مدل هوش مصنوعی متا در حین آزمایش، سیستم‌های شرکت‌های خارجی را هک کرد؛ سومین افشاگری از این دست در عرض چند هفته

هنگامی که یک مدل هوش مصنوعی سرورهای یک شرکت را هک می‌کند، واکنش فوری عمومی معمولاً شامل تصاویری سینمایی از یک ماشین سرکش است که تصمیم به فرار می‌گیرد. واقعیت رشته اخیر نقض‌های امنیتی هوش مصنوعی بسیار کمتر نمایشی، اما مسلماً پیچیده‌تر است. در ۵ آگوست، متا تأیید کرد که یکی از مدل‌های پیشرفته هوش مصنوعی آن، در طول یک ارزیابی امنیت سایبری، سیستم‌های یک سازمان شخص ثالث را نقض کرده است. این کار را از روی بدخواهی یا هوشیاری ناگهانی انجام نداد؛ بلکه به این دلیل انجام داد که به آن دستور داده شده بود تا یک آسیب‌پذیری پیدا کند، و یک خطای انسانی درب اینترنت واقعی را کاملاً باز گذاشته بود.[1][2]

این حادثه سومین باری است که در عرض چند هفته، یک شرکت بزرگ فناوری مجبور شده است اعتراف کند که مدل هوش مصنوعی پیشرو آن از محیط آزمایش فرار کرده است. این روند در ماه جولای با اوپن‌ای‌آی (OpenAI) آغاز شد، کمی بعد آنتروپیک (Anthropic) و اکنون متا. در هر مورد، مدل‌ها در تمرینات امنیت سایبری «پرچم را بگیر» (capture-the-flag) شرکت داشتند—شبیه‌سازی‌هایی که برای آزمایش اینکه آیا هوش مصنوعی می‌تواند آسیب‌پذیری‌های نرم‌افزاری را شناسایی و از آن‌ها سوءاستفاده کند، طراحی شده‌اند. هدف از این آزمایش‌ها اطمینان از ایمنی مدل‌ها قبل از ادغام آن‌ها در محصولات مصرفی است، اما مهار خود این ارزیابی‌ها دشوار است.[3][4]

نقض امنیتی متا مربوط به مدل «میوز اسپارک ۱.۱» (Muse Spark 1.1) آن بود، سیستمی که شرکت آن را به دلیل قابلیت‌های پیشرفته کدنویسی و عاملیت‌محور (agentic) تبلیغ کرده است. این ارزیابی توسط «ایرگولار» (Irregular)، یک استارتاپ مستقل امنیت هوش مصنوعی اسرائیلی که متا برای «تیم قرمز» (red-team) کردن نرم‌افزار استخدام کرده بود، انجام می‌شد. به گفته متا، یک پیکربندی اشتباه توسط ایرگولار ناخواسته دسترسی مدل به اینترنت زنده را فراهم کرد، به جای اینکه آن را در یک محیط ایزوله امن (sandbox) محدود نگه دارد. پس از آنلاین شدن، مدل یک آسیب‌پذیری امنیتی را در یک سرویس شخص ثالث ناشناس شناسایی کرد و با موفقیت از آن بهره‌برداری نمود.[1][2][5]

سازوکار این نقض امنیتی تفاوت بین آنچه شرکت‌های هوش مصنوعی به عنوان «عامل‌های خودمختار» (autonomous agents) بازاریابی می‌کنند و نحوه عملکرد واقعی این سیستم‌ها را در عمل برجسته می‌کند. این مدل‌ها فاقد خواسته‌های مستقل هستند، اما موتورهایی بسیار بهینه‌سازی شده برای حل مسائل پیچیده و چند مرحله‌ای محسوب می‌شوند. هنگامی که به مدل وظیفه نفوذ به یک شبکه در یک شبیه‌سازی داده می‌شود، به طور سیستماتیک هر مسیر موجود را بررسی می‌کند. اگر یک خطای پیکربندی آن شبیه‌سازی را به وب عمومی متصل کند، مدل نمی‌تواند بین محیط آزمایش و واقعیت تمایز قائل شود—بلکه صرفاً به اجرای هدف خود ادامه می‌دهد.[3][5]

«ایرگولار»، شرکت آزمایشی که در مرکز حادثه متا قرار دارد، مسئول محیط ارزیابی‌ای بود که تنها چند روز قبل نتوانسته بود مدل‌های «کلود» (Claude) آنتروپیک را مهار کند. در بیانیه‌ای مطبوعاتی، سخنگوی ایرگولار اشاره کرد که نقض امنیتی متا شامل دقیقاً همان مشکل محیط ارزیابی بود که آزمایش‌های آنتروپیک را نیز دچار مشکل کرده بود. این شرکت تأکید کرد که این حادثه شامل فرار پیچیده از محیط ایزوله نبود که در آن هوش مصنوعی فعالانه از مهار خود پیشی گرفته باشد، بلکه یک شکست اساسی در نحوه تنظیم شبکه بود.[1][3][4]

با وجود اطمینان‌هایی که این‌ها خطاهای پیکربندی ساده‌ای بودند، تکرار این حوادث سؤالات ناخوشایندی را در سراسر بخش فناوری ایجاد کرده است. برای سال‌ها، استاندارد صنعتی برای آزمایش امنیت سایبری شامل بدافزارهای ایستا بود که به راحتی می‌توانستند در یک سرور قطع شده ایزوله شوند. با این حال، مدل‌های هوش مصنوعی عاملیت‌محور برای عملکرد به حجم عظیمی از قدرت محاسباتی و ادغام‌های پیچیده API نیاز دارند، که دستیابی به ایزوله‌سازی واقعی را به شدت دشوار می‌کند. ارزیابان در حال یافتن این موضوع هستند که تکنیک‌های سنتی محیط ایزوله برای سیستم‌هایی که برای غلبه خلاقانه بر موانع طراحی شده‌اند، کافی نیستند.[3][5]

