في عالم البرمجة حيث تُعتبر الهجمات السيبرانية والاختراقات التكنولوجية تحديات مستمرة، يُعَد التحقق من أمان الشيفرات البرمجية من أولويات المطورين والشركات التقنية. ومع دخول نماذج اللغة الكبيرة (Large Language Models) في مجالات جديدة، يبدو أن هناك إمكانيات غير مستغلة لاكتشاف عيوب الشيفرات.

أظهرت دراسة حديثة نشرها موقع arXiv إمكانية استخدام النماذج الذكاء الاصطناعي للكشف عن ثغرات الشيفرة بلغة C/C++ عن طريق قراءة التفعيلات الخفية (Latent Activations) لهذه النماذج. تم اختبار أربع نماذج مختلفة، بما في ذلك Granite و Qwen و Gemma، وتم تحليل التفعيلات الناتجة عن آخر رموز تم معالجتها.

كانت النتائج مثيرة للاهتمام، حيث أظهر الباحثون أن التفعيلات الخفية تحمل إشارة عن حالة الثغرة في الشيفرة. باستخدام نماذج تحليل متعددة الطبقات (MLP Probes)، استطاع الباحثون تحقيق معدل دقة 41.7% باستخدام نماذج تحتوي على 13.4 إلى 16.0 مليون معلمة، مما يعتبر رقمًا ضئيلاً مقارنةً بحجم النماذج الأساسية.

عند تقييم النموذج الأفضل، Qwen3.5-9B، حقق نسبة دقة 68.8% على مجموعة بيانات معينة، مما يتماشى مع أفضل التقنيات الموجودة حاليًا. ومع ذلك، كشفت الاختبارات على مجموعات بيانات أكثر تعقيدًا عدم فاعلية هذه النماذج مقارنةً بأحدث التقنيات.

كانت هذه النتائج بمثابة دعوة لتحفيز المزيد من الأبحاث في اتجاه تطوير أدوات اخراج ثغرات البرمجيات بشكل أصيل، مما يعزز من أمان الشيفرات البرمجية وكفاءة النماذج الذكية المستخدمة في هذا المجال.

ما رأيكم في استخدام الذكاء الاصطناعي للكشف عن ثغرات الشيفرة؟ هل تعتقدون أنه يمكن أن يُحدث تحولًا حقيقيًا في أمان البرمجيات؟ شاركونا آرائكم في التعليقات!