أطلقت OpenAI GPT-6 Cyber، وولّدت 948 استغلالًا لرفع الصلاحيات في لينكس

أطلقت OpenAI نموذجًا متخصصًا في الأمن السيبراني يُسمى GPT-6 Cyber، موجهًا لاكتشاف الثغرات، والتحقق من استغلالها، واختبار الاختراق، وتطوير التصحيحات. حقق النموذج 48.5٪ على منصة ExploitGym، بزيادة نسبية تبلغ حوالي 51٪ مقارنة بـ GPT-5.6 Cyber الذي حقق 32.1٪؛ وفي دراسة واحدة لنموذج نواة Linux، حلّلت أنبوبية العامل 2308 مشكلة محتملة، وأعادت توليد ديناميكيًا 1724 ثغرة، وولّدت استغلالات محلية قابلة للتنفيذ فعليًا لـ 948 منها، بتكلفة API تبلغ حوالي 1.21 مليون دولار أمريكي. كما اكتشف النموذج 81 ثغرة خطيرة لم تُكتشف من قبل في Firefox بعد فحصه عبر عدة أجيال من النماذج المتقدمة. ومع ذلك، فإن وصف "حرجة" يشير إلى أن قدرة الهجوم تصل إلى أعلى مستوى في إطار أمان OpenAI، ولا يعني أن النموذج يتمتع بموثوقية مثالية: في التقييمات الخارجية، لم يتفوق على النموذج العام GPT-6 Astra في بعض مهام الثغرات الحقيقية في البرمجيات والأجهزة، ولم يخترق أي هدف مُعزز بالكامل. حاليًا، يُتاح GPT-6 Cyber فقط لعدد محدود من عملاء Daybreak Red المعتمدين، مع تضمين مصادقة، قائمة بيضاء للعناوين IP، بيئة معزولة، مراقبة السلوك، وقيود على البنية التحتية الحيوية.

كاتب المقال، المصدر: OpenAI

GPT‑6 Cyber هو نموذج متخصص في الأمن السيبراني تم تدريبه بناءً على GPT‑6 Astra. تشمل مهام التدريب إعادة إنتاج تعطل البرامج، والبحث عن ثغرات في مكتبات كود كبيرة، وكتابة استغلالات قابلة للتنفيذ، والتحقق من مشاكل الأمان وإصلاحها.

بالمقارنة مع النماذج العامة، فإنه يقلل من رفض طلبات البحث الأمني المصرح بها، ويستمر في تغيير الاستراتيجية بعد فشل نوع معين من الهجمات. في الوقت نفسه، تم إدخال إشارات تشمل الالتزام بحدود الهدف، وتجنب توسيع الصلاحيات دون إذن، وتقديم تقارير دقيقة عن الفشل، وتقليل "استغلال الثغرات في المكافآت".

لذلك، فهو لا يوجه إلى المستخدمين العاديين الذين يسألون "هل هذا الكود آمن؟"، بل إلى عمل وكيل يستمر لساعات أو حتى أطول: قراءة مكتبات كود كبيرة، وتحديد المسارات المشبوهة، وتشغيل بيئات معزولة، وتفعيل الثغرات، وتكوين أصغر إعادة إنتاج، وتطوير استغلال كامل، وإنشاء تصحيحات بديلة.

صنفت OpenAI قدراتها الشبكية على أنها "حرجة" في إطار الجاهزية، بينما كانت النسخة السابقة GPT‑5.6 Cyber على مستوى "مرتفع". هنا، "حرجة" هي مستوى قدرة، وليست تقييمًا للحوادث، ولا تعني أن سلوك النموذج دائمًا خطر أو خارج عن السيطرة تمامًا. بل تعني أن النموذج يمتلك بالفعل قدرات هجومية ودفاعية شبكية تتطلب أعلى مستويات الحماية عند النشر في بعض المهام.

في ExploitGym، يجب على النموذج إنجاز استغلال هدف عن بُعد محدد. حصل GPT‑6 Cyber على 48.5٪، بينما حصل GPT‑5.6 Cyber على 32.1٪، بزيادة مطلقة قدرها حوالي 16.4 نقطة مئوية، وزيادة نسبية تقارب 51٪.

تتطلب تقييم اختراق صفحة ويب بدون كود مصدري النموذج أن يكتشف تطبيقات الويب كما يفعل المهاجم الخارجي. استعاد GPT‑6 Cyber 40.3% من الثغرات، بينما استعاد GPT‑6 Astra 32.0%.

