كان أكتوبر 2026 لحظة فارقة لفرق تطوير البرمجيات وأمن التطبيقات. فمع ظهور وكلاء الذكاء الاصطناعي القادرين على استكشاف الأنظمة غير المألوفة واختبار طرق الاختراق وتعديل تحركاتهم عند الفشل، أصبح بإمكان أي شخص لديه بطاقة ائتمانية استخدام هذه القدرات لمهاجمة تطبيقاتك بتكلفة زهيدة.
تزايد الهجمات المدعومة بوكلاء الذكاء الاصطناعي
لقد قدم وكلاء البرمجة وتكامل أدواتهم نقاط دخول ومساحات سطحية جديدة يمكن استغلالها. في أكتوبر، كشف تقرير OpenCode من Pillar عن كيفية قيام خادم Model Context Protocol (MCP) ضار بتنفيذ أوامر على جهاز المطور (Windows أو WSL) أثناء المصادقة، حيث وصل عنوان URL مقدم من الخادم إلى shell دون خداع النموذج. وفي الشهر نفسه، أدت اكتشاف ثغرتي PHP2Shell، وهما عيوب تنفيذ تعليمات برمجية عن بعد (RCE) في بيئة تشغيل PHP تم الكشف عنها بمساعدة نماذج OpenAI، إلى إلحاح جديد لتأمين التعليمات البرمجية القديمة عبر الكثير من الإنترنت. وكشفت Microsoft أن وكيلًا انتقل من البحث في GitHub عن بيانات الاعتماد المكشوفة إلى سرقة بيانات Azure Key Vault في خمس دقائق، معدلاً إصدارات API ومحاولًا مرة أخرى حتى نجح. ووصف تقرير صادر عن Anthropic كيفية استخدام المشغلين الفرديين لأطر الوكلاء (agent frameworks) لشن حملات متعددة الضحايا كانت تتطلب فرقًا متخصصة في السابق، حيث نفذ الوكلاء عمليات استطلاع واستغلال وسرقة بيانات عبر أهداف متعددة بالتوازي، مما جعل العمليات المتطورة متاحة بجهد يدوي أقل.
يقدر تحليل حديث أجراه Tomasz Tunguz تكلفة نموذج عبء هجوم يبلغ 100 مليون رمز (token) باستخدام نموذج GLM-5.3 منخفض التكلفة بـ 90.20 دولاراً أمريكياً. هذا الرقم أقل بنسبة تتراوح بين 98% و99% من تقدير نماذج الجيل الأول البالغ 5,000 إلى 10,000 دولار أمريكي لهجمة سيبرانية مماثلة، والذي ذكره بنك التسويات الدولية (BIS). يوضح هذا مدى سهولة ورخص قيام المهاجمين الآن باستهداف أي قاعدة تعليمات برمجية، حيث انخفض الإنفاق من آلاف الدولارات إلى أقل من 100 دولار (ما يعادل تقريباً 375 ريال سعودي و367 درهم إماراتي).
مسؤولية المطورين تتسع: لم تعد أدوات AppSec التقليدية كافية
لم تعد الفحوصات التقليدية لأمن التطبيقات (AppSec) مثل التحليل الثابت القائم على القواعد، وفحص التبعيات (dependency scanning)، واكتشاف الأسرار (secret detection) كافية وحدها. يحتاج المطورون وقادة الهندسة وفرق الأمن الآن إلى وكلاء ذكاء اصطناعي دفاعيين يتتبعون مسارات الهجوم، ويكشفون عن الضمانات المفقودة وثغرات منطق الأعمال، ويساعدون في إصلاحها. فمسؤولية المطورين لا تتوقف عند التعليمات البرمجية التي يكتبونها الآن، بل يجب عليهم فحص التعليمات البرمجية التي تعمل منذ سنوات، فالتطبيق الموجود بالفعل في الإنتاج بدون ثغرات معروفة قد يظل عرضة للاستغلال من قبل وكيل ذكاء اصطناعي يبحث عن طرق لتجاوز فحص الأذونات أو قاعدة عمل معينة.
CodeRabbit Secure: درع جديد ضد تهديدات AI
يقدم CodeRabbit Secure حلاً مبتكراً لهذه التحديات، حيث يستخدم التحليل الدلالي لفهم قاعدة التعليمات البرمجية الخاصة بك والتعامل معها كما يفعل مهندس الأمن، متتبعًا الطلبات والتحقق مما إذا كانت الأذونات وقواعد العمل مطبقة بشكل صحيح. يقوم وكلاؤه بالتحقيق في مسارات الهجوم المحتملة والتحقق من النتائج بشكل مستقل عن المطور أو الوكيل الذي كتب التعليمات البرمجية، بينما يقوم CodeRabbit Agent بإنشاء إصلاحات قابلة للمراجعة.
- مراجعة كل التزام (commit) في طلب سحب (PR) جديد والإشارة إلى مخاطره الأمنية.
