CTIFoundry: An Agent-Native Corpus Scaffold for Cyber Threat Intelligence
تقدم هذه الورقة CTIFoundry، وهو هيكل مرجعي (scaffold) أصيل للوكلاء (agent-native) يعمل على تجسيد البنية الكامنة لاستخبارات التهديدات السيبرانية من خلال رسم بياني أنطولوجي حتمي وتقارير مرتكزة على الامتدادات (span-grounded)، مما يعزز بشكل كبير أداء وكفاءة التحقيق الوكيل مقارنة بالركائز الاسترجاعية المسطحة التقليدية.
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
في العالم الرقمي، يبحث خبراء الأمن باستمرار عن أدلة حول من يهاجمهم وكيفية القيام بذلك. هذا العمل، المعروف باسم استخبارات التهديدات السيبرانية، يعتمد على مجموعات ضخمة من التقارير التي تكتبها شركات ومنظمات مختلفة. لسنوات، كانت الطريقة القياسية لاستخدام هذه التقارب مع الذكاء الاصطناعي هي التعامل معها كأنها مكتبة من الكتب غير المنظمة. عندما يطرح برنامج كمبيوتر سؤالاً، يبحث النظام عن الكلمات الأكثر تشابهاً في النص ويستخرج بضع صفحات. تعمل هذه الطريقة بشكل جيد للأسئلة البسيطة، لكنها تعاني عندما تتطلب عملية التحقيق ربط النقاط عبر مستندات مختلفة. فقد يُطلق على مجموعة واحدة من القراصنة ثلاثة أسماء مختلفة في ثلاثة تقارير مختلفة، وغالباً ما تكون السجلات الرسمية التي تربط ثغرة برمجية معينة بأسلوب هجوم معروف مدفونة في أعماق فقرات طويلة. إذا لم يستطع الكمبيوتر رؤية هذه الروابط الخفية، فلن يتمكن من حل اللغز، بغض النظر عن مدى ذكاء برنامج الذكاء الاصطناعي.
اكتشف فريق من الباحثين أن المشكلة ليست في ذكاء الكمبيوتر، بل في طريقة تخزين المعلومات. لقد بنوا نظاماً جديداً يسمى CTIFoundry، والذي يعمل كإطار عمل متخصص لتنظيم هذه التقارير الأمنية قبل أن يحاول الكمبيوتر قراءتها. وبدلاً من ترك البيانات كفوضى من النصوص، يقوم النظام أولاً ببناء خريطة واضحة للحقائق. فهو يأخذ السجلات الرسمية من أربع قواعد بيانات أمنية رئيسية ويربطها بخطوط دقيقة، موضحاً بالضبط أي ضعف برمجِي يؤدي إلى أي نمط هجوم. ثم يقرأ تقارير الشركات المبعثرة ويجد الجمل المحددة التي تذكر هذه المجموعات أو الثغرات المعروفة، ويقوم بوسمها بموقعها الدقيق في النص الأصلي. هذه العملية تحول كومة مسطحة من المستندات إلى شبكة مهيكلة حيث يعرف كل جزء من المعلومات جيرانه ومصدره.
اختبر الباحثون هذا النظام الجديد من خلال إعطاء نفس وكيل الذكاء الاصطناعي طريقتين مختلفتين للوصول إلى نفس المجموعة من البيانات الأمنية. في سيناريو واحد، استخدم الوكيل الطريقة القديمة غير المنظمة. وفي السيناريو الآخر، استخدم الخريطة الجديدة المهيكلة. كانت النتائج مذهلة؛ فعندما استخدم الوكيل النظام الجديد، قفزت قدرته على الإجابة على الأسئلة بشكل صحيح بشكل كبير، حتى عندما استخدم الباحثون نموذج كمبيوتر أصغر وأقل قوة. في الواقع، تفوق النموذج الأصغر الذي يستخدم الخريطة الجديدة على النموذج الأكثر قوة الذي يستخدم كومة النصوص القديمة غير المنظمة. لم يكن التحسن بسبب بحث الكمبيوتر بجهد أكبر أو قراءته لمزيد من الصفحات، بل على العكس من ذلك، وجد الوكيل الذي يستخدم النظام الجديد الإجابات الصحيحة بينما قام بنصف عدد المحاولات تقريباً للبحث عن المعلومات. لقد كان لديه ببساطة مسار أفضل ليتبعه.
كما كشفت الدراسة عن سبب فشل الطريقة القديمة في كثير من الأحيان. فبدون الخريطة المبنية مسبقاً، كان الكمبيوتر غالباً ما يتوه في النص، باحثاً عن كلمات متشابهة تؤدي إلى نهايات مسدودة أو نتائج مربكة. وكان يفوت الروابط الرسمية التي كتبها الخبراء بالفعل لأن تلك الروابط كانت مخفية داخل جمل طويلة. يجبر النظام الجديد الكمبيوتر على اتباع الاتصالات الرسمية أولاً، ومعاملة النص كمصدر ثانوي للتفاصيل بدلاً من كونه الدليل الأساسي. أثبت هذا النهج فعاليته الكبيرة، حيث وجد الباحثون أن هيكل البيانات كان أكثر أهمية من القوة الخام لنموذج الكمبيوتر نفسه. لقد تفوق نموذج صغير بخريطة واضحة على نموذج ضخم ببيانات فوضوية.
ولضمان موثوقية النظام، بناه الباحثون بقواعد صارمة تمنعه من اختراع أي حقائق. كان يجب أن يأتي كل رابط في الخريطة من سجل رسمي، وكل نص يسحبه النظام من تقرير يجب أن يشير إلى المكان المحدد في المستند الأصلي حيث وُجد. وهذا يعني أن الكمبيوتر لا يمكنه اختلاق الأشياء أو التخمين في الإجابات. كما تضمن النظام مجموعة من التعليمات البسيطة، أو العادات، التي يجب على الكمبيوتر اتباعها، مثل التحقق من الخريطة الرسمية قبل البحث عن كلمات متشابهة. هذه العادات، جنباً إلى جنب مع الخريطة الواضحة، خلقت تأثيراً تراكمياً فائقاً، مما يعني أن الجزأين يعملان معاً بشكل أفضل مما لو كانا منفصلين.
كانت تكلفة بناء هذا النظام منخفضة بشكل مفاجئ، حيث تطلبت فقط قدراً صغيرا من قدرة الحوسبة لمعالجة البيانات الأولية. وبمجرد بنائه، سمح النظام للكمبيوتر بحل التحقيقات المعقدة مقابل حوالي سنتين لكل سؤال. وخلص الباحثون إلى أنه في المجالات التي تكون فيها المعلومات مهيكلة للغاية وتعتمد على روابط رسمية، فإن العائق الأكبر ليس ذكاء وكيل الذماء الاصطناعي، بل جودة البيانات التي تُقدم له. ومن خلال تنظيم البيانات في شكل يمكن للوكيل فهمه واجتيازه بشكل طبيعي، جعل النظام عملية التحقيق أسرع، وأرخص، وأكثر دقة. ويشير هذا العمل إلى أنه في المستقبل، قد لا يكون السبيل الأكثر فعالية لتحسين الذكاء الاصطناعي في المجالات المتخصصة هو بناء عقول أذكى، بل بناء مكتبات أفضل لتقرأ منها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.