في خطوة مهمة لتعزيز أمان البرمجيات مفتوحة المصدر، أعلنت GitHub وMicrosoft عن نتائج تجربة رائدة باستخدام نظام Codename MDASH، وهو نظام ذكاء اصطناعي متعدد النماذج من Microsoft Security، يهدف إلى مساعدة مشرفي المشاريع مفتوحة المصدر على إصلاح الثغرات الأمنية بدلاً من مجرد الإبلاغ عنها. يواجه المشرفون حاليًا سيلًا من التقارير الأمنية الناتجة عن الذكاء الاصطناعي، والتي غالبًا ما تكون مكررة أو غير دقيقة، مما يزيد من عبء عملهم.
كيف يعمل نظام Codename MDASH؟
تهدف هذه التجربة إلى تزويد المشرفين بتقارير عالية الجودة تحتوي على حلول مقترحة. تبدأ العملية بأن يقوم Codename MDASH بفحص المشاريع باستخدام نموذج MAI Cyber من Microsoft ويقترح إصلاحات للمشكلات التي يجدها. بعد ذلك، يقوم وكيل فرز مدعوم بالذكاء الاصطناعي من GitHub Security Lab بتصفية النتائج لإزالة التكرارات والتحقق من الصلاحية والتركيز على الأخطاء عالية التأثير، لضمان ألا يضطر المشرفون أبدًا لمراجعة نتائج الفحص الأولية.
بعد الفرز الآلي، يقوم باحثون من Microsoft FORGE Lab بالتحقق يدويًا من كل اكتشاف متبقي. تصل التقارير بعد ذلك إلى المشرفين بشكل خاص عبر ميزة الإبلاغ عن الثغرات الأمنية الخاصة في GitHub، مع إثبات للمفهوم وحل مقترح. ويقرر المشرفون ما يجب إصلاحه وكيف ومتى. وقد أسفرت التجربة على ستة مشاريع مفتوحة المصدر (منها AutoGPT وCaddy وImageMagick) عن 99 تقريرًا خاصًا، تم إصلاح 55 منها، و14 من هذه الإصلاحات أصبحت جزءًا من إصدارات جديدة بالفعل.
دروس مستفادة وتحديات
أظهرت التجربة أن الإصلاحات أهم بكثير من مجرد الاكتشافات. فتقديم تقرير مدقق يحتوي على إصلاح مقترح يوفر على المشرفين وقتًا وجهدًا كبيرين. على سبيل المثال، تمكن مشرفو Caddy من إصلاح جميع التقارير الـ 22 التي تلقوها في غضون أسبوع أو أقل. كما أشار مشرفو ImageMagick إلى أن التقارير كانت دقيقة للغاية، حيث وجهتهم إلى الأسطر الصحيحة من الكود، مما قلل وقت الإصلاح بشكل كبير من ساعة إلى 15 دقيقة فقط في بعض الحالات.
ومع ذلك، لا تزال هناك فجوات يجب سدها. فالعمل الدقيق الذي قام به الباحثون البشريون للتحقق من النتائج لا يمكن توسيعه بسهولة حتى الآن. فقد أمضى سبعة باحثين حوالي يومين لكل مشروع في التحقق اليدوي. برأينا، هذا يؤكد أن الذكاء الاصطناعي المساعد لا يزال بحاجة إلى لمسة بشرية خبيرة لضمان أعلى مستويات الجودة والموثوقية.
ماذا يعني هذا للمطورين؟
إذا كنت مشرفًا على مشروع مفتوح المصدر، فإن هذا النهج يقلل من تكلفة معالجة التقارير الأمنية. فبدلًا من قضاء الوقت في فرز مخرجات الماسحات الضوئية، تتلقى تقارير خاصة ومدققة مع حلول مقترحة، مما يتيح لك التركيز على الإصلاح الفعلي. نرى أن هذا يمثل تحولًا نوعيًا في كيفية تعامل مجتمع المصدر المفتوح مع تحديات الأمن السيبراني.
إذا كنت تستخدم الذكاء الاصطناعي لاكتشاف الثغرات الأمنية في المشاريع مفتوحة المصدر، يجب أن تلتزم بالمعايير التالية: التحقق من كل اكتشاف قبل إرساله، والإبلاغ عنه بشكل خاص، وتضمين حل مقترح. يمكن للمشرفين تفعيل ميزة الإبلاغ عن الثغرات الأمنية الخاصة (PVR) على GitHub، وتفعيل تنبيهات Dependabot لمعرفة تحديثات الأمان اللازمة للتبعيات. في المستقبل، ستواصل Microsoft وGitHub تعاونهما، مع إعلان Microsoft عن MAI Cyber 2، وتقديم GitHub الدعم لمشاريع صندوق GitHub Secure Open Source Fund.
المصدر: github.blog