هل أصبح الاختراق أسهل من أي وقت مضى؟ نماذج ذكاء اصطناعي صينية تقترب من قدرات القراصنة المحترفين وتثير قلق العالم!

قدرات نماذج الذكاء الاصطناعي الصينية تثير مخاوف خبراء الأمن السيبراني

دخلت قدرات نماذج الذكاء الاصطناعي الصينية مرحلة جديدة من الجدل العالمي، بعدما كشفت اختبارات أمنية حديثة عن تطور ملحوظ في قدرة بعض النماذج على تنفيذ مهام سيبرانية معقدة، تشمل تحليل الشبكات الافتراضية، واكتشاف الثغرات البرمجية، والمساعدة في بناء استغلالات أمنية يمكن توظيفها في الهجمات الإلكترونية.

وأعادت هذه النتائج طرح سؤال بالغ الأهمية داخل قطاع التكنولوجيا: هل أصبحت أدوات الاختراق المتقدمة متاحة لعدد أكبر من المستخدمين بفضل الذكاء الاصطناعي، أم أن التطور الحالي لا يزال محصورًا في بيئات الاختبار والخبراء المتخصصين؟

وجاءت أبرز المؤشرات من اختبارات نموذج GLM-5.3 الذي تطوره شركة Z.ai الصينية، إلى جانب تجارب حديثة على نموذج DeepSeek، أظهرت أن بعض النماذج مفتوحة الأوزان أصبحت قادرة على تنفيذ مهام هجومية متعددة الخطوات بمستوى يقترب في بعض الاختبارات من نماذج متقدمة لا تتاح إلا لجهات محددة.

وتكمن أهمية هذه النتائج في أنها تكشف عن تطور قدرات نماذج الذكاء الاصطناعي الصينية من مجرد كتابة الأكواد وتحليل البيانات إلى المساعدة في تنفيذ عمليات تقنية أكثر تعقيدًا، وهو ما يثير تساؤلات بشأن مستقبل الأمن السيبراني ومدى استعداد المؤسسات لمواجهة هذا النوع من التهديدات.

ولا تعني هذه النتائج أن النماذج الصينية اخترقت بالفعل بنوكًا أو مؤسسات حكومية، لكنها تكشف عن قدرات تقنية تستدعي اهتمام شركات الأمن السيبراني والحكومات، خصوصًا مع انخفاض تكلفة تشغيل بعض هذه النماذج وإمكانية تنزيلها وتشغيلها بصورة مستقلة.

DeepSeek يقترب من نماذج الاختراق المتقدمة.. ماذا كشفت الاختبارات؟

أثار تقرير نشرته مجلة WIRED في 6 نوفمبر 2026 اهتمامًا واسعًا، بعدما استعرض نتائج اختبارات أجرتها شركة Vals المتخصصة في تقييم قدرات الذكاء الاصطناعي، بهدف معرفة مدى قدرة النماذج على تنفيذ مهام اختراق متعددة المراحل داخل شبكات شركات افتراضية.

واعتمدت التجارب على سيناريوهات تحاكي بيئات عمل حقيقية، تضمنت شبكة افتراضية يمكن الوصول إليها عبر موقع عام، وسيناريو آخر يتطلب التعامل مع شبكتين منفصلتين، والوصول إلى الثانية عبر اختراق الأولى داخل بيئة المحاكاة.

وأظهرت النتائج أن نموذج Daybreak المتقدم من OpenAI، والمتاح لشركاء موثوقين، أكمل في المتوسط نحو 81% من الأهداف المطلوبة، بينما حقق نموذج DeepSeek الصيني نحو 73% من الأهداف في الاختبارات التي أجرتها الشركة.

وتكتسب هذه النتيجة أهمية خاصة عند تحليل قدرات نماذج الذكاء الاصطناعي الصينية، لأنها توضح أن نموذجًا مفتوح الأوزان استطاع الاقتراب من أداء نموذج متقدم محدود الوصول في مجموعة من المهام السيبرانية، بل حقق نتائج مماثلة له في بعض التجارب، وفقًا لما ذكره الباحثون.

لكن هذه النسب تخص اختبارات محددة على شبكات افتراضية، ولا تعني أن DeepSeek يستطيع اختراق 73% من المؤسسات أو الشبكات الحقيقية، كما لا يمكن تعميم نتائج هذه التجربة على جميع نماذج الذكاء الاصطناعي الصينية.

