في عالم التكنولوجيا المتسارع، تزداد التهديدات الأمنية التي تواجه المستخدمين أثناء استخدامهم للحواسيب، حيث تتفاعل الوكالات المستخدمة (Agents) بشكل متزايد مع المتصفحات، ونظم التشغيل، وأنظمة الملفات، والخدمات الخارجية. وبالتالي، تظهر مخاطر الأمان من سلوك هذه الوكالات أثناء التشغيل وليس فقط من المحتوى الناتج.

تواجه النماذج الحالية من حراس الأمان صعوبة في التعامل مع العمليات الديناميكية التي تنفذها هذه الوكالات، حيث تستهدف بشكل رئيسي المحفزات الثابتة والاستجابات. وبما أن المنصات الحالية تعطي أحكامًا تقييمية فقط، فإنها لا توفر الإشراف الضروري الذي تحتاجه نماذج الحراس للتعلم عبر أطر الوكالات المتنوعة.

لحل هذه المشكلة، تم إطلاق HazardAuditor، وهو إطار عمل موجه نحو التنفيذ يتخطى الفجوات الموجودة. يقدم هذا النظام بنية تحتية تقوم بتشغيل وكالات متنوعة مثل Claude Code وCodex وHermes وOpenClaw في بيئات مسيطر عليها، حيث يقوم بتوحيد تفاعلاتهم في تمثيل حدث موحد من أجل الإشراف المتبادل.

تظهر الدراسات أن أهداف التدريب بعد المرحلة الحالية تخلق عدم تطابق هيكلي مما يؤثر سلباً على نماذج الحراس. ولذلك، تم تطوير Guard Policy Optimization (GuardPO) لتحويل النتائج الآمنة الحتمية إلى مزايا على مستوى التسلسل، مما يجعل قرار الأمان هو الوحدة الأساسية للتحسين.

لقد حقق HazardAuditor تحسينًا في الدقة يصل إلى 16.5 نقطة مئوية مقارنةً بأقوى النماذج المتاحة سابقاً، مما يدل على فعاليته في تعزيز أمان استخدام الحواسيب.

لتحميل الكود والنماذج الخاصة بـ HazardAuditor، يمكنكم زيارة الرابط الرسمي. هذا التطور يمثل خطوة كبيرة نحو تعزيز الأمان في مجال الذكاء الاصطناعي، فهل أنتم مستعدون لمواجهة التحديات الجديدة في أمان المعلومات؟ شاركونا آرائكم في التعليقات!