أربعة أسابيع بدل سنوات: Google DeepMind تتحقق رياضياً من تشفير Signal
كشفت Google DeepMind عن نظام AlphaProof Code للتحقق الرياضي من أمان البرمجيات.
جُرّب النظام على بروتوكول التشفير في تطبيق Signal خلال أربعة أسابيع.
كتب وكلاء Gemini Carbon أكثر من ستة ملايين سطر بلغة البراهين Lean.
أُحيل نحو واحد في المئة فقط من الشيفرة إلى المراجعة البشرية.
تخطط DeepMind لتطبيق الطريقة على شبكات الكهرباء والأجهزة الطبية.
حين تضغط زر الإرسال في تطبيق مراسلة مشفّر، تفترض أن رسالتك لن يقرأها أحد سواك ومن تراسله. لكن هذه الثقة تقوم في النهاية على شيفرة كتبها بشر، وقد تخفي أخطاء لا يراها أحد. هنا يأتي إعلان Google DeepMind عن نظام AlphaProof Code، الذي يثبت رياضياً أن البرمجيات تلتزم بمتطلبات الأمان المحددة لها دون أخطاء، وقد جرّبه الباحثون على بروتوكول التشفير في تطبيق Signal.
من التصميم النظري إلى الشيفرة التي تعمل على هاتفك
بحسب تدوينة الباحثَين في DeepMind، Pushmeet Kohli وSwarat Chaudhuri، توقفت محاولات التحقق السابقة عند مرحلة التصميم النظري للبروتوكول. أما AlphaProof Code فتحقق من الشيفرة الفعلية لنواة التشفير التي تعمل على أجهزة المستخدمين، وهذا فرق جوهري، لأن الثغرات كثيراً ما تظهر في التنفيذ لا في الفكرة.
أربعة أسابيع لعمل يستغرق عادة سنوات
أنجز الباحثون هذا التحقق في أربعة أسابيع، في حين يستغرق عمل من هذا النوع عادة سنوات. والسبب أن التحقق الرسمي من البرمجيات عمل شاق يحتاج إلى خبراء يكتبون براهين رياضية دقيقة لكل جزء من الشيفرة.
كيف قسم البشر والذكاء الاصطناعي العمل
بدأت العملية بأن حدد الخبراء متطلبات الأمان بصيغة رسمية. بعد ذلك تولى وكلاء ذكاء اصطناعي مبنيون على Gemini Carbon كتابة البراهين، فكتبوا أكثر من ستة ملايين سطر بلغة البراهين Lean، ولم يحيلوا إلى المراجعة البشرية سوى نحو واحد في المئة من الشيفرة.
- البشر يحددون ما يجب إثباته.
- الوكلاء يكتبون البراهين على نطاق واسع.
- الخبراء يراجعون الأجزاء القليلة التي يحيلها النظام إليهم.
اختبار بأخطاء مزروعة عمداً
لقياس دقة النظام، زرع الباحثون خطأين عمداً في الشيفرة، فاكتشفهما النظام فوراً. وهذا ما يمنح الطريقة قيمتها، فالهدف ليس كتابة براهين كثيرة فحسب، بل التقاط ما لا يتطابق مع متطلبات الأمان.
ثقة أكبر في زمن تهديدات الذكاء الاصطناعي
يقول Ehren Kret، المدير التقني في Signal، إن هذا النهج يعزز الثقة في خصوصية البيانات مع تزايد التهديدات المرتبطة بالذكاء الاصطناعي. وتخطط DeepMind لتوسيع الطريقة لتشمل شبكات الكهرباء والأجهزة الطبية، عبر أنظمة مثل CodeMender، بحسب تقرير The Decoder.
ربما تكون المفارقة الأجمل هنا أن الذكاء الاصطناعي، الذي يخشى كثيرون أن يصبح أداة في يد المخترقين، قد يصبح أيضاً من يتحقق من أن الأقفال الرقمية التي نعتمد عليها مغلقة فعلاً.
عبَّر عن رأيك
إحرص أن يكون تعليقك موضوعيّاً ومفيداً، حافظ على سُمعتكَ الرقميَّةواحترم الكاتب والأعضاء والقُرّاء.
GITEX
Ai Everything
LEAP26









