في عالم الأمن السيبراني، يبقى تقييم وكالات الأمان المعتمدة على نماذج اللغات الضخمة (LLMs) تحديًا كبيرًا. وقد تم استخدام معايير تقييم تقليدية تعتمد على إعدادات مستهدفة منفردة، حيث تتوفر خدمة ضعيفة مع هدف محدد. بينما كانت هذه الطرق فعالة في قياس الاستغلال، إلا أنها لم تنجح في محاكاة كيفية تعامل المشاركين في مسابقات Capture-the-Flag (CTF) مع السطوح غير المعروفة، وتقدير الأهداف، وتوزيع الجهود تحت حالة من عدم اليقين.

لمعالجة هذا النقص، ظهر مفهوم جديد يُعرف بـCTFExplorer، وهو مجموعة معايير مبتكرة تنقل تقييم الأمن الهجومي نحو بيئات متعددة الأهداف. تم تصميم هذه المنصة لاختبار كيفية استكشاف وكلاء الذكاء الاصطناعي، وتحديد أولوياتهم، وسلسلة هجماتهم، وذلك من خلال توفير 40 خدمة ويب ضعيفة ضمن بيئة واحدة. الهدف هنا هو أن يكتشف الوكلاء الأهداف، ويميزوا بينها، ويستغلوا الثغرات دون توجيه مسبق.

كما يقدم CTFExplorer إعدادًا مرنًا متعدد الوكلاء كنموذج مرجعي، بالإضافة إلى تطوير إطار تقييم مستقل عن نوع الوكيل، يسجل آثار التفكير بشكل منظم لمزيد من التقييم الدقيق. يتيح ذلك تقييم سلوك الوكلاء بطرق تتجاوز مجرد التقاط الأعلام، كإدارة اختيار الأهداف، التعامل مع الفرضيات الفاشلة، التنسيق عبر مراحل متعددة، واستنتاج معلومات أمنية مهمة.

إذا كنت مهتمًا بمستقبل الأمن السيبراني والتقييم المستند إلى الذكاء الاصطناعي، فإن CTFExplorer يمثل خطوة هامة نحو تعزيز الفهم الاستراتيجي لهذه الأنظمة. كيف ترى تأثير هذه التطورات على الجيل الجديد من حلول الأمن السيبراني؟ شاركونا آراءكم في التعليقات!