← أحدث الأبحاث
🤖 AI

The Next Challenge for Agentic Cybersecurity: A Realistic, Contamination-Free Reverse Engineering Benchmark

تقدم هذه الورقة البحثية SRE-Bench، وهو أول معيار مرجعي واقعي وخالٍ من التلوث لتقييم قدرات الهندسة العكسية الوكيلية على الكود الثنائي، والذي يكشف أن حتى أقوى النماذج اللغوية الكبيرة الرائدة تعاني لمواكبة الأداء البشري بسبب التحديات الفريدة المتمثلة في تحليل الثنائيات غير المرئية والمحمية.

المؤلفون الأصليون: Jeremy Spence, Nicholas Assaderaghi, Jinhao Zhu, Nikil Ravi, Raluca Ada Popa, Guannan Wei, Yangruibo Ding, Zhuo Zhang

نُشر 2026-08-13
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Jeremy Spence, Nicholas Assaderaghi, Jinhao Zhu, Nikil Ravi, Raluca Ada Popa, Guannan Wei, Yangruibo Ding, Zhuo Zhang

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 محقق يحاول حل لغز ما. عادةً، عندما تحقق في جريمة، تتاح لك الفرصة لقراءة مذكرات المشتبه به، وملاحظاته المكتوبة بخط اليد، ورسائله الإلكترونية. هذا يشبه النظر إلى الشيفرة المصدرية (Source Code): وهي التعليمات الأصلية المكتوبة بلغة بشرية تخبر الحاسوب بما يجب فعله. ولكن في عالم الأمن السيبراني الحقيقي، لا يترك الأشرار مذكراتهم مكشوفة للعيان؛ بل يسلمونك صندوقاً مغلقاً ومختوماً دون أي تعليمات على خارجه. هذا هو الملف الثنائي (Binary): وهو ملف مكون من بايتات حاسوبية خام تبدو كأنها طلاسم بالنسبة للبشر. ولكي تفهم ما بداخل هذا الصندوق، عليك القيام بعملية الهندسة العكسية (Reverse Engineering) — أي تفكيك الصندوق قطعة قطعة، لتخمين كيفية عمل القفل وما هي المحتويات.

الآن، تخيل أننا صنعنا محققين أذكياء للغاية يعتمدون على الذكاء الاصطناعي (يُطلق عليهم اسم وكلاء الذكاء الاصطناعي - AI Agents)، وهم بارعون في قراءة تلك المذكرات؛ حيث يمكنهم رصد الأكاذيب وإيجاد الأدلة في النصوص بسرعة تفوق البشر. ولكن هل يستطيع هؤلاء المحققون الرقميون كسر الصناديق المغلقة؟ هذا هو السؤال الجوهري. إذا كان بإمكان الذكاء الاصطناعي قراءة المذكرات فقط ولكنه لا يستطيع فتح الصندوق، فهو ليس بطلاً حقيقياً في الأمن السيبراني. نحن بحاجة لمعرفة ما إذا كان بإمكان هؤلاء المحققين الرقميين القيام بالعمل الشاق المتمثل في الهندسة العكسية، أم أنهم يعتمدون فقط على الأنماط التي رأوها في البيانات التي تدربوا عليها.

تقدم هذه الورقة البحثية اختباراً جديداً كلياً وشديد الصعوبة يسمى SRE-Bench لمعرفة ذلك. قام الباحثون ببناء 19 برنامجاً جديداً وسرياً بالكامل من الصفر — كأنهم يصنعون 19 لعبة فيديو معقدة أو نظاماً أمنياً فريداً لم يسبق لأي ذكاء اصطناعي رؤيته من قبل. ثم قاموا بتأمين هذه البرامج باستخدام 44 نوعاً مختلفاً من الحراس الأمنيين عالي التقنية (تقنيات التمويه - Obfuscation) لجعل كسرها أمراً في غاية الصعوبة. لقد اختبروا خمسة من أذكى نماذج الذكاء الاصطناعي في العالم ضد هذه الصناديق المغلقة، بما في ذلك نسخ مستقبلية مثل GPT-5.6-sol و Claude-Opus-5 من تقييم عام 2026.

كانت النتائج بمثابة جرس إنذار. فحتى أقوى ذكاء اصطناعي في هذه الدراسة، وهو GPT-5.6-sol، تمكن من حل حوالي 31.5% فقط من الحالات بشكل كامل (حيث حقق درجة مثالية في 80 حالة من أصل 262 حالة). أما النماذج الأخرى فكان أداؤها أسوأ بكول، حيث فشلت بعضها في حل حالة واحدة. وجدت الدراسة أن وكلاء الذكاء الاصطناعي يتصرفون بشكل مختلف تماماً عن الخبراء البشر؛ فبينما يعاني البشر مع أمور مثل "تحسين الكود" (Code Optimization) — الذي يجعل الكود فعالاً ولكنه غير منظم — لم تلاحظ نماذج الذكاء الاصطناعي تلك العقبات تقريباً. بدلاً من ذلك، اعتمد الذكاء الاصطناعي بشكل كبير على رؤية الأسماء والتسميات داخل الكود؛ وعندما قام الباحثون بإزالة تلك الأسماء، انهار أداء الذكاء الاصطناعي. والأهم من ذلك، تثبت الدراسة أن كون النموذج بارعاً في قراءة الشيفرة المصدرية لا يعني بالضرورة أنه بارع في كسر الملفات الثنائية. يظل "الصندوق المغلق" تحدياً ضخماً وغير محلول، ويعد SRE-Bench أول اختبار واقعي وعادل لقياس مدى قربنا من حل هذه المعضلة.

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.AI →