Google DeepMind يستخدم الذكاء الاصطناعي الوكيلي للتحقق رياضيا من بروتوكول Signal

استخدم باحثو Google DeepMind ذكاء اصطناعيا وكيليا لإثبات عدد من الضمانات التشفيرية الرئيسية في بروتوكول Signal رياضيا، أي للتحقق منها تحققا رياضيا، في مشروع لإثبات المفهوم اكتمل في أربعة أسابيع. وللعمل أهمية من وجهين: فهو يقدم تحققا مستقلا إضافيا من التشفير الذي يحمي اتصالات هائلة الحجم على منصات مثل تطبيق Signal وGoogle Messages وWhatsApp، ويظهر قدرات DeepMind في التحقق الرياضي باستخدام إطار عمل جديد للذكاء الاصطناعي يدعى AlphaProof Code.

ماذا وجد التحليل

لم يجد تحليل DeepMind أي ثغرات جديدة في الأجزاء التي فحصها من بروتوكول Signal. وعندما استخدم الباحثون AlphaProof Code على إصدارات أقدم من Signal تحتوي على ثغرات معروفة جرى إصلاحها منذ زمن طويل، حددت الأداة تلك الثغرات تحديدا صحيحا وأظهرت أن البروتوكول لا يمكن التحقق منه رياضيا. ولم يتحقق التحليل تحققا رياضيا من تطبيق Signal للهواتف بالكامل، ويصف باحثو DeepMind نتائجهم بأنها محطة واحدة في عملية أوسع. وينشر الباحثون المواصفات والبرهان اللذين طوروهما لتحليل بروتوكول Signal لمساعدة أعمال أخرى في التحقق الرياضي.

لماذا يهم التحقق الرياضي

يستخدم التحقق الرياضي الرياضيات للتحقق من أن البرمجيات تعمل كما هو مقصود، أي أنه لا توجد فيها ثغرات حرجة، ولهذا يصفه مؤيدوه منذ زمن طويل بأنه أشبه بالكأس المقدسة في أمن البرمجيات. وقبل عصر الذكاء الاصطناعي، كان وصف خصائص البرمجيات التي يريد الناس إثباتها، وتحويل تلك الملخصات إلى صيغ، ثم تطوير البرهان، يستهلك وقتا هائلا. ويمكن للذكاء الاصطناعي الوكيلي أن يقلص وقت المهمة الأخيرة تقليصا كبيرا، بما يتيح تحليلات مثل تقييم DeepMind لبروتوكول Signal. ومن أبرز إنجازات DeepMind عملية تعاون بين الإنسان والذكاء الاصطناعي تتيح للوكلاء المساهمة وتصحيح أنفسهم في كل مرحلة تقريبا، مع طلب مدخلات ومراجعة بشرية في نقاط مفصلية. ويقول Swarat Chaudhuri، وهو عالم أبحاث في DeepMind، لـ WIRED: «لا نريد عالما من نوع vibe، حيث يولّد الذكاء الاصطناعي الأهداف ويولّد البراهين ويخضع في الأساس لاختبارات كتبها بنفسه». ويضيف: «هناك حل وسط».

أسئلة مفتوحة حول النطاق والتكلفة

لا يزال غير واضح إلى أي مدى سيكون التحقق الرياضي بمساعدة الذكاء الاصطناعي عمليا للاستخدام الواسع، وإلى أي مدى سيكون فعالا في تأمين كميات كبيرة من الشيفرة. وأجرت DeepMind تحليل Signal مجانا كمشروع بحثي، ورفضت Google مشاركة تكلفة التحليل أو التعليق على ما إذا كانت لديها خطط لإصدار منتج أو خدمة تجارية للتحقق الرياضي. ويقول Ehren Kret، المدير التقني لشركة Signal، في بيان إن التحقق الرياضي السابق ركز على أجزاء أصغر من الشيفرة، بينما يتيح نهج Google DeepMind توسعا كبيرا. ويضيف: «مع تنامي تهديدات الأمن المدفوعة بالذكاء الاصطناعي، يمنحنا التحقق الصارم من تنفيذ بروتوكول Signal ثقة أكبر في ضمانات الخصوصية في شيفرتنا». ويقول Pushmeet Kohli، كبير العلماء في Google Cloud ونائب رئيس الأبحاث في DeepMind، إنه إذا أمكن الآن التحقق من صحة التنفيذات، فإن الشركات التي تعتمد على الضمانات وتقلق بشأن الأخطاء ستستطيع القول إنها قادرة على إثبات تلك الخصائص. ويقول Chaudhuri إن DeepMind متحمسة للنتيجة، لكن الطريق لا يزال طويلا قبل توسيع ذلك ليشمل كل برمجيات العالم.

المصادر: Wired