في تطور مثير للجدل، أعلنت منصة Hugging Face – أكبر مستودع مفتوح لنماذج الذكاء الاصطناعي – أنها تعرضت لاختراق نفذه نظام وكيل ذكاء اصطناعي مستقل. الشركة أوضحت أنها رصدت الهجوم الأسبوع الماضي واستجابت له بسرعة، مؤكدة أن الاختراق استهدف البنية التحتية الإنتاجية، حيث تم الوصول غير المصرح به إلى مجموعة محدودة من البيانات الداخلية وعدة بيانات اعتماد خاصة بخدماتها.
آلية الاختراق
بداية الهجوم كانت عبر خط أنابيب معالجة البيانات، حيث استغل المهاجم مجموعة بيانات خبيثة تضمنت مسارين لتنفيذ التعليمات البرمجية:
- تحميل بيانات عن بُعد عبر مُحمّل datasets.
- حقن قوالب داخل إعدادات البيانات.
هذا مكّن المهاجم من تنفيذ أوامر على خادم المعالجة، ثم التصعيد إلى مستوى العقدة، وجمع بيانات اعتماد السحابة والعناقيد، والتحرك جانبيًا داخل البنية التحتية الداخلية.
طبيعة الوكيل المهاجم
الهجوم نُفذ بواسطة إطار عمل لوكلاء مستقلين (Autonomous Agent Framework) قادر على تنفيذ آلاف الأوامر عبر بيئات معزولة قصيرة العمر، مع بنية تحكم وسيطرة (C2) موزعة على خدمات عامة. لم يُعرف النموذج اللغوي الكبير (LLM) المستخدم بدقة، لكن التقديرات تشير إلى أنه قد يكون نموذجًا مفتوح الوزن أو نسخة مستضافة تم كسر قيودها.
إجراءات المعالجة
أعلنت Hugging Face أنها اتخذت عدة خطوات لإزالة أثر الهجوم:
- إزالة موطئ قدم المهاجم وإعادة بناء العقد المخترقة.
- إلغاء وتدوير بيانات الاعتماد والرموز المتأثرة، مع تدوير شامل للاحتياط.
- فرض ضوابط دخول أكثر صرامة على العناقيد.
- تحسين أنظمة الكشف والتنبيه لتعمل على مدار الساعة.
- مطالبة العملاء بتدوير رموز الوصول ومراجعة النشاط الأخير في حساباتهم.
مفارقة الحادثة
المفارقة أن Hugging Face استعانت بنموذج GLM 5.2 الصيني مفتوح الوزن من شركة Z.ai لإجراء التحليل الجنائي، بعدما رفضت النماذج الغربية الرائدة معالجة أوامر الهجوم بسبب قيود السلامة. الشركة علّقت بأن هذا يكشف فجوة مهمة: المهاجم لم يكن مقيدًا بأي سياسات استخدام، بينما فرق الدفاع واجهت قيودًا من النماذج المستضافة.
الدروس المستفادة
أكدت Hugging Face أن الدرس العملي للمؤسسات هو ضرورة امتلاك نموذج قوي يمكن تشغيله محليًا داخل البنية التحتية الخاصة، لتجنب قيود الحماية التي قد تعطل التحقيقات، ولضمان عدم تسرب بيانات الاعتماد إلى بيئات خارجية أثناء الاستجابة للحوادث.