لماذا أثارت تكلفة الاختراق بالذكاء الاصطناعي القلق؟

لم تتوقف نتائج اختبارات DeepSeek عند مستوى الأداء، بل امتدت إلى تكلفة تنفيذ المهام، وهي نقطة مهمة في تقييم مدى انتشار هذه القدرات مستقبلًا.

ووفقًا لتقديرات شركة Vals، تراوحت تكلفة استخدام GPT-6-Sol لتنفيذ الهجمات المحاكية بين 17 و46 دولارًا، بينما تراوحت تكلفة استخدام DeepSeek بين دولارين و3 دولارات فقط.

ويرتبط هذا الفارق جزئيًا بطبيعة النماذج مفتوحة الأوزان، التي يمكن تشغيلها على أجهزة وخوادم مستقلة، بدلًا من الاعتماد الكامل على خدمات سحابية مدفوعة.

وتوضح هذه الأرقام أن تطور قدرات نماذج الذكاء الاصطناعي الصينية لا يتعلق بالأداء التقني فقط، بل يمتد إلى تكلفة الوصول إلى بعض الأدوات المتقدمة، وهو ما قد يوسع نطاق استخدامها بين المطورين والباحثين والجهات العاملة في مجال الأمن الرقمي.

ومع ذلك، فإن انخفاض تكلفة استخدام النموذج لا يعني أن تنفيذ الاختراقات أصبح مضمونًا أو أن المستخدم يستطيع تجاوز أنظمة الحماية بمجرد الاستعانة بأداة ذكاء اصطناعي، إذ تظل النتائج مرتبطة بظروف الاختبار ومستوى النظام المستهدف.

GLM-5.3.. نموذج صيني ينجح في محاكاة هجمات إلكترونية متعددة المراحل

برز نموذج GLM-5.3 التابع لشركة Z.ai باعتباره أحد أبرز الأمثلة على تطور قدرات الذكاء الاصطناعي الصينية في المجال السيبراني.

ووفق تقرير نشرته وكالة رويترز في 29 أكتوبر 2026، أفادت شركة Irregular المتخصصة في أمن الذكاء الاصطناعي بأن النموذج تمكن من إكمال 3 سيناريوهات على الأقل من أصل 13 سيناريو لهجمات إلكترونية متعددة المراحل، وذلك في محاولة واحدة على الأقل لكل سيناريو.

وشملت التجارب مهامًا تتعلق بالوصول إلى خدمات محمية، وإنشاء اتصالات بديلة داخل الشبكات، وتنسيق الأنشطة بين عدة أجهزة، وهي عمليات تتطلب عادةً تحليلًا متتابعًا للبيئة التقنية وربط النتائج للوصول إلى الهدف.

وتوضح هذه النتائج جانبًا من تطور قدرات نماذج الذكاء الاصطناعي الصينية، خصوصًا في التعامل مع المهام التي تتطلب تنفيذ أكثر من خطوة، بدلًا من الاكتفاء بتقديم إجابات أو اقتراحات برمجية منفصلة.

كما أشار التقرير إلى أن النموذج لم يرفض المهام الهجومية التي اختبرها الباحثون ضمن تلك التجارب، وهو ما أثار تساؤلات بشأن فعالية القيود الأمنية المدمجة في بعض النماذج مفتوحة الأوزان.

لكن الاختبارات لم تكن اختراقًا لأنظمة شركات حقيقية، بل جرت داخل بيئات محاكاة خاضعة للرقابة، ولذلك يجب عدم التعامل مع نتائجها باعتبارها دليلًا على وقوع هجمات فعلية.

Anthropic تكشف قدرة GLM-5.3 على تطوير استغلالات للثغرات

في 29 سبتمبر 2026، نشرت شركة Anthropic تقييمًا أمنيًا لنموذج GLM-5.3، تناول قدرته على اكتشاف الثغرات وتطوير استغلالات برمجية متكاملة داخل بيئات اختبار معزولة.

وأوضحت الشركة أن النموذج تمكن من تطوير استغلالات عاملة في 50 محاولة من أصل 410 محاولات ضمن اختبار ExploitBench، بنسبة نجاح بلغت نحو 12%.

كما سجل النموذج نجاحًا في تطوير عمليات استغلال كاملة في 4% من التجارب ضمن اختبار داخلي آخر أجرته الشركة على مشروعات برمجية مفتوحة المصدر.

