في هذا العصر التكنولوجي المتقدم، تبرز البيئات التنفيذية الموثوقة (Trusted Execution Environments - TEEs) مثل Intel SGX وArm TrustZone كشريان حيوي لحماية البيانات الحساسة من أنظمة التشغيل المخترقة. ومع تطور استخدام نماذج اللغات الضخمة (Large Language Models - LLMs) كمدربين ومساعدين لأغراض أمنية، تصبح الحاجة ملحة لفهم المخاطر التي قد تنشأ.

في هذا الإطار، أجرت دراسة جديدة تستعرض قدرات كل من ChatGPT-5.2 وكلود أوبس-4.6 كمستشارين للأمان في بيئات TEEs. تركز الدراسة على الضعف الطبيعي في هذه النماذج وتناقش كيف يمكن للأنظمة المستندة إلى هذه النماذج أن تتسبب في ارتكاب أخطاء في فهم الإجراءات الأمنية.

تستعرض الدراسة منهجية جديدة تُعرف باسم TEE-RedBench، والتي تشمل نموذج تهديد خاص بالبيئات التنفيذية، مجموعة من المحفزات المهيكلة التي تتناول قضايا المعمارية وعمليات المصادقة وإدارة المفاتيح، بالإضافة إلى مجموعة استقصاءات تم حصرها بناءً على السياسات.

أظهرت النتائج أن بعض الأخطاء الناتجة عن المحفزات ليس لها طابع فردي، حيث تم نقل الأخطاء بنسبة تصل إلى 12.02% بين مساعدي اللغات. ومن خلال تنفيذ منهجية شاملة قائمة على تقييم سياسات محكمة واسترجاع موثق، تم الكشف عن إمكانية تقليل معدلات الفشل بنسبة تصل إلى 80.62%.

ما رأيكم في تأثير استخدام نماذج اللغات الضخمة على أمان البيئات التنفيذية الموثوقة؟ شاركونا في التعليقات.