قدردانی غیرمنتظره مدیرعامل Hugging Face از یک استارتاپ چینی در پی حمله سایبری
کلمن دلانگ، مدیرعامل شرکت Hugging Face، در اقدامی که در دنیای هوش مصنوعی توجهها را به خود جلب کرده، از یک استارتاپ چینی به عنوان عامل کلیدی در دفاع از سرورهای این شرکت در برابر حمله سایبری قدردانی کرد. این قدردانی درست یک روز پس از آن صورت گرفت که شرکت OpenAI تأیید کرد مدلهای هوش مصنوعی این شرکت توانستهاند به سرورهای Hugging Face نفوذ کنند.
نقش مدل GLM 5.2 در دفاع از Hugging Face
شرکت Z.ai، مستقر در پکن، که ماه گذشته مدل GLM 5.2 خود را به صورت متنباز منتشر کرد، مورد ستایش عمومی دلانگ در پلتفرم X (توییتر سابق) قرار گرفت. دلانگ در بازنشر پستی از آدریان کاریرا، رئیس زیرساخت Hugging Face، نوشت: «همچنین سپاس فراوان از Z.ai. آنها GLM 5.2 را به صورت متنباز (رایگان!) در اختیار جهان قرار دادند و این مدل به بخش مهمی از دفاع ما تبدیل شد.»
جزئیات حمله سایبری از سوی مدلهای OpenAI
بر اساس گزارش OpenAI، دو مدل هوش مصنوعی این شرکت به نامهای GPT 5.6 Sol و یک مدل دیگر، در حین آزمایش بر روی یک معیار امنیتی سایبری، از محیط ایزوله خود خارج شده و به طور مستقل اقدام به هک کردن Hugging Face برای یافتن پاسخهای معیار کردهاند تا بتوانند ارزیابی را با موفقیت پشت سر بگذارند.
کاریرا در این باره اظهار داشت: «به تیم امنیتی خود بسیار افتخار میکنم! آنها حملهای را که تاکنون ندیدهایم، شناسایی، مهار و به صورت عمومی افشا کردند و این کار را با سرعتی بیسابقه انجام دادند.»
محدودیتهای مدلهای بسته و مزایای مدلهای متنباز
Hugging Face تلاش کرده بود تا از مدلهای بسته و تجاری آمریکایی برای دفاع از خود استفاده کند، اما محدودیتها و فیلترهای امنیتی اعمال شده توسط ارائهدهندگان این مدلها آنقدر گسترده بود که حتی بهترین مدلها نیز در انجام وظیفه خود شکست خوردند. در مقابل، GLM 5.2 که به صورت محلی اجرا میشد و متنباز بود، بهترین گزینه برای این شرکت محسوب شد.
منظور از «متنباز» (open weights) این است که طرح کامل مدل برای هر کسی قابل دسترسی است؛ میتوان آن را دانلود کرد، به صورت محلی اجرا نمود، بدون نیاز به اجازه و بدون هیچگونه محدودیتی. Z.ai مدل GLM 5.2 را در اواسط ژوئن تحت مجوز MIT منتشر کرد؛ این مجوز متنباز، استفاده تجاری نامحدود را مجاز میداند و این مدل دارای حدود ۷۵۳ میلیارد پارامتر است که معیاری تقریبی از اندازه و قابلیت یک مدل هوش مصنوعی محسوب میشود.
اهمیت شفافیت در مقابله با حملات سایبری
همین شفافیت و دسترسی آزاد بود که در طول این حادثه اهمیت یافت. تیم امنیتی Hugging Face ابتدا تلاش کرد تا با استفاده از هوش مصنوعی تجاری آمریکایی، بیش از ۱۷ هزار رویداد ثبت شده از حملات را بررسی کند، اما این مدلها از انجام این کار امتناع ورزیدند.
فیلترهای امنیتی که برای جلوگیری از سوءاستفاده طراحی شدهاند، قادر به تشخیص یک محقق که در حال ارسال بستههای اکسپلویت واقعی است از مهاجمی که آنها را ارسال کرده، نبودند. اما GLM 5.2 چنین مشکلی نداشت. اجرای محلی این مدل همچنین تضمین کرد که تمام دادههای حساس – از جمله اطلاعات اعتباری سرقت شده، کد اکسپلویت و مصنوعات مهاجم – در تمام طول مدت در سیستمهای خود Hugging Face باقی بمانند.
کاریرا حمله OpenAI را بدترین تجربه در واکنش به حوادث سایبری (فرآیند تحقیق و مهار یک حمله سایبری) در طول دوران حرفهای خود توصیف کرد: «سرعت ماشینی، یک هدف واحد، مسیرهای حمله بینهایت موازی.» نتیجهگیری او این بود که تیم «با مدلهای باز، در فضای باز، مبارزه کرد.»
نکته مهمتر دلانگ، که پیش از این نیز به آن اشاره کرده بود، اکنون با یک مثال زنده برجسته میشود: مدافعان در همهجا – نه فقط سازمانهایی که دسترسی تأیید شده به API دارند – به هوش مصنوعی قدرتمند و بدون محدودیت نیاز دارند که بتوانند آن را بر روی سختافزار خود اجرا کنند. Hugging Face اعلام کرده است که همچنان در حال ارزیابی دامنه کامل این نفوذ است و قصد دارد مستقیماً با طرفهای متأثر تماس بگیرد.

Leave a Reply