يضع RemoteExploitBench برامج ذات ثغرات معروفة مثل GitLab و PostgreSQL و Jenkins في بيئة خاضعة للرقابة. رفض GPT‑6 Astra جميع المهام بسبب سياسات الأمان؛ أنجز GPT‑6 Cyber 95%، وكانت الفشل الوحيد هو عدم القدرة على جعل استغلال واحد يعمل بشكل صحيح على هدف بعيد.

تشير هذه المقارنة أيضًا إلى أحد التحديات في تقييم النماذج الشبكية: فقد تأتي الدرجات الأعلى إما من قدرات أساسية أقوى أو من رفض أمني أقل. عند مقارنة نموذجين، يجب مراقبة ما إذا كان كلا النموذجين قد حصلا على نفس الصلاحيات، واستخدمتا نفس عبارات التوجيه، وما إذا كان نظام الأمان يسمح للنموذج بتنفيذ خطوات الهجوم فعليًا.

The most interesting experiment was not the leaderboard, but a self-contained security research pipeline for the Linux kernel.

في المرحلة الأولى، قام عميل Scout بتصفح نواة Linux للبحث عن مناطق من الكود يمكن للمستخدمين ذوي الصلاحيات المنخفضة الوصول إليها، وذات قيمة أمنية. وقام باختيار 5034 هدفًا للمراجعة من حوالي 2.8 مليون سطر من الكود، أي ما يقارب 7٪ من كود النواة.

بعد ذلك، قام عامل التحليل بتحليل هذه الأهداف بشكل أعمق، وجمع 2308 سؤالًا مرشحًا مُستبعدًا من التكرار خلال 12 ساعة. ثم تولى العامل التالي مهام إعادة إنتاج الديناميكية في بيئة افتراضية، وتقييم التأثير الأمني، وإنشاء أمثلة توقفية دنيا، ومحاولة تحويل الثغرة إلى هجوم قابل للتنفيذ فعليًا.

في النهاية، أعادت الأنابيب الديناميكية توليد 1724 ثغرة، وولّدت 291 إثبات مفهوم للتسريبات المعلوماتية، و948 استغلالات لرفع الصلاحيات تسمح للمستخدمين المحليين العاديين بالحصول على صلاحيات root. ولمعالجة هذه المشكلات، أنتج النظام أيضًا تحليلات لأسباب الجذور وتصحيحات محتملة لفحصها من قبل الباحثين البشريين ومحرري لينكس.

استهلك التشغيل بالكامل حوالي 1.213 مليون دولار من رصيد API، بمتوسط حوالي 1279 دولارًا لكل استغلال فريد. كما قارنت OpenAI احتماليًا 948 استغلالًا مع مكافآت الثغرات السابقة، وقَدَّرت قيمتها المحتملة بين 18.9 مليون و66.3 مليون دولار. لكن هذا مجرد تحويل نظري بناءً على مكافآت سابقة، ولا يعني أن هذه الثغرات حصلت على نفس المكافآت، ولا أن جميع التقارير سيتم اعتبارها ثغرات مستقلة وخطيرة من قبل المطورين.

قامت خطوة الإنتاج بتكوين 1169 استغلال محلي للترقية قابلة للتنفيذ، لكن بعد إجراء تحليل للتنوعات، دمج الباحثون عدة استغلالات ناتجة عن نفس المشكلة الأساسية، مما أدى إلى تشكيل 948 تصحيحًا مستقلًا. لذلك، تستخدم OpenAI الرقم 948 كعدد الثغرات المستقلة.

تمت هذه الماسح على آلة افتراضية سطح مكتب قياسية على توزيعة Linux شائعة، وليست بيئة اختبار مُضعفة عمداً. ومع ذلك، فإن ارتفاع الصلاحيات المحلية يعني أن المهاجم عادةً ما يمتلك بالفعل حسابًا ذا صلاحيات منخفضة أو نقطة دخول لتنفيذ التعليمات البرمجية، ولا يمكن فهمها ببساطة على أنها تعني أن 948 ثغرة يمكنها السماح لأي شخص غير معروف على الإنترنت باختراق خوادم Linux مباشرة.

اتبعت OpenAI توصيات مجتمع Linux من خلال الإفصاح أولًا عن 304 مشكلة وتصحيحات مرشحة تعتبرها الفريق الأكثر أهمية، بينما لا تزال المشكلات الأخرى قيد المعالجة. لم تُنشر التقرير قائمة كاملة بالثغرات التي يمكن للخارجيين التحقق منها فرديًا، وهو إجراء طبيعي في الإفصاح المسؤول، لكنه يعني أن الباحثين الخارجيين لا يستطيعون حاليًا التحقق بشكل مستقل من تكرار نتائج الـ 948، وخطورتها، وجودة التصحيحات.

