في عالم التشفير، وخاصة مع ظهور التشفير بعد الكم (Post Quantum Cryptography)، أصبحت الحاجة ماسة إلى تطوير أكواد برمجية آمنة تتماشى مع التعقيدات العالية لهذا المجال الجديد. ومع تكنولوجيا نماذج اللغات الضخمة (Large Language Models) التي تسهم بشكل متزايد في عملية تطوير البرمجيات، تتزايد أيضا المخاطر المرتبطة بتوليد أكواد قد تكون غير آمنة.

تطرح ورقة بحثية حديثة نموذجًا جديدًا يُعرف باسم "انحراف الترميز الآمن في التشفير بعد الكم"، والذي يسلط الضوء على كيف يمكن أن تؤدي الاعتمادية المستمرة على الأكواد التي يتم توليدها بواسطة نماذج اللغات الضخمة إلى تدهور تدريجي لممارسات الترميز الآمن. على عكس الدراسات السابقة التي تركز على الثغرات الثابتة، يأخذ هذا النموذج بعدًا سلوكيًا جديدًا يبرز كخطر أمن سلوكي نتيجة للتفاعل البشري مع الذكاء الاصطناعي.

للتغلب على هذه التحديات، تقترح الدراسة إطارًا عملًا يتمحور حول مفهوم الألعاب (gamification) لتعزيز أمان الترميز، يجمع بين التقييم العدائي، التغذية الراجعة السلوكية، وتصنيف الأمان. يتم تسليط الضوء على تحويل نماذج اللغات الضخمة من مجرد مساعدين سلبيين إلى مساعدين نشيطين في مجال الأمان، مما يسهم في تحسين التشفير بعد الكم في بيئات تعتمد على الذكاء الاصطناعي.

باستخدام هذا الإطار، يأمل الباحثون في أن يتمكن المطورون من تقليل المخاطر المرتبطة بالأكواد غير الآمنة، مع تعزيز بيئة عمل أكثر أمانًا في مجالات التشفير الحرجة. هذه المبادرة تعد خطوة نحو الاستخدام الآمن للذكاء الاصطناعي في تطوير البرمجيات، خاصة في المجالات التي تتطلب أعلى معايير الأمان.