في عصر يتزايد فيه الاعتماد على وكلاء الذكاء الاصطناعي (AI Agents)، تبرز أهمية تأمين هذه الأنظمة لمواجهة التهديدات المتنوعة، مثل هجمات حقن التعليمات غير المصرح بها. هنا يدخل بروغنت (Progent) كحل مبتكر يتحدى التحديات التقليدية.

يتميز بروغنت بإدارة کنترل الامتيازات، حيث يتم تمثيل الامتيازات كسياسة أمان تحتوي على قواعد رمزية تحدد أي من أدوات التشغيل مسموح بها لإتمام المهام، بالإضافة إلى عدم السماح بالأدوات غير الضرورية للحفاظ على الأمان. يتم مراجعة كل استدعاء للأداة وفقًا لسياسة محددة بدقة، مما يعزز مبدأ الحد الأدنى من الامتيازات.

لتحقيق التكيف مع متطلبات المستخدمين المتنوعة وسياقات التنفيذ المتطورة، يستخدم بروغنت نموذج لغة ضخم (Large Language Model) لإنشاء سياسة أولية بناءً على مهمة المستخدم وتحديثها بما يتماشى مع المعلومات الجديدة المتاحة. يتم تحديد كل تحديث مقترح بواسطة حل SMT، مما يضمن أن المساحة الفعالة للتطبيق تقتصر فقط على التحجيم دون موافقة.

تُظهر التقييمات على معايير شائعة مثل AgentDojo و ASB أن بروغنت يقلل بشكل كبير من معدلات نجاح الهجمات، في حين يحافظ على مستوى عالٍ من الفاعلية. علاوة على ذلك، يتم التحقق من جدويته عبر تطبيقه في أطر عمل واقعية مثل LangChain و OpenAI Agents SDK.

بروغنت ليس مجرد حل تقني، بل هو خطوة إلى الأمام نحو بناء بيئة أكثر أمانًا لوكلاء الذكاء الاصطناعي. فمع هذا الإطار، هل ستتجه صناعة الذكاء الاصطناعي نحو مستويات جديدة من الأمان والاعتمادية؟