وأشارت Anthropic إلى أن هذه القدرات تمثل تطورًا مهمًا مقارنة ببعض النماذج السابقة، لأنها تسمح للنموذج بالانتقال من مجرد تحديد وجود ثغرة إلى المساعدة في بناء استغلال برمجي لها.

وفي جانب آخر، ذكرت الشركة أن اختبارات المحاكاة أظهرت إمكانية تجاوز بعض وسائل الحماية المدمجة في GLM-5.3 باستخدام أساليب بسيطة، بمعدلات تراوحت بين 64% و100% في التجارب التي أجرتها.

وتكشف هذه النتائج عن جانب حساس من قدرات نماذج الذكاء الاصطناعي الصينية، وهو أن تطور الأداء لا بد أن يصاحبه تطوير وسائل حماية قادرة على منع توظيف النماذج في تنفيذ طلبات هجومية أو تجاوز القيود الأمنية.

وتظل هذه النتائج تقييمًا صادرًا عن شركة تعمل في القطاع نفسه، ويجب فهمها في سياق الاختبارات والمنهجية التي استخدمتها، لا باعتبارها حكمًا شاملًا على كل استخدامات النموذج.

هل تفوقت النماذج الصينية على الذكاء الاصطناعي الأمريكي؟

رغم النتائج اللافتة التي حققتها النماذج الصينية، فإن البيانات المنشورة لا تثبت تفوقها الشامل على النماذج الأمريكية المتقدمة في مجال الأمن السيبراني.

فقد نشر مركز معايير وابتكار الذكاء الاصطناعي التابع للمعهد الوطني الأمريكي للمعايير والتكنولوجيا NIST تقييمًا لنموذج GLM-5.3 في 17 سبتمبر 2026.

وخلص التقييم إلى أن GLM-5.3 يُعد من أقوى النماذج مفتوحة الأوزان التي جرى تقييمها في المهام السيبرانية حتى ذلك الوقت، لكنه لا يزال متأخرًا عن مستوى النماذج الأمريكية المتقدمة بنحو أربعة أشهر وفق مؤشر مجمع لنتائج الاختبارات.

وأظهرت نتائج NIST اختلاف الأداء باختلاف طبيعة المهمة، إذ سجل GLM-5.3 نسبة 40.4% في اختبار SEC-Bench Pro، مقابل 90.2% لأفضل نموذج أمريكي ضمن المقارنة.

وفي اختبار ExploitGym، حقق النموذج الصيني 9.4%، بينما بلغت نتيجة أفضل نموذج أمريكي 44.4%، وفق بيانات التقييم المنشورة.

وتوضح هذه المقارنة أن قدرات نماذج الذكاء الاصطناعي الصينية تشهد تقدمًا واضحًا، لكنها لا تزال متفاوتة بحسب نوع الاختبار والمهمة المطلوبة، وأن الاقتراب من النماذج المتقدمة في بعض المجالات لا يعني تجاوزها في جميع مهام اكتشاف الثغرات وتطوير الاستغلالات.

ما الذي يجعل النماذج الصينية مفتوحة الأوزان أكثر حساسية أمنيًا؟

تُعد طبيعة إتاحة النماذج مفتوحة الأوزان من أبرز العوامل التي تزيد الاهتمام الأمني بتطور قدرات نماذج الذكاء الاصطناعي الصينية.

فالنماذج المغلقة عادةً ما تعمل من خلال خدمات تتحكم فيها الشركة المطورة، ويمكنها فرض قيود على المستخدمين، ومراقبة أنماط الاستخدام، وتحديث أنظمة الحماية، أو إيقاف الحسابات التي تخالف سياسات الاستخدام.

أما النماذج مفتوحة الأوزان، فيمكن تنزيلها وتشغيلها على خوادم مستقلة، كما يستطيع المطورون تعديلها ودمجها داخل تطبيقات وأدوات مختلفة.

وتوفر هذه المرونة مزايا مهمة للشركات والباحثين، مثل تقليل تكاليف التشغيل والتحكم في البيانات، لكنها تجعل فرض القيود الأمنية أكثر تعقيدًا بعد إتاحة النموذج خارج البنية التحتية للشركة المطورة.

وتزداد المخاطر عندما تُستخدم نسخ معدلة من النماذج لإزالة بعض وسائل الحماية أو توجيهها إلى مهام هجومية، وهو ما يفسر اهتمام الباحثين بمستوى الأمان وليس الأداء التقني وحده.

