← أحدث الأبحاث
💻 computer science

CyberLLM: A Multi-Agent LLM Framework for Autonomous Detection and Guarded Response in Automotive Cybersecurity

تقدم هذه الورقة CyberLLM، وهو إطار عمل متعدد الوكلاء يجمع بين التحليل الحتمي والاستنتاج القائم على النماذج اللغوية الكبيرة (LLM) وضوابط السلامة الرسمية للكشف ذاتياً عن الثغرات الأمنية السيبرانية في قطاع السيارات ومعالجتها، مع ضمان عدم وجود أي نتائج إيجابية كاذبة والحفاظ على إشراف بشري صارم.

المؤلفون الأصليون: Nenad Petrovic, Oussama Jeddou, Feres Ben Fraj, Vahid Zolfaghari, Fengjunjie Pan, Andre Schamschurko, Alois Knoll

نُشر 2026-08-10
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Nenad Petrovic, Oussama Jeddou, Feres Ben Fraj, Vahid Zolfaghari, Fengjunjie Pan, Andre Schamschurko, Alois Knoll

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 السيارة الحديثة ليس مجرد آلة بمحرك، بل كحاسوب خارق متحرك. هذا هو عالم "المركبات المحددة بالبرمجيات"، حيث يتم التحكم في مكابح سيارتك، وتوجيهها، ونظام الترفيه فيها، جميعها بواسطة أسطر من الكود البرمجي التي يمكن تحديثها عبر الهواء، تماماً مثل تطبيق على هاتفك. وبينما يجعل هذا السيارات أكثر ذكاءً وقابلية للتخصيص، فإنه يحولها أيضاً إلى أهداف للمخترقين. فإذا تمكن طرف سيئ من تمرير فيروس داخل ذلك الكود، فقد يتمكن نظرياً من السيطرة على المركبة. السؤال الكبير الذي يطرحه العلماء هو: كيف نبني نظام أمان ذكياً بما يكفي للعثور على هذه الفخاخ الرقمية المخفية من تلقاء نفسه، ولكنه حذر بما يكفي لكي لا يكسر السيارة عن طريق الخطأ أثناء محاولته إصلاحها؟ هذه هي الرقصة الدقيقة بين "الاستقلالية" (ترك الكمبيوتر يتصرف) و"السلامة" (التأكد من أنه لا يفعل أي شيء خطير).

هنا يأيد CyberLLM، وهو إطار عمل جديد صممه باحثون في جامعة ميونيخ التقنية لحل هذه المشكلة تحديداً. فكر فيه كفريق من الحراس الرقميين لسيارتك، حيث تُشحن "الأدمغة" بواسطة النماذج اللغوية الكبيرة (LLMs) — وهي نفس نوع الذكاء الاصطناعي الذي يمكنه كتابة القصص أو الدردشة معك. ولكن إليك المفاجأة: هؤلاء الوكلاء من الذكاء الاصطناعي غير مسموح لهم بالتحرك بجموح. لقد بنى الباحثون "غلاف سلامة" حولهم، وهو مجموعة صارمة من القواعد تعمل مثل حارس الأمن عند الملهى الليلي. يمكن للذكاء الاصطناعي رصد المشكلات واقتراح الإصلاحات، ولكن يجب على حارس أمن منفصل وغير قابل للتزعزع الموافقة على كل حركة قبل حدوثها.

يختبر البحث هذا النظام على مجموعة واقعية من تسعة نماذج برمجية للسيارات مكتوبة بلغات C و C++ و Rust، والتي زُرعت سراً بـ 47 نوعاً مختلفاً من الثغرات (مثل الأبواب الخلفية المخفية أو الأخطاء المنطقية). والنتائج واعدة للغاية. يستخدم النظام عملية استقصائية من خطوتين؛ أولاً، يعمل "الطبقة الحتمية" كماسح ضوئي فائق السرعة يتبع القواعد للتحقق من الأنماط السيئة المعروفة. هذه الطبقة وحدها كشفت عن 34% من الأخطاء بدقة مثالية (صفر إنذارات خاطئة). ثم يتدخل خطوة الذكاء الاصطناعي لصقل عملية البحث. ومن خلال الجمع بين منطق الذكاء الاصطناعي والقواعد الصارمة، تمكن النظام من العثور على حوالي 70% من إجمالي الثغرات. والأهم من ذلك، أنه حتى مع مساعدة الذكاء الاصطناعي، حافظ النظام على دقة بنسبة 100% في الكود النظيف، مما يعني أنه لم يصنف أي أجزاء آمنة من السيارة على أنها خطيرة.

كما بنى الباحثون "خط هجوم متماثل"، وهو يشبه ساحة تدريب يحاول فيها فريق أحمر من مخترقي الذكاء الاصطدي يحاول كسر السيارة باستخدام نفس السيناريوهات التي يحاول المدافعون حمايتها. وهذا يسمح لهم باختبار كلا الجانبين من المعركة على أرض متطابقة. تشير الدراسة إلى أنه بينما يمكن لوكلاء الذكاء الاصطناعي أن يكونوا مفيدين للغاية في رصد المشكلات الأمنية المعقدة التي تغفل عنها الأدوات التقليدية، إلا أنه يجب تغليفهم بنظام سلامة صارم وقابل للتدقيق ليتم الوثوق بهم في البيئات الحرجة للسلامة في العالم الحقيقي مثل السيارات. لا تدعي الورقة البحثية أن هذه مشكلة محلولة أو حل سحري؛ بل توضح أنه مع وجود الحواجز الوقائية الصحيحة، يمكن للذكاء الاصطناعي مضاعفة معدل اكتشاف العيوب الأمنية دون المساس بسلامة المركبة أبداً.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →