اختبار «كالي بنش» يضع وكلاء الأمن السيبراني أمام سطر الأوامر: النماذج المفتوحة دون 42 بالمئة والمكافآت المحققة تعادل الكبار

يكشف إطلاق معيار «كالي بنش» (KaliBench) المقبول في مسار التقييمات وقواعد البيانات بمؤتمر «نيوريبس 2026» عن فجوة هيكلية في قدرة النماذج اللغوية على تنفيذ مهام الأمن السيبراني الفعلية. فرغم الاعتماد المتزايد على نماذج الذكاء الاصطناعي لتحويل نوايا المحللين الأمنيين إلى أوامر برمجية، اقتصرت التقييمات السابقة على الاختبارات القائمة على المعرفة النظرية أو المهام الوكيلية العامة، وتجاهلت القياس المباشر لقدرة النماذج على توليد أوامر تنفيذية دقيقة للأدوات الواقعية. وتأتي هذه الورقة البحثية، التي أعدها الباحثون بنغفي لي ونوفل سوريانتو وسيتشنغ تشانغ ومزمل نصير، لتعيد توجيه الأنظار نحو بيئة سطر الأوامر الصارمة في توزيعة «كالي لينكس»، حيث تؤدي أي هفوة نحوية أو خطأ في ترتيب المعاملات وربط الخيارات بالقيم إلى إبطال عملية الفحص أو الاختراق بالكامل.

بناء سطر أوامر أمني لا يحتمل التخمين، فأي خطأ في ترتيب المعاملات يسقط التنفيذ البرمجي بالكامل. يضم معيار «كالي بنش» 8,504 أزواج من الاستعلامات والأوامر الدقيقة، تغطي 1,642 أداة أمنية موزعة عبر 23 بعداً وظيفياً و5 مراحل أمنية رئيسية. ولضمان الصرامة، اعتمد الباحثون مسار بناء موثقاً بالمراجع والمخطوطات الرسمية مع معايير ضبط حتمية وتقييم يراعي الأسماء المستعارة للأدوات. واكتملت منظومة التحقق عبر مسار متعدد المراحل يجمع بين التدقيق بالنماذج اللغوية، والتنفيذ الفعلي داخل بيئات طرفية معزولة، والمراجعة البشرية المباشرة، مما وفّر إشارات تدريبية قطعية تتيح مكافآت قابلة للتحقق دون الحاجة إلى تشغيل البيئات الحية أثناء التدريب.

أظهرت نتائج الاختبارات عبر 3 أنماط تقييم و24 تكويناً شملت نماذج عامة وأخرى متخصصة في الأمن ومفتوحة الأوزان، أن أياً من النماذج مفتوحة المصدر لم يتجاوز عتبة 42 بالمئة من الدقة في مطابقة الأوامر الدقيقة في البيئة غير المقيدة بغياب تلميحات صريحة حول الأداة المستهدفة. هذا السقف المتدني يفضح قصور النماذج المفتوحة الجاهزة في إدارة العمليات الأمنية المعقدة دون ضبط تخصصي عميق. غير أن البحث حمل مفاجأة هندسية واعدة، حيث أثبت الفريق أن الضبط الدقيق الخاضع للإشراف، المدعوم بالتعلم المعزز بمكافآت قابلة للتحقق مستمدة من المعيار، مكّن نموذجاً صغيراً بحجم 8 مليارات معامل من تحقيق أداء يضاهي نموذجاً عملاقاً يعمل بنظام خلط الخبراء بحجم 685 مليار معامل.

بالنسبة لفرق الأمن السيبراني ومراكز العمليات الأمنية في الخليج ومصر والمشرق العربي، يحمل هذا التطور دلالة تشغيلية واضحة تتجاوز النطاق الأكاديمي. تفرض اعتبارات السيادة الرقمية والحوكمة في المؤسسات الحيوية والمالية في المنطقة تشغيل نماذج الذكاء الاصطناعي محلياً داخل مراكز البيانات الخاصة، تجنباً لإرسال تضاريس الشبكات وأوامر الفحص الحساسة إلى خوادم سحابية خارجية. إلا أن تشغيل النماذج العملاقة محلياً يفرض أعباء مالية وبنية حوسبة باهظة التكلفة. وتثبت نتائج البحث لمهندسي البنية التحتية في الرياض وأبوظبي والقاهرة أن الاعتماد على نماذج صغيرة من فئة 8 مليارات معامل، مدربة بمكافآت محققة وصارمة، يمنح المؤسسة كفاءة تنفيذ تماثل النماذج الضخمة مع تقليص تكلفة العتاد بنسبة هائلة وضمان بقاء البيانات داخل الحدود السيادية.

إذا كنت تقود فريقاً للأمن الدفاعي أو اختبار الاختراق، فالمعيار يرسم لك خطوة واضحة: لا تعتمد على النماذج اللغوية العامة لتوليد أسطر الأوامر الحساسة في بيئات الإنتاج، ولا تستنزف ميزانيتك في حوسبة نماذج عملاقة لتجاوز أخطاء التوليد. ركّز جهود فريقك على أساليب التدريب المبنية على المكافآت الحتمية والقابلة للتحقق، لأن معارك الأمن الرقمي على الخوادم لا تُحسم بالتوقعات الإنشائية، بل بصحة الرموز المنفذة داخل الطرفية البرمجية.