وفي هذا السياق، أثارت المخاوف الأمنية المرتبطة بنموذج DeepSeek تحركات أمريكية بشأن استخدامه داخل المؤسسات الحكومية، ويمكن التعرف على تفاصيل القرار وأسبابه من خلال تقرير ديب سيك تحت الحظر الأمريكي.. مخاوف أمنية وراء القرار المنشور على موقع الفيصل.

ولهذا السبب، لم يعد تقييم قدرات نماذج الذكاء الاصطناعي الصينية مقتصرًا على سرعة الإجابة أو جودة كتابة الأكواد، بل أصبح يشمل أيضًا مدى قدرة النموذج على مقاومة محاولات إساءة الاستخدام.

كيف يمكن للذكاء الاصطناعي تنفيذ مهام الاختراق؟

تعتمد قدرات الذكاء الاصطناعي في المجال السيبراني على مجموعة من الوظائف التي يمكن أن تساعد في تسريع مراحل التحليل والاختبار الأمني.

ومن أبرز هذه الوظائف:

• تحليل الأكواد البرمجية: فحص الشيفرات بحثًا عن أخطاء قد تؤدي إلى ثغرات أمنية.

• اكتشاف نقاط الضعف: تحديد أنماط برمجية غير آمنة أو مشكلات في تصميم التطبيقات.

• تحليل الشبكات: فهم مكونات الشبكات والخدمات المتصلة بها داخل بيئات الاختبار.

• تطوير الاستغلالات: المساعدة في اختبار إمكانية استغلال ثغرة معروفة ضمن بيئة مصرح بها.

• تنظيم المهام المتعددة: تقسيم العملية إلى مراحل ومتابعة النتائج للوصول إلى هدف محدد.

• المساعدة في الإصلاح: اقتراح تعديلات برمجية لمعالجة الأخطاء وتقليل فرص الاختراق.

وتكمن أهمية هذه الوظائف في أنها قد تختصر الوقت المطلوب لفحص الأنظمة، لكنها قد تساعد أيضًا المهاجمين على تسريع بعض مراحل البحث عن الثغرات إذا استُخدمت خارج الأطر القانونية.

الصين تتحرك لتطوير نماذج ذكاء اصطناعي أكثر أمانًا

في مقابل المخاوف المتعلقة بإساءة استخدام النماذج المتقدمة، بدأت شركات صينية في الإعلان عن أدوات تركز على الاستخدامات الدفاعية للأمن السيبراني.

وأعلنت شركة Tencent في 4 نوفمبر 2026 إطلاق نموذج Hy4، موضحة أنه دُرّب على بيانات أمنية تركز على المهام الدفاعية، مثل اكتشاف الثغرات والمساعدة في إصلاحها.

وأكدت الشركة استبعاد المواد المرتبطة بإنشاء أدوات الاختراق أو اقتحام الأنظمة أو تنفيذ عمليات استغلال هجومية من بيانات التدريب.

كما قالت Tencent إن التقييمات الأمنية التي أجرتها فرقها المتخصصة لم تكشف عن مخاوف كبيرة بشأن القدرات الهجومية للنموذج في المجالات التي اختُبرت.

وتعكس هذه الخطوة محاولة لتحقيق توازن بين الاستفادة من الذكاء الاصطناعي في حماية البرمجيات والشبكات، وتقليل احتمالات استخدامه في تنفيذ هجمات إلكترونية ضارة.

كما تبرز أهمية تطوير ضوابط أمنية أكثر تقدمًا بالتوازي مع تطور قدرات نماذج الذكاء الاصطناعي الصينية، حتى لا تتحول الأدوات المصممة لمساعدة الباحثين والمطورين إلى وسيلة لتسهيل الهجمات الرقمية.

ما مخاطر استخدام الذكاء الاصطناعي في الهجمات الإلكترونية؟

تتمثل المخاوف الأساسية في أن الأدوات المتقدمة قد تقلل الوقت والجهد اللازمين لتنفيذ بعض مراحل الهجمات الإلكترونية، خصوصًا عندما يستطيع المستخدم الاستعانة بالنموذج لتحليل الأكواد أو تنظيم مهام متعددة.

ومن أبرز المخاطر المحتملة:

1. تسريع اكتشاف الثغرات في البرامج والخدمات الرقمية.

2. المساعدة في تطوير استغلالات برمجية لثغرات معروفة.

3. تسهيل تنفيذ بعض المهام على مهاجمين أقل خبرة.

