أعلنت أوبنAI في 5 نوفمبر 2026 عن GPT‑6 Cyber، وهو نموذج متخصص في مهام الأمن السيبراني صُمم لمساعدة الباحثين وفرق الدفاع على تحليل البرمجيات، واكتشاف الثغرات القابلة للاستغلال، والتحقق من أثرها، والمساهمة في تطوير إصلاحات لها. وتضع الشركة النموذج ضمن توجه أوسع لاستخدام الذكاء الاصطناعي لتسريع العمل الأمني، مع إبقاء الوصول إلى القدرات الأكثر حساسية مقيدًا بالجهات المصرح لها.
تفاصيل الخبر
تقول الشركة إن النموذج حقق تحسنًا ملحوظًا مقارنةً بإصدار GPT‑5.6 Cyber في اختبار ExploitGym، إذ ارتفعت النتيجة من 32.1% إلى 48.5%. ويقيس الاختبار قدرة النموذج على التعامل مع ثغرة محددة في هدف بعيد ضمن بيئة تقييم مضبوطة، ما يجعله مؤشرًا على قدرته على فهم البرمجيات وبناء إثباتات عملية للخلل، وليس مجرد رصد أنماط مشبوهة في الشيفرة.
ولا تقتصر التغييرات على الأداء الهجومي المصرح به؛ فقد جعلت أوبنAI الالتزام بالحدود جزءًا أساسيًا من تدريب النموذج. ووفق تقييمات الشركة، تجنب GPT‑6 Cyber استهداف خدمات خارج النطاق في 99.93% من الحالات من دون تعليمات نشر إضافية، وبلغت النسبة 100% عند استخدام تلك التعليمات. ويهدف هذا المسار إلى تقليل احتمال انتقال الوكيل من اختبار محدد إلى أنظمة أو بيانات لم يأذن الباحث بفحصها.
قدمت أوبنAI أمثلة على استخدام النموذج في برمجيات مفتوحة المصدر واسعة الانتشار. فقد ساعد، بحسب الشركة، في اكتشاف 81 ثغرة جديدة عالية الخطورة في Firefox، مع إعداد أدلة قابلة لإعادة الإنتاج ومقترحات إصلاح أُرسلت إلى Mozilla. كما استُخدم في إعادة إنتاج 1724 ثغرة في نواة Linux، وتطوير استغلالات عملية لـ948 منها ضمن بيئة البحث، مع إبلاغ المشرفين بالنتائج الحرجة ومقترحات الترقيع.
وتشير هذه النتائج إلى تحول في طبيعة عمل فرق الأمن، إذ يمكن للنموذج متابعة تحقيق طويل عبر أجزاء متعددة من قاعدة الشيفرة، وربط مؤشرات متفرقة، ثم الانتقال من اكتشاف المشكلة إلى اختبار أثرها وصياغة إصلاح أولي. غير أن هذه القدرات لا تلغي دور الخبراء؛ فالتأكد من صحة النتائج، وتقييم قابلية الاستغلال في بيئة حقيقية، ومراجعة التغييرات قبل دمجها تظل مسؤوليات بشرية وتقنية حاسمة.
ربطت أوبنAI إطلاق النموذج بمنظومة وصول مقيدة تحمل اسم Daybreak. ويتاح GPT‑6 Cyber في البداية عبر واجهة البرمجة وCodex لمجموعة مختارة من العملاء الذين خضعوا للموافقة، بينما تستعد الشركة لتوسيع الإتاحة تدريجيًا. وتشمل الضوابط التحقق من هوية الجهات، ومتطلبات أمنية للمؤسسات، وتقييد الوصول الشبكي، إضافة إلى مراقبة الاستخدام بحثًا عن مؤشرات إساءة أو محاولات تنفيذ نشاط يتجاوز التفويض.
يحظى أمن البنية التحتية الحيوية باهتمام خاص في تصميم هذه الضوابط، بما في ذلك شبكات الطاقة والمياه وأنظمة التحكم الصناعي. وتقول أوبنAI إنها تعمل على مسار مخصص للمدافعين المعتمدين عن هذه الأنظمة، مع قيود إضافية على المساعدة التي قد تؤدي إلى تعطيل معدات أو إحداث أضرار مادية. كما أعلنت برنامج منح بقيمة مليار دولار لدعم جهات دفاعية محدودة الموارد، مثل المؤسسات الحكومية ومقدمي الخدمات الأساسية.
يمثل GPT‑6 Cyber تقدمًا تقنيًا واضحًا في أتمتة أبحاث الثغرات، لكنه يوسع في الوقت نفسه مساحة المخاطر التي تحتاج إلى إدارة دقيقة. فالنموذج القادر على اكتشاف عيوب لم تلاحظها اختبارات سابقة يمكن أن يسرّع التصحيح، لكنه قد يزيد قيمة الاعتماد المسروق أو البيئة غير المعزولة إذا أُسيء استخدامه. لذلك تعتمد أوبنAI على العزل، والمراجعة البشرية، ومراقبة العمليات، وتقييد الصلاحيات باعتبارها أجزاء ملازمة للنشر، لا إضافات اختيارية.
ومع توسع الوصول إلى هذه الفئة من النماذج، سيكون الاختبار الحقيقي هو قدرة المؤسسات على تحويل الاكتشافات الآلية إلى إصلاحات موثوقة دون تعريض أنظمتها للخطر. كما ستحتاج فرق الأمن إلى سياسات واضحة تحدد الأهداف المسموح بفحصها، وآليات لتوثيق النتائج، ومسارات للإبلاغ المسؤول عن الثغرات. أما الخطوة التالية المتوقعة فتتمثل في توسيع البرنامج ليشمل عددًا أكبر من المدافعين والباحثين مع استمرار معايرة إجراءات الحماية.
هل ترى أن استخدام نموذج متقدم لاكتشاف الثغرات سيعزز حماية أنظمتك أم يزيد مخاطر إساءة الاستخدام؟
هل تثق في إسناد اكتشاف الثغرات وإعداد الإصلاحات إلى نموذج ذكاء اصطناعي متخصص؟
شاركنا رأيك في التعليقات



التعليقات
٠كن أول من يشارك رأيه في هذا الخبر.