ASSEMBLAGE-DEEPHISTORY: A Cross-Build Binary Dataset with Temporal Coverage
تقدم الورقة البحثية ASSEMBLAGE-DEEPHISTORY، وهي مجموعة بيانات ثنائية شاملة متعددة البناء تحتوي على 73,610 ملفاً ثنائياً من 248 مشروعاً مفتوح المصدر توحد سياق التجميع، والشيفرة المصدرية، وتسميات الثغرات الأمنية (CVE) عبر المترجمات، ومستويات التحسين، والزمن، مما يتيح تحليلات جديدة للكشف عن الثغرات الأمنية في الملفات الثنائية والتشابه بينها.
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 تحاول تعليم روبوت كيفية رصد نوع معين من الأقفال المكسورة في مليون باب مختلف.
في عالم الأمن السيبراني، كان الباحثون يصارعون مشكلة: لديهم مجموعات بيانات لـ "الأبواب" (البرامج)، لكن هذه المجموعات غير مكتملة. بعض مجموعات البيانات تظهر أبواباً صُنعت في مصانع مختلفة (المترجمات/Compilers) ولكن لسنة واحدة محددة فقط. وأخرى تظهر أبواباً من سنوات مختلفة ولكنها صُنعت بمصنع واحد فقط. لا توجد أي منها تظهر لك نفس تصميم الباب، مبنيّاً بمصانع مختلفة، عبر سنوات عديدة، مع إخبارك بدقة أي منها يحتوي على قفل مكسور (ثغرة أمنية).
تقدم هذه الورقة البحثية ASSEMBLAGE-DEEPHISTORY، وهي مجموعة بيانات ضخمة وجديدة تربط أخيراً كل هذه النقاط ببعضها. فكر فيها كأنها "متحف للأبواب المسافرة عبر الزمن".
"متحف الأبواب المسافرة عبر الزمن"
جمع الباحثون 73,610 نسخة مختلفة من "أبواب" البرمجيات من 248 مشروعاً مفتوح المصدر.
- التنوع: لم يبنوا هذه الأبواب بطريقة واحدة فحسب. لقد بنوا نفس الكود المصدري باستخدام أدوات مختلفة (GCC، Cl Clang، MSVC)، وعلى أنظمة تشغيل مختلفة (ويندوز ولينكس)، وبإعدادات مختلفة (مستويات التحسين/Optimization).
- آلة الزمن: لم يكتفوا بأخذ لقطة لليوم فقط. بل عادوا بالزمن إلى الوراء، وجمعوا نسخاً من هذه المشاريع تمتد لأكثر من عامين للعديد منها.
- الخريطة: كل باب في هذا المتحف مرتبط بمخططه الأصلي (الكود المصدري)، وتاريخ تغيراته، وقائمة محددة من "الأقفال المكسورة" (CVEs) التي وُجدت فيها.
لماذا هذا مهم: "اختبار الروبوت"
استخدم المؤلفون هذا المتحف لاختبار ثلاث أفكار كبرى، وكأنهم معلم يعطي طالباً امتحاناً صعباً للغاية.
1. اختبار "مطابقة الأنماط" مقابل "الفهم الحقيقي"
طلبوا من النماذج اللغوية الكبيرة (روبوتات الذكاء الاصطناعي) العثور على الأقفال المكسورة.
- الفخ: إذا قام الذكاء الاصطناعي بمجرد حفظ شكل القفل المكسور في مصنع واحد محدد، فسيفشل عندما يتم بناء الباب بواسطة مصنع آخر.
- النتيجة: كانت نماذج الذكاء الاصطناعي جيدة بشكل مفاجئ في العثور على الأقفال المكسورة عندما كان لديها وصف للمشكلة. ومع ذلك، عندما كان عليها النظر إلى "الباب" الخام (الملف الثنائي المترجم/Compiled Binary) دون وصف، واجهت صعوبة. وهذا يشير إلى أنه بينما يتحسن الذكاء الاصطناعي، فإنه يعتمد أحياناً على أدلة سطحية بدلاً من الفهم العميق لميكانيكا الكود.
2. اختبار "بصمة الإصبع"
حاول الباحثون معرفة ما إذا كان بإمكانهم معرفة الأبواب التي تنتمي لنفس العائلة بمجرد النظر إلى "بصمات أصابعها" (التواقيع الرقمية).
- جربوا ثلاث طرق مختلفة لأخذ البصمات: واحدة تنظر إلى شكل الباب بالكامل، وواحدة تنظر إلى الأسلاك الداخلية، وواحدة تنظر إلى الغبار على السطح.
- النتيجة: كانت طريقة "الغبار" (المسماة TLSH) هي الأفضل في تجميع الأبواب من نفس العائلة معاً. أما الطرق الأخرى فقد ارتبكت لأن المصانع المختلفة جعلت الأبواب تبدو مختلفة تماماً، رغم أنها تحمل نفس التصميم.
3. اختبار "الزمن والتغيير"
أرادوا معرفة: ما الذي يجعل نسختين من نفس الباب تبدوان مختلفتين؟ هل هو مجرد مرور الوقت؟ هل هو عدد التغييرات التي طرأت؟ أم هي الملفات المحددة التي تم استبدالها؟
- باستخدام نموذج رياضي خاص، قاموا بتحليل الاختلافات. ووجدوا أن عدد الملفات التي تغيرت كان العامل الأكبر في جعل الأبواب تبدو مختلفة. ومن المثير للاهتمام أن مجرد مرور الوقت (الأيام التقويمية) لم يكن مهماً بقدر العمل الفعلي الذي أُنجز على الكود.
الخلاصة
هذه الورقة البحثية لا تقدم لنا مجرد كومة أكبر من البيانات؛ بل تقدم لنا مكتبة منظمة حيث كل قطعة برمجية مرتبطة بتاريخها، وصُنّاعها، وعيوبها.
الدرس الرئيسي المستفاد هو أن البرمجيات فوضوية. فالثغرة الأمنية (القفل المكسور) تظل كما هي في المخطط، ولكن بمجرد بنائها في باب بواسطة مصانع مختلفة، فإن شكلها يتغير تماماً. لفهم الأمن حقاً، نحتاج إلى دراسة هذه الاختلافات معاً، وليس بمعزل عن بعضها البعض. هذه المجموعة الجديدة من البيانات هي أول أداة تسمح للباحثين بفعل ذلك بالضبط.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.