4. توسيع نطاق استخدام أدوات الهجوم منخفضة التكلفة.

5. زيادة صعوبة مراقبة النماذج التي تعمل بصورة مستقلة على خوادم خاصة.

6. استغلال أدوات الذكاء الاصطناعي في تطوير رسائل تصيد واحتيال أكثر إقناعًا.

ومع استمرار تطور قدرات نماذج الذكاء الاصطناعي الصينية، تزداد أهمية مراقبة الاستخدامات المحتملة لهذه الأدوات، خصوصًا عندما تتوافر نماذج متقدمة يمكن تشغيلها خارج منصات الشركات المطورة.

ومع ذلك، لا يعني ظهور هذه القدرات أن كل مستخدم يستطيع تنفيذ اختراق احترافي بمجرد كتابة أمر للنموذج، إذ تظل الهجمات الواقعية مرتبطة بعوامل كثيرة، منها طبيعة النظام المستهدف ومستوى الحماية والخبرة التقنية وتوافر الثغرات القابلة للاستغلال.

كيف تحمي الشركات نفسها من هجمات الذكاء الاصطناعي؟

مع تطور أدوات الهجوم الرقمي، تحتاج المؤسسات إلى تحديث استراتيجيات الأمن السيبراني، وعدم الاكتفاء بوسائل الحماية التقليدية.

ومن أهم الإجراءات التي تساعد على تقليل المخاطر:

• تحديث أنظمة التشغيل والتطبيقات باستمرار.

• فحص الأكواد البرمجية قبل نشرها واستخدام أدوات مراجعة أمنية.

• تفعيل المصادقة متعددة العوامل لحماية الحسابات.

• مراقبة الشبكات ورصد الأنشطة غير المعتادة.

• تقسيم الشبكات لمنع انتقال المهاجم بين الأنظمة بسهولة.

• إجراء اختبارات اختراق مصرح بها بصورة دورية.

• تدريب الموظفين على اكتشاف رسائل التصيد والهندسة الاجتماعية.

• وضع سياسات واضحة لاستخدام أدوات الذكاء الاصطناعي داخل المؤسسات.

ويظل إصلاح الثغرات المعروفة بسرعة من أهم وسائل تقليل فرص نجاح الهجمات، خاصة مع قدرة الأدوات الحديثة على تسريع تحليل الأكواد والبحث عن نقاط الضعف.

كما ينبغي أن تتعامل المؤسسات مع قدرات نماذج الذكاء الاصطناعي الصينية وغيرها من النماذج المتقدمة باعتبارها جزءًا من مشهد التهديدات الرقمية المتغير، وليس مجرد تطور تقني بعيد عن واقع الأعمال.

هل أصبحت نماذج الذكاء الاصطناعي الصينية تهديدًا للأمن العالمي؟

تؤكد الاختبارات الحديثة أن بعض النماذج الصينية وصلت إلى مستوى متقدم في تنفيذ مهام سيبرانية معقدة، وأن النماذج مفتوحة الأوزان بدأت تقترب من أداء نماذج محدودة الوصول في بعض الاختبارات المتخصصة.

لكن وصف جميع النماذج الصينية بأنها أدوات اختراق سيكون تعميمًا غير دقيق، فهذه التقنيات تختلف في قدراتها وطرق تدريبها ومستوى الحماية المدمج فيها، كما أن لها استخدامات دفاعية مهمة في اكتشاف الثغرات وتأمين البرمجيات.

والخطر الحقيقي لا يرتبط بجنسية النموذج وحدها، بل بمستوى قدراته، وطريقة إتاحته، وقوة الضوابط الأمنية، والجهة التي تستخدمه.

وفي ظل هذه التطورات، تبدو المنافسة المقبلة مرتبطة بقدرة شركات التكنولوجيا على تطوير نماذج أكثر كفاءة وأمانًا، وبقدرة المؤسسات على اكتشاف الثغرات وإصلاحها قبل استغلالها.

وتبقى قدرات نماذج الذكاء الاصطناعي الصينية التي كشفت عنها اختبارات DeepSeek وGLM-5.3 مؤشرًا على أن الأمن السيبراني يدخل مرحلة جديدة، قد تصبح فيها أدوات الذكاء الاصطناعي جزءًا أساسيًا من سباق مستمر بين المدافعين عن الأنظمة والمهاجمين الذين يحاولون تجاوز حمايتها.