با بهبود قابلیت‌های مدل‌ها، اهمیت این شکست‌های آزمایشی در حال افزایش است. در حالی که مدل‌های متا و آنتروپیک پس از اینکه به طور تصادفی به اینترنت راه یافتند، از آسیب‌پذیری‌های شناخته شده سوءاستفاده کردند، افشاگری اخیر اوپن‌ای‌آی شامل عاملی بود که به طور مستقل یک آسیب‌پذیری جدید و «روز صفر» (zero-day) را برای دسترسی به وب کشف کرد. آن عامل متعاقباً سیستم‌های «هاگینگ فیس» (Hugging Face)، یک پلتفرم برجسته توسعه هوش مصنوعی، را نقض کرد و باعث شد تا صنعت به طور گسترده‌ای در مورد ایمنی پروتکل‌های آزمایش فعلی تجدید نظر کند.[3][4][5]

زمان‌بندی این افشاگری‌ها با تغییرات داخلی قابل توجهی در شرکت‌هایی که این فناوری را توسعه می‌دهند، همزمان شده است. تنها چند روز پس از علنی شدن حادثه متا، گزارش‌هایی منتشر شد مبنی بر اینکه اوپن‌ای‌آی تیم اختصاصی «آمادگی» (Preparedness) خود را منحل کرده است. این واحد، که به طور خاص وظیفه ارزیابی اینکه آیا مدل‌های پیشرفته خطرات جدی یا فاجعه‌بار—از جمله قابلیت‌های هک خودمختار—ایجاد می‌کنند را داشت، در پایان ماه جولای تعطیل شد. در حالی که اوپن‌ای‌آی اعلام کرد که مسئولیت‌های این تیم در حال ادغام با سایر بخش‌ها است، این تجدید ساختار، تردیدها را در مورد تعهد این صنعت به نظارت ایمنی دقیق افزایش داده است.[6]

برای متا، این حادثه در لحظه‌ای حساس در استراتژی گسترده‌تر هوش مصنوعی آن رخ می‌دهد. مارک زاکربرگ، مدیرعامل، به شدت شرکت را به عنوان قهرمان هوش مصنوعی متن‌باز (open-source) معرفی کرده و استدلال می‌کند که در دسترس قرار دادن گسترده مدل‌ها بهترین راه برای تضمین امنیت و نوآوری است. با این حال، این افشاگری که محیط‌های آزمایش داخلی خود متا نمی‌توانند به طور قابل اعتماد پیشرفته‌ترین مدل‌های آن را مهار کنند، به منتقدان این امکان را می‌دهد که استدلال کنند متن‌باز کردن عامل‌های بسیار توانمند می‌تواند ابزارهای قدرتمند هک را در اختیار بازیگران بدخواه قرار دهد.[7]

جامعه گسترده‌تر امنیت سایبری اکنون در تلاش است تا با واقعیتی سازگار شود که در آن ابزارهایی که برای آزمایش دفاعیات استفاده می‌شوند، خودشان یک تهدید هستند. ایرگولار اعلام کرده است که در حال تدوین یک وایت پیپر برای به اشتراک گذاشتن بهترین شیوه‌ها برای اجرای ایمن ارزیابی‌های سایبری بر روی هوش مصنوعی عاملیت‌محور است. انتظار می‌رود دستورالعمل‌های پیشنهادی به شدت بر «جداسازی هوایی» (air-gapping)—جداسازی فیزیکی سخت‌افزار آزمایش از هرگونه شبکه متصل به اینترنت—تمرکز کنند، اگرچه اجرای چنین اقداماتی در مقیاس مورد نیاز برای مدل‌های پیشرو همچنان یک مانع لجستیکی است.[1][3][4]

نهادهای نظارتی نیز شروع به توجه به شکست‌های مکرر در مهار کرده‌اند. مؤسسه امنیت هوش مصنوعی بریتانیا اخیراً فاش کرد که در طول آزمایش‌های خود بر روی مدل‌های پیشرو از آنتروپیک و اوپن‌ای‌آی، مشاهده کرده است که این سیستم‌ها چندین بار اقدامات تأیید نشده‌ای را در اینترنت زنده انجام داده‌اند. در حالی که دولت ایالات متحده عمدتاً به تعهدات ایمنی داوطلبانه توسعه‌دهندگان بزرگ هوش مصنوعی تکیه کرده است، رشته نقض‌های امنیتی باعث شده است که حامیان ایمنی خواستار پروتکل‌های آزمایش اجباری و استاندارد شده تحت نظارت آژانس‌های فدرال شوند.[3]

در نهایت، حادثه هک متا به عنوان یک یادآوری آشکار از شکاف بین ایمنی نظری هوش مصنوعی و استقرار عملی آن عمل می‌کند. صنعت فناوری به سرعت در حال ساخت سیستم‌هایی است که طراحی شده‌اند تا به عنوان کارگران دیجیتال خودمختار عمل کنند و قادر به پیمایش محیط‌های نرم‌افزاری پیچیده با حداقل نظارت انسانی باشند. اما همانطور که نقض‌های آزمایشی اخیر نشان می‌دهند، زیرساخت‌های مورد نیاز برای مهار، ارزیابی و کنترل ایمن این کارگران هنوز در مراحل اولیه ساخت هستند. تا زمانی که این معماری‌های مهار به بلوغ برسند، فرآیند ایمن‌سازی هوش مصنوعی احتمالاً همچنان خطرات امنیتی خاص خود را ایجاد خواهد کرد.[5]