AgenticRepair: Multi-Faceted Program Context Engineering for Agentic Vulnerability Repair
يُعد AgenticRepair إطار عمل متعدد الوكلاء يعمل على تحسين معدلات نجاح إصلاح الثغرات الأمنية المؤتمتة بشكل كبير لتصل إلى 73% من خلال هندسة ودمج ثلاثة جوانب حاسمة تم التغافل عنها سابقاً في سياق البرنامج، وهي: بنية الكود، والتنفيذ وقت التشغيل، وسجل الالتزامات، ضمن عملية الإصلاح.
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 الإنترنت كمدينة ضخمة وصاخبة مبنية بالكامل من الأكواد البرمجية. في هذه المدينة، تمثل البرمجيات البنية التحتية — الجسور، وإشارات المرور، وشبكات الطاقة — التي تبقي كل شيء قيد التشغيل. ولكن أحياناً، قد تحتوي المخططات الهندسية لهذه الهياكل على شقوق صغيرة غير مرئية. هذه هي "الثغرات الأمنية"، وهي على عكس حفرة في الطريق تعيق حركة السيارة فحسب، يمكن لشق في الكود أن يسمح للصوص بالتسلل، أو سرقة البيانات، أو إيقاف المدينة بأكملها. لعقود من الزمن، كان إصلاح هذه الشقوق وظيفة لمهندسي أمن النخبة. إنهم يعملون مثل "المحققين الجراحين"، حيث يبحثون يدوياً عبر جبال من الأكواد، ويجرون اختبارات خاصة لمعرفة أين ينهار المبنى، ويفحصون السجلات القديمة لمعرفة كيف حدث الخطأ في المقام الأول. إنها عملية بطيئة، مرهقة، وغالباً ما تستغرق شهوراً لإصلاح ثغرة واحدة.
مؤخراً، بدأ العلماء في تعليم الحواسيب كيف تعمل مثل هؤلاء "المحققين الجراحين". إنهم يستخدمون "وكلاء الذكاء الاصطناعي" (AI agents) — وهي برامج ذكية قادرة على قراءة الكود، وتشغيل الاختبارات، وحتى إعادة كتابة الملفات من تلقاء نفسها. فكر في هؤلاء الوكلاء كمتدربين مبتدئين يمكنهم العمل بسرعة أكبر من أي بشري، لكنهم غالباً ما يفتقدون إلى الإشارات الدقيقة التي قد يلاحظها الخبير البشري. قد يصلحون خطأً مطبعياً، لكنهم قد يغفلون عن حقيقة أن المبنى بأكره قائم على أرض هشة. السؤال الكبير الذي يطرحه الباحثون هو: كيف نعلم هؤلاء المتدربين من الذكاء الاصطناعي أن يفكروا مثل أفضل الخبراء البشر؟ كيف نمنحهم "الأدوات" و"المعرفة الخلفية" الصحيحة حتى لا يكتفوا بالتخمين، بل يفهمون فعلياً الأسباب العميقة والمعقدة لوجود ثغرة أمنية؟
هنا يأتي دور دراسة جديدة تسمى AgenticRepair. قرر الباحثون، وهم فريق من جامعات في أستراليا، أن المشكلة لم تكن في أن الذكاء الاصطناعي ليس ذكياً بما يكفي، بل في أنه لم يتم تزويده بـ "السياق" المناسب. تخيل أنك تحاول إصلاح صنبور ماء يسرب دون أن تعرف ما إذا كان ضغط الماء مرتفعاً جداً، أو ما إذا كانت الأنابيب صدئة، أو ما إذا كان السباك الذي ركبه قد استخدم قطع غيار خاطئة. لقد بنى الفريق نظاماً جديداً يعمل مثل فريق تحقيق فائق القدرة. فبدلاً من محاولة وكيل ذكاء اصطناعي واحد القيام بكل شيء، أنشأوا فرقة من ثلاثة "وكلاء ذكاء اصطناعي مصغرين" متخصصين يعملون معاً لجمع ثلاثة أنواع محددة من الأدلة قبل أن يبدأ وكيل الإصلاح الرئيسي في العمل.
أولاً، ينظر "وكيل الهيكل" (Structure Agent) إلى كيفية بناء الكود، مثل مهندس معماري يفحص المخططات ليرى ما إذا كان هناك أنبوبان يتشاركان نفس المساة بطريقة لا ينبغي أن تحدث. ثانياً، يعمل "وكيل وقت التشغيل" (Runtime Agent) مثل دمية اختبار التصادم، حيث يقوم بتشغيل البرنامج فعلياً ليرى بالضبط أين وكيف يتعطل، متتبعاً الذاكرة مثل محقق يتبع أثر فتات الخبز. ثالثاً، يقوم "وكيل التاريخ" (History Agent) بالبحث في سجلات المشروع القديمة، مثل مؤرخ يقرأ مذكرات البنائين الأصليين لمعرفة متى ولماذا تم إدخال تصميم هش.
بمجرد أن يجمع هؤلاء الوكلاء الثلاثة أدلتهم، يسلمونها إلى "وكيل الإصلاح" الرابع. هذا الوكيل يمتلك كل المعلومات التي يحتاجها لكتابة إصلاح مثالي. اختبر الفريق هذا النظام في تحدٍ ضخم يسمى SEC-Bench، والذي يحتوي على 300 ثغرة أمنية من مشاريع برمجية شهيرة. كانت النتائج مبهرة: نجح نظام AgenticRepair في إصلاح 73% من الثغرات (220 من أصل 300). وهذه قفزة هائلة مقارنة بأفضل طرق الذكاء الاصطناعي السابقة، والتي نجحت فقط في إصلاح حوالي 34%.
والأمر الأكثر روعة هو أن النظام لم ينجح بمحض الصدفة. فقد أجرى الباحثون تجارب لمعرفة ما الذي جعله يعمل بهذا الشكل الجيد. ووجدوا أن أنواع الأدلة الثلاثة (الهيكل، وقت التشغيل، والتاريخ) تشبه "كرسي ذو ثلاث أرجل"؛ إذا أزلت واحداً منها، سيتمايل الكرسي، ولكن إذا احتفظت بالثلاثة معاً، سيكون ثابتاً كالصخر. كما اكتشفوا أن وجود فريق من الوكلاء المتخصصين كان أفضل بكثير من محاولة جعل وكيل ذكاء اصطناعي واحد يقوم بكل شيء بمفرده. في الواقع، عندما حاولوا تشغيل العملية بأكملها باستخدام وكيل واحد، انخفض معدل النجاح إلى النصف تقريباً.
تشير الدراسة إلى أن السر في إصلاح الثغرات الأمنية المعقدة ليس مجرد جعل الذكاء الاصطناعي أكثر ذكاءً؛ بل يتعلق بهندسة "السياق" الذي يراه. فمن خلال منح الذكاء الاصطناعي نفس النوع من الفهم العميق والمتعدد الطبقات الذي يستخدمه مهندسو الأمن البشر، يمكن للنظام حل مشكلات كانت تعتبر سابقاً أصعب من أن تعالجها الآلات. ورغم أن النظام ليس مثالياً بعد — فلا يزال يعاني في حوالي 27% من الحالات، غالباً لأن الإصلاحات التي ينتجها تكون فوضوية للغاية أو لا تتناسب تماماً مع القواعد — إلا أنه يثبت أن النهج القائم على الفريق مع السياق المتخصص هو استراتيجية رابحة. إنه تذكير بأنه في عالم الأمن السيبراني عالي المخاطر، فإن أفضل إصلاح يأتي من فهم القصة بأكملها، وليس فقط الجزء المكسور.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.