تحليل معمق · قراءة نحو 3 دقائق
Databricks تضيف أدلة ثنائية لفرز برمجيات npm الخبيثة: انخفاض الإخفاق لا يضمن السلامة
تحسن ملفات القدرات التصعيد في تجربة مضبوطة، بينما تكشف بيانات الإنتاج حدود الملصقات على مستوى الحزمة.
- تاريخ المصدر
- نُشر هنا
- تم التحقق من المصدر
نشرت Databricks Threat Research في 16 أكتوبر دراسة لفرز برمجيات npm الخبيثة باستخدام LLM. تحسب الطريقة أدلة ثنائية منظمة قبل استدلال النموذج. قد تضاهي جودة الأدلة اختيار نموذج أقوى، لكن التجربة المضبوطة والتحقق الإنتاجي يجيبان عن سؤالين مختلفين.
استمع إلى الأخبار
استمع إلى هذا المقال أو تابع تشغيل الأخبار.
جارٍ تجهيز القراءة…
صوت الجهاز
يتولى المتصفح أو الجهاز معالجة النطق. لا يرسل AISubHub النص إلى واجهة صوتية. تختلف الأصوات والتشغيل مع قفل الشاشة حسب الجهاز.
قد تتكرر عبارة قصيرة عند المتابعة.
لمحة سريعة
- في 70 اختباراً لنموذج اقتصادي وحمولة انخفض الإخفاق عند عتبة التصعيد من 35 إلى 3 مع ملفات القدرات.
- أبلغ تحقق الإنتاج عن 345 إيجابياً صحيحاً و80 سلبياً خاطئاً و104 إيجابيات خاطئة و2,345 سلبياً صحيحاً وفق ملصقات الحزم.
كيف يخفي الغلاف المقنع ضعف الحكم
قد تجمع حزمة npm شيفرة JavaScript عادية وبيانات احترافية وملفاً ثنائياً غامضاً. وجدت الدراسة أن النماذج تستخدم الغلاف السليم لتبرير إشارات ثنائية مريبة. وقد يوهم التفسير السلس بأن الملف فُحص بعمق. يميز الباحثون التبرير والتجاهل والتردد واختلاق الأدلة. تتداخل هذه الأنماط، فلا تُجمع نسبها كما لو كانت فئات منفصلة.
ما الذي يتغير قبل الاستدلال؟
يجمع الماسح YARA وSemgrep وبيانات السجل والتحليل الثنائي. تقيم ملفات القدرات شروطاً خاصة بالتقنيات، وتحقن ملخصاً منظماً بحوالي 1,800 رمز قبل الاستدلال. إنها معرفة تخصصية أثناء الاستدلال وليست إعادة تدريب للأوزان. يظل النموذج صاحب الحكم ويمكنه تجاوز الملف. قيّمت سبعة نماذج اقتصادية عشر حمولات مصطنعة بوجود الملفات وغيابها، مع مرجعين أقوى محسوبين منفصلين. استُخدم Claude Opus 4.6 مرجعاً للكلفة فقط. ليست هذه قائمة شاملة لقدرات النماذج. استخدم الشرطان المدخل والتحليل الساكن نفسيهما، وحرارة 0 وسقف إخراج 8,192 رمزاً.
المقام الصحيح للتحسن
النجاح يعني حكماً بشديد الاشتباه أو خبيث، لا خبيث وحده. أخفق أولاً 35 من أصل 70 تركيباً؛ استعادت الملفات 32 وبقيت 3 إخفاقات. نحو 91% هي استعادة الإخفاقات الأولية وليست استدعاء أي برمجية npm خبيثة. وبقيت إخفاقات أكثر عند عتبة خبيث فقط. حتى الحكم الصحيح لا يضمن تفسيراً صحيحاً؛ ظهرت مؤشرات ثنائية مختلقة في نماذج أصابت التصنيف. ولا تزيل أغلبية التصويت بالضرورة أخطاء مترابطة ناتجة عن نقص الأدلة نفسه.
ماذا يكشف التحقق الإنتاجي؟
استخدم التحقق المنفصل 425 إصدار حزمة خبيثاً و2,449 إصداراً للمقارنة. كانت النتائج 345 إيجابياً صحيحاً و80 سلبياً خاطئاً و104 إيجابيات خاطئة و2,345 سلبياً صحيحاً، مع precision 0.77 واستدعاء 0.81 وF1 0.79 عند عتبة التصعيد. بلغت الإيجابيات الخاطئة 4.25% من إصدارات المقارنة. اختيرت المقارنة بإشارات ككثرة التنزيل وعدم الوجود في OSV؛ ليست شهادة بسلامة كل ملف. يضع OSV ملصقاً للحزمة كلها، وقد يقع الخبث في JavaScript أو التثبيت بدلاً من الملف الثنائي. لذلك لا تحدد الأرقام درجة خالصة لكاشف ثنائي فقط.
اختبارات قبول للتشغيل
تحليل AISubHub: اجعل إنتاج الدليل والحكم وعتبة التنفيذ قابلة للرصد منفصلة. في حزمة افتراضية ذات مكون أصلي غامض، سجّل نتائج التحليل الساكن أولاً ثم تحقق هل يستند التفسير إليها أم يختلق عناوين وسلوكاً. اختبر الحزم الأصلية المشروعة والحالات غير الواضحة بجانب الهجمات المعروفة. قِس عبء المراجعة والإخفاق في التصعيد لا سعر الرمز وحده. يوضح الباحثون أن نقاط الخدمة تتغير، فتكون مقارنة المدخلات المتطابقة في الفترة نفسها أقوى من ترتيب دائم لأسماء النماذج. هذه ضوابط مقترحة وليست ضماناً للعمل الآمن دون إشراف.
لماذا يهم
تحليل AISubHub: ينبغي فصل استخراج الأدلة والتفسير وسياسة التنفيذ. احفظ الملف ونتائج الفحص، وراجع الحالات غير اليقينية، وتأكد من وجود المؤشر قبل تمريره إلى التحقيقات اللاحقة.
القيود والتوافر
هذه نتائج Databricks ولم نكررها مستقلاً. المجموعة المصطنعة صغيرة والملصقات تخص الحزمة لا بالضرورة ملفها الثنائي. النماذج المستضافة تتغير والتصعيد لا يثبت الخبث. لا يوجد سعر اشتراك شخصي جديد.
المصادر والأدلة
تاريخ المصدر: 16/10/2026 · تم التحقق من المصدر: 21/10/2026
مقالات تحريرية بمساعدة الذكاء الاصطناعي تُراجع مقابل المصادر الأولية المذكورة. تُنسب ادعاءات الشركات إليها، والإدراج لا يعني التوصية.