئوية.
تقليل الخطأ: أدى فرض سياسة الرفض الموجهة بالإنتروبيا إلى تحسن مطلق بنسبة 4.2% في دقة الكشف ضد محاولات التهرب، وانخفاض بنسبة 4.0% في معدل الإيجابيات الكاذبة (FPR) مقارنة بالنماذج التي لا تستخدم خيار الرفض.
دراسات الاستئصال (Ablation Studies):
- حقق التضمين ثنائي المسار وحده 95.8% F1، متفوقاً على MalConv.
- إضافة مجموعة الـ LLM ( $N=5$ ) وفرت زيادة إضافية قدرها +2.6 نقطة مئوية، مما يؤكد أن تنوع المجموعة يحل الحالات الحدية التي لا يستطيع الاسترجاع وحده حلها.
- أدى الاستدلال من نوع Zero-shot LLM (بدون RAG) إلى أداء ضعيف (79.6% F1)، مما يبرز ضرية الاسترجاء المعزز.
معايرة عدم اليقين: أظهرت العينات التي أخطأ التصنيف فيها قيم ECS أعلى بكثير ( $\sim 0.84$ ) مقارنة بالتنبؤات الصحيحة ( $\sim 0.13$ )، مما يثبت فعالية ECS كإشارة للرفض من خلال الإنسان في الحلقة (Human-in-the-loop).
زمن الاستجابة (Latency): يستغرق المسار الكامل في المتوسط ~42 ثانية لكل ملف ثنائي (بسبب استدلال الـ LLM)، مما يضع MAGMA كطبقة تحقق سحابية من "المستوى الثاني" (Tier-2) وليس كماسح لنقاط النهاية في الوقت الفعلي.

5. الأهمية والادعاءات

يزعم البحث أن MAGMA يعالج عدم التماثل الأساسي في الدفاع عن البرمجيات الخبيثة، حيث يجب على المدافعين حصر جميع المتغيرات الخبيثة بينما يحتاج المهاجمون فقط إلى مسار تهرب واحد ناجح. ومن خلال الانتقال من مطابقة الأنماط الحتمية إلى التحقق الاحتمالي، يقوم MAGMA صراحةً بقياس نقاط الضعف الخاصة بالنموذج.

تكمن الأهمية في قدرة النظام على:

تحديد الغموض الهيكلي: استخدام تعظيم الإنتروبيا للكشف عن المدخلات التي تعرضت لتشويه هيكلي بالقرب من حد القرار، حتى لو تم الحفاظ على الوظيفة الخبيثة.
منع الخطأ الواثق: رفض المدخلات الغامضة تلقائياً بدلاً من فرض قرار ثنائي، مما يقلل من خطر الأخطاء المؤتمتة الكارثية.
جسر الفجوة الدلالية: استخدام RAG لربط القدرة التمييزية للتضمينات بقدرات الاستدلال للنماذج اللغوية الكبيرة، وترسيخ التحليل في استخبارات التهديدات المتحقق منها بدلاً من الاستدلال الهلوسي من نوع Zero-shot.

يضع المؤلفون MAGMA ليس كبديل لمحركات مكافحة الفيروسات (AV) عالية الإنتاجية في نقاط النهاية، بل كـ طبقة تحقق من المستوى الثاني (Tier-2) للعينات التي تقع في "المنطقة الرمادية"، والتي تتهرب من فلاتر التوقيعات ولكنها تفتقر إلى المؤشرات السلوكية الحاسمة للتحليل الآلي في بيئات الرمل (Sandboxing).