- العثور على الثغرات الأمنية في جميع أنحاء المستودع (repo) باستخدام فحص عميق (Deep Scan).
- إعادة فحص التعليمات البرمجية مع الفحوصات التزايدية والتحقق من النتائج في وقت التشغيل (runtime).
يقوم Deep Scan بفحص المستودع بالكامل، بما في ذلك المسارات القديمة خارج أحدث طلب سحب. ويقوم الوكلاء برسم خرائط نقاط الدخول وعناصر التحكم في الوصول والعمليات الحساسة، ثم يبحثون عبر الوظائف والملفات. وتقوم المستودعات المرتبطة، عند تهيئتها، بتوفير سياق من الخدمات والمكتبات المشتركة. ويتحدى وكيل منفصل كل ثغرة أمنية مشتبه بها، متحققًا من إمكانية الوصول وظروف الاستغلال والضمانات التي يمكن أن تدحضها. علّق Herrington Darkholme، مبتكر ast-grep، قائلاً: «لقد جربت CodeRabbit Secure Deep Scan ضد ast-grep وأعجبت بدقته. فإثبات الثغرات الأمنية قبل الإبلاغ عنها يجعل كل نتيجة قابلة للتنفيذ بشكل أكبر».
تقوم مراجعات أمان طلبات السحب بتقييم كل تغيير وارد، بما في ذلك التعليمات البرمجية التي أنشأها الوكيل، بحثًا عن الثغرات الأمنية القابلة للوصول والاستغلال في التطبيق الحالي. ويفحص CodeRabbit’s Security Architecture Review كيف تؤثر التغييرات على مستوى البنية على الأذونات وتدفقات البيانات الحساسة وحدود الثقة. وتقوم خريطة Security Blast Radius بربط المكونات المتغيرة بتبعياتها والتعليمات البرمجية التي تعتمد عليها، مما يساعد المراجعين على تتبع التأثير الأمني المحتمل خارج طلب السحب. على GitHub، يمكن للمسؤولين تمكين فحص CodeRabbit Security وطلبه من خلال حماية الفرع (branch protection) أو مجموعة القواعد، حيث يمنع الدمج إذا ظلت تعليقات أمان طلب السحب عند عتبة خطورة معينة أو أعلى غير محلولة.
يقوم كل Deep Scan ببناء خريطة لسطح الهجوم للمستودع، تظهر نقاط الدخول ذات الصلة بالأمان التي تم التحقق منها، والتي أصبحت قديمة مع تغير التعليمات البرمجية، والتي لم يتم فحصها قط. ثم تقوم الفحوصات التفاضلية (Delta scans) بفحص الملفات المتغيرة والمناطق في الخريطة التي عفا عليها الزمن أو لم يتم التحقق منها، بحيث تعرف الفرق مدى التعليمات البرمجية التي تم مراجعتها أمنياً ومتى كانت آخر مراجعة لها. ويمكن أيضًا إعادة فحص النتائج الفردية لتحديد ما إذا كان الإصلاح قد عالجها. بالنسبة لنتائج Deep Scan المؤهلة على GitHub Cloud مع CodeRabbit Cloud، ينشئ التحقق في وقت التشغيل (runtime verification) دليل إعادة إنتاج ويمكن تشغيله في بيئة معزولة لتأكيد ما إذا كان المسار الضعيف قد تم الوصول إليه أم لا. وقد أظهرت مبادرة CodeRabbit الأخيرة التي قدمت ما يصل إلى مليون دولار أمريكي في فحوصات Deep Scans مجانية اكتشاف حوالي 53,000 نتيجة خطيرة أو حرجة عبر حوالي 2,000 مؤسسة في فترة 10 أيام، وتم إصلاح أكثر من 10,000 منها.
ماذا يعني هذا للمطورين؟
في عالم تتزايد فيه قدرات المهاجمين المدعومين بوكلاء الذكاء الاصطناعي، لم يعد من الممكن الاعتماد على الطرق الأمنية التقليدية. برأينا، يتعين على فرق الهندسة والأمن أن تتخذ منهجًا استباقيًا، باستخدام أدوات مثل CodeRabbit Secure للتحقيق في التعليمات البرمجية الخاصة بهم وإيجاد الثغرات الأمنية وإصلاحها قبل أن يتمكن المهاجمون من استغلالها. يجب أن يصبح الأمن جزءًا لا يتجزأ من مسؤولية كل مطور، ليس فقط في التعليمات البرمجية الجديدة، بل في الأنظمة القديمة التي تعمل منذ سنوات. إن دمج التحليل الدلالي وأدوات الذكاء الاصطناعي الدفاعية في سير عمل التطوير يمثل خطوة حاسمة نحو بناء تطبيقات أكثر أمانًا في هذا المشهد المتغير باستمرار.
المصدر: theregister.com