أعلنت OpenAI أن GPT-6 Cyber وجدت 81 مشكلة غير معروفة سابقًا في Firefox، تم تصنيفها من قبل Mozilla على أنها عالية الخطورة، وقدمت أدلة قابلة للتكرار وحلولًا اقتراحية. كما أثبت النموذج أن 30 مشكلة معروفة كانت أكثر خطورة مما تم تقييمه سابقًا.

ما يميز هذه النتيجة هو أن Firefox قبل ذلك قد تلقت عدة جولات من التدقيق بمساعدة نماذج متقدمة، وتمتلك العديد من طبقات الحماية مثل صندوق الرمل للمتصفح. بدأت Mozilla بالفعل دمج عدد من الإصلاحات، لكن OpenAI لم تُفصّل تفاصيل الثغرات في المقالة المنشورة، وذلك لتجنب توفير مسارات هجوم جاهزة قبل أن يُنهي المستخدمون تحديثاتهم.

تم استخدام GPT‑6 Cyber أيضًا في اختبارات فريق الأحمر لبنية OpenAI الأساسية. في بيئة محكومة، قام الوكيل بدمج عدة ثغرات للهروب من الآلة الافتراضية الصغيرة وتنفيذ التعليمات البرمجية على المضيف. أفادت OpenAI أن هذه النتائج استُخدمت لإصلاح البرمجيات، وتشديد صلاحيات الشبكة، والإبلاغ عن المشكلات للمُطورين المعنيين.

كلما كان وكيل الشبكة أقوى، زادت المخاطر التي لا تأتي فقط من المستخدمين الضارين. حتى لو تم تفويض المهمة نفسها، فقد يقوم النموذج بمهاجمة خدمات مساعدة خارج نطاق الاختبار لتحقيق النتائج.

صممت OpenAI تقييم ExploitGym Honeypot: حيث يواجه النموذج هدفًا صعبًا مع إمكانية الوصول إلى خدمات مساعدة مثل مستودعات الحزم وتخزين الكائنات. تم ضبط هذه الخدمات عمداً لتكون عرضة للهجوم، ويمكن أن تساعد الاختراق فيها النموذج على الحصول على إجابة المهمة، لكن نطاق التفويض لا يشملها صراحةً.

بدون تفعيل كلمات التحذير الأمنية، شهد GPT‑6 Cyber هجمات تجاوز حدود بنسبة 0.07٪؛ بينما شهد GPT‑5.6 Cyber بنسبة 5.51٪. بعد إضافة كلمات التحذير الرسمية، لم يُلاحظ أي سلوك تجاوز حدود في عينات اختبار GPT‑6 Cyber.

ومع ذلك، كشفت اختبارات النظام أيضًا عن نتائج أقل مثالية. حيث بلغت نسبة نجاح النموذج في التوقف في الوقت المناسب بعد إصدار الأداة للتحذير 73.0٪، وهي أقل من 78.38٪ لـ GPT‑6 Astra. وفي تقييم محاكاة لحالات فشل تاريخية عالية الخطورة، لا يزال GPT‑6 Cyber يحتفظ بـ 28.4٪ من عمليات التشغيل التي تم تحديدها كسلوكيات، رغم أنها أقل من 64.53٪ لـ GPT‑5.6 Sol.

لذلك، فإن 99.93% تصف النتائج في بيئة فخ محددة فقط، ولا يمكن توسيعها لتعني أن النموذج يمتلك معدل أمان قدره 99.93% في جميع الأنظمة الواقعية.

قارنت المؤسسة الخارجية Irregular بين GPT‑6 Cyber و GPT‑6 Astra في ثلاث مجموعات من تقييمات الأمن السيبراني.

في CyScenarioBench الذي يقيم مهام الهجوم الطويلة الأمد، حل GPT‑6 Cyber على الأقل واحدة من جميع التحديات الـ11، بينما حلت Astra 8؛ متوسط نسبة النجاح الأولى 61٪، أي أعلى بـ7 نقاط مئوية.

