عندما تصبح الذكاء الاصطناعي رادارًا للثغرات، ترث البنوك نوعًا جديدًا من المخاطر

في الدفاع السيبراني، تكون السرعة عادةً انتصارًا. لكن السرعة قد تتحول أيضًا إلى عبء عندما تكون الآلة التي تقوم بالاكتشاف أسرع من المؤسسة التي تقوم بالإصلاح. ولهذا تكتسب المناقشة الأخيرة للبنك المركزي الأوروبي مع بنوك منطقة اليورو أهمية تتجاوز اسم نموذج واحد: فهي تشير إلى مستقبل قد تعيد فيه عمليات اكتشاف الثغرات بمساعدة الذكاء الاصطناعي تشكيل إدارة مخاطر البنوك قبل أن تكون فرق الدفاع قد تكيفت بالكامل مع سير عملها.

حقائق سريعة

• تمت دعوة بنوك منطقة اليورو إلى مناقشة ركزت على المخاطر السيبرانية المرتبطة بنموذج ذكاء اصطناعي وُصف بأنه قادر على تحديد الثغرات البرمجية.
• يرتبط النموذج بـ Anthropic ويندرج ضمن الفئة المتنامية من أنظمة الذكاء الاصطناعي الحدودية المستخدمة في أبحاث الأمن.
• لا يقتصر القلق التشغيلي الأساسي على الاكتشاف، بل يشمل أيضًا التحقق، والفرز، والتصحيح، والحوكمة على نطاق واسع.
• تُعد الإيجابيات الكاذبة مهمة لأن النتائج المضللة يمكن أن تستنزف فرق الأمن وتبطئ الاستجابة للمشكلات الحقيقية.
• في القطاع المصرفي، قد يحول الاكتشاف الأسرع للثغرات إدارة التصحيحات العادية إلى مشكلة تتعلق بالمرونة التشغيلية.

أداة أمنية ذات عواقب نظامية

تتمثل الأهمية التقنية هنا في أمر واضح: الثغرات البرمجية هي نقاط ضعف في الشيفرة أو المنطق أو التهيئة يمكن أن تؤثر في السرية أو السلامة أو التوافر إذا جرى استغلالها. عندما يصبح نظام ذكاء اصطناعي جيدًا في العثور على تلك نقاط الضعف، يتغير عبء العمل على المدافع فورًا. لا يعني ازدياد النتائج تلقائيًا ازدياد الأمان. بل يعني في الغالب مزيدًا من الفرز، ومزيدًا من التقارير المكررة، ومزيدًا من الجهد للتحقق، ومزيدًا من الضغط على مسارات التصحيح.

وهذا أمر شديد الحساسية في القطاع المصرفي. فالمؤسسات المالية تشغل بنى تقنية معقدة، وتعتمد على الموردين والمكونات مفتوحة المصدر، وتعمل في بيئات مترابطة بإحكام. قد لا تكون مكتبة ضعيفة واحدة أو خدمة مكشوفة كارثية بحد ذاتها، لكن الأثر التراكمي لعدد كبير من المشكلات غير المحلولة يمكن أن يتحول إلى صداع تشغيلي. والدرس هنا ليس أن الذكاء الاصطناعي يسبب اختراقًا فوريًا، بل إنه يمكن أن يضغط الزمن بين اكتشاف العيب ورد فعل المدافع.

عنق الزجاجة الحقيقي ليس الاكتشاف

من منظور دفاعي، غالبًا لا يكمن الجزء الأصعب في العثور على الخلل، بل في تحديد ما إذا كانت النتيجة صحيحة، وما إذا كان يمكن استغلالها في بيئة معينة، ومدى إلحاح تصحيحها. وهنا تصبح الإيجابيات الكاذبة أكثر من مجرد إزعاج. فإذا أنتج النموذج كميات كبيرة من المخرجات غير الدقيقة، قد تضيع فرق الأمن وقتًا في مطاردة الضجيج بينما تنتظر الثغرات الحقيقية في الطابور.

أما مشكلة الحوكمة الأوسع فتتعلق بإمكانية الوصول. فالأدوات القوية لأمن الذكاء الاصطناعي مفيدة تحديدًا لأنها تجعل أبحاث الثغرات أكثر كفاءة. لكن هذه القدرة نفسها تثير أسئلة حول من يجوز له استخدامها، وتحت أي ضوابط، وكيف تُوجَّه النتائج إلى الإفصاح المنسق والمعالجة. وفي القطاعات المنظمة، أصبحت هذه الأسئلة جزءًا من النظافة السيبرانية، لا مجرد سياسة للنماذج.

حتى وقت كتابة هذا النص، لا تُثبت المعلومات العامة بالكامل النطاق الكامل لمناقشة المخاطر، أو ما إذا كان قد وقع أي إساءة استخدام ملموسة، أو كيف يتم التحكم في الوصول إلى النموذج عمليًا. والأدلة المتاحة تدعم تحليلًا للمخاطر، لا ادعاءً قاطعًا بوقوع اختراق أو إساءة استخدام.

الخلاصة

تذكرنا هذه الواقعة بأن الأمن السيبراني لم يعد يقتصر على إيقاف المهاجمين. بل أصبح يتعلق أيضًا باستيعاب الذكاء الأمني الذي تولده الآلة دون الغرق فيه. وبالنسبة إلى البنوك، يتمثل التحدي في تحويل الاكتشاف الأسرع للثغرات إلى معالجة أسرع، مع مراجعة بشرية، وحوكمة صارمة، وانضباط في التصحيح في الوسط. وفي عصر الذكاء الاصطناعي، ستعود المرونة التشغيلية إلى المؤسسات القادرة على الانتقال من العثور على العيوب إلى إصلاحها دون فقدان السيطرة.

ويكيكروك

• الثغرة: نقطة ضعف في البرمجيات أو العتاد أو التهيئة يمكن إساءة استخدامها لإلحاق الضرر بنظام.
• إيجابي كاذب: تنبيه غير صحيح يشير إلى وجود مشكلة بينما هي غير موجودة.
• الفرز: عملية ترتيب النتائج الأمنية بحسب الإلحاح والأثر والمصداقية.
• الإفصاح المنسق عن الثغرات: عملية مضبوطة للإبلاغ عن العيوب وإصلاحها قبل طرحها على نطاق أوسع للجمهور.
• النموذج الحدودي: نظام ذكاء اصطناعي عالي القدرة يقع في طليعة الأداء الحالي ومخاوف الحوكمة.