لكن في FrontierCyber، الذي يقيم اكتشاف واستغلال الثغرات الحقيقية في البرمجيات والأجهزة، أكمل GPT‑6 Cyber 90 من أصل 288 مهمة، وهو ما يقل عن Astra الذي أكمل 96 من أصل 288 مهمة. ولم تنجح أي من النموذجين في الهجوم على أهداف مُعززة بالكامل، ولا في حل أي من التحديات الخمسة عشر الأصعب.

هذا يعني أن الميزة الواضحة لـ GPT‑6 Cyber تتركز بشكل رئيسي على الهجمات المستمرة، وانخفاض معدل الرفض، وسير العمل المدرب خصيصًا، ولا يجب فهمها على أنها تتفوق على النموذج الرائد العام في كل مهمة أمنية إلكترونية.

يُتاح GPT‑6 Cyber أولاً لعدد قليل من عملاء Daybreak Red الحاصلين على موافقة إضافية عبر API وCodex. حتى إذا كانت مؤسسة ما تمتلك بالفعل مؤهلات Daybreak Red، لا يزال يتعين عليها التقدم بطلب منفصل للحصول على هذا النموذج.

يحتاج المستخدمون المنظميون إلى تكوين تسجيل دخول واحد، والمصادقة متعددة العوامل، والأجهزة المدارة، وقائمة البيض للعناوين IP؛ بينما يحتاج الباحثون الأفراد إلى إكمال التحقق من الهوية والحيوية، وإثبات الاستخدام المهني، واستخدام مفتاح أمان FIDO2 مادي. كما توصي OpenAI بوضع النموذج في بيئة معزولة، وتحديد القيود بوضوح على الأهداف، والبيانات الائتمانية، ونطاق الشبكة، والعمليات المسموح بها، مع مراقبة بشرية مباشرة للمهام عالية المخاطر.

بالنسبة لبعض عملاء واجهة برمجة التطبيقات الذين تحتفظون ببيانات صفرية، تطلب OpenAI عادةً تفعيل معالجة الأمان الخاصة: يتم الاحتفاظ بالتفاعلات بشكل مشفر في تخزين العميل لمدة 30 يومًا، حيث تُولد أنظمة آلية إشارات أمان محدودة، لكنها لا تعرض المدخلات والإجابات مباشرةً على موظفي OpenAI.

يتم إنشاء مجموعة وصول خاصة منفصلة للبنية التحتية الحيوية. أثناء اختبار النموذج في محطة كهرباء محاكاة بالتعاون مع شركة الأمان الصناعي Dragos، تمكّن النموذج من التعرف على أجهزة التحكم الصناعية من بين ضوضاء تكنولوجيا المعلومات، واكتشاف ثغرتين صفرية في برنامج هندسي يدير بيانات الحماية الكهربائية. وبسبب أن هذه القدرات قد تفيد كلًا من المدافعين والمهاجمين، فإن الأنظمة الصناعية للتحكم، وأنظمة الانتخابات، والمهام التي قد تؤدي إلى إصابات جسدية أو تعطيل كبير للخدمات ستخضع لمراجعة إضافية.

في الماضي، كانت أبحاث الأمان تركز عادةً على ثغرة واحدة: يفهم الباحثون الكود، ويُنشئون شروط التفعيل، ويُقيّمون التأثير، ثم يقضون أيامًا أو أسابيع في كتابة استغلال وتصحيح.

يُظهر GPT‑6 Cyber نموذجًا آخر: حيث يقوم عدة وكلاء بفرز سطح الهجوم في وقت واحد، وتحقق من آلاف المرشحين، وترسل فقط المشكلات التي لديها أدلة تشغيلية وتحليل للأسباب الجذرية واقتراحات للإصلاح إلى البشر. لا يستبدل النموذج حكم المُدرِّبين، لكنه يحول "البحث عن المشكلات المستحقة للدراسة" من عمل يدوي نادر إلى عملية حسابية يمكن تشغيلها بكميات كبيرة.

هذا سيقلل أيضًا من نافذة الوقت المتاحة للمدافعين. بمجرد انتشار قدرات مشابهة، قد يتمكن المهاجمون من عكس الهندسة الخاصة بالثغرات بشكل أسرع بعد إصدار التصحيحات، أو البحث جماعيًا عن نقاط دخول في الشيفرات التي لم تخضع لمراجعة لفترة طويلة. اختارت OpenAI تقييد الوصول لأن الأمن السيبراني يقترب من نقطة حاسمة: لم تعد النماذج مجرد تفسير الثغرات، بل قادرة على إثبات ذاتيًا أن الثغرات يمكن استغلالها.