VulnClaw يحول اللغة الطبيعية إلى وكيل اختبار اختراق آلي

لطالما كان اختبار الاختراق حرفة تتطلب جهدًا يدويًا كبيرًا، وتتطلب ساعات من الاستطلاع اليدوي، والتنسيق الدقيق للأدوات، وتدوين الملاحظات المنهجي. يهدف مشروع مفتوح المصدر جديد يُدعى VulnClaw إلى ضغط سير العمل هذا في تفاعل واحد باللغة الطبيعية، باستخدام عامل نموذج لغة كبير يقرر الخطوة التالية، ويستدعي الأدوات المناسبة، ويسجل كل نتيجة كدليل منظم.

ما يفعله VulnClaw

في جوهره، VulnClaw هو أداة سطر أوامر تقبل تعليمات بلغة بسيطة، مثل "pentest http://target.example.com"، ثم تمر بدورة من أربع مراحل: جمع المعلومات (بصمات الأصابع، مسح المنافذ، تعداد الدلائل)، اكتشاف الثغرات (نقاط الحقن، نقاط الضعف المعروفة، سوء التكوين)، الاستغلال (التحقق من صحة إثبات المفهوم، تصعيد الامتيازات)، وإنشاء التقارير (Markdown منظمة بالإضافة إلى نص برمجي لإثبات المفهوم بلغة بايثون). المحرك الافتراضي هو ما يسميه المؤلفون "حلقة حل بقيادة النموذج": يقرر نموذج اللغة الكبير الأداة التي سيستدعيها بعد ذلك، ومتى يطرح سؤالًا توضيحيًا، ومتى يعلن اكتمال المهمة.

هذا ليس دليلًا ثابتًا. يمتلك العامل قائمة متزايدة من 13 مزودًا لنماذج اللغة الكبيرة، بما في ذلك OpenAI وAnthropic وDeepSeek والعديد من النماذج الصينية مثل MiniMax وZhipu وQwen، ويتنقل بينها عبر أمر تكوين واحد. كما يدمج أربع خدمات MCP: أداة جلب مدمجة لطلبات HTTP، وخدمة ذاكرة لاستمرار الحالة، واتصالات اختيارية بـ Chrome DevTools (لأتمتة المتصفح) و Burp Suite (لاعتراض وإعادة تشغيل حركة HTTP).

ذاكرة الأدلة وبوابة مكافحة الهلوسة

أحد خيارات التصميم التي تميز VulnClaw عن العوامل النصية الأبسط هو طبقة الأدلة الخاصة به. تتم كتابة كل مخرج أداة إلى مخزن AgentState.evidence، مع الاحتفاظ بالمحتوى الخام إلى جانب التجزئة والحجم. السياق النشط الذي يراه النموذج يحتوي فقط على معاينة عالية الإشارة، ورؤوس الاستجابات، ومعلمات النموذج، وعناوين URL لنقاط النهاية، ومتغيرات التلاشي، ورموز تشبه الأعلام، بينما يظل النص الكامل متاحًا للاسترجاع عند الطلب عبر أدوات evidence_search و evidence_view المخصصة.

تعد بوابة مكافحة الهلوسة الضمان الأكثر وضوحًا. يتم قبول علم أو استنتاج مدعى به فقط إذا ظهر حرفيًا في مخرج أداة حقيقي، أو إذا استشهد بإدخال دليل برقم. إذا حاول النموذج إعلان النجاح بناءً على تخمين، ترفض البوابة إشارة FINAL وترسل السبب مرة أخرى إلى النموذج لمواصلة الاستكشاف. كما يمنع "حارس النجاح الوشيك" النموذج من الاستسلام مبكرًا جدًا عندما تظل نقاط الارتساء عالية الإشارة (مثل مصادر التعليمات البرمجية، ومدخلات النماذج، والاختلافات في الاستجابات) غير مستنفدة.

مكتبة المهارات المدمجة والنظام البيئي للأدوات

تأتي الأداة مع 50 مهارة متخصصة منظمة في 7 فئات أساسية و16 فئة خاصة بالمجال، تغطي اختبار الاختراق للويب، واختبار تطبيقات أندرويد، والهندسة العكسية من جانب العميل، وتحديات CTF، ومعلومات المصادر المفتوحة (OSINT)، والمزيد. لا يتم حقن هذه المهارات كنصوص إلزامية، بل تعمل كمؤشرات مرجعية اختيارية. يجب على النموذج استدعاء load_skill_reference صراحة لقراءتها، مما يحافظ على نظافة الموجه النشط ويتجنب تضخم السياق الذي يعاني منه العديد من عوامل نماذج اللغة الكبيرة.

على جانب الأدوات، يحزم VulnClaw 29 عملية ترميز/فك ترميز/تشفير (Base64، AES، JWT، مورس، وغيرها)، وأداة اختبار HTTP مجمعة لاختبار متغيرات متعددة لعناوين URL/المعلمات في استدعاء واحد، ومسبار فرق وقت التشغيل لسيناريوهات تجاوز الفلتر، وأداتي shell_command و python_execute للتحقق المحلي وبناء الحمولات. تكتب جميع الأدوات مخرجاتها في نفس مخزن الأدلة، وتتتبع طبقة تصحيح خفيفة الاستدعاءات المتكررة، والإخفاقات، وانتهاء المهلات، والنتائج الجديدة لحقن إشارات تغذية مرتدة متواضعة في الجولات اللاحقة.

النشر والتكوين

التثبيت مباشر: pip install vulnclaw، ثم تعيين مفتاح API، واختيار مزود، والتشغيل. تتوفر صورة Docker مع واجهة الويب وبيئات تشغيل MCP مثبتة مسبقًا. يتضمن المشروع أيضًا مساحة عمل TUI (vulnclaw tui) تعرض الأهداف المصرح بها وحدود النطاق ونظرة عامة على وقت التشغيل قبل بدء المهمة. للاختبار العميق المستمر، يعمل الوضع الدوري على 100 جولة لكل دورة لما يصل إلى 10 دورات، مع إنشاء تقرير تلقائي بعد كل دورة.

التحذيرات الأمنية بارزة في الوثائق. تم وضع علامة على المشروع كإصدار ألفا عام مخصص فقط للاختبار المصرح به وبيئات CTF وسيناريوهات البحث الخاضعة للرقابة. يحذر ملف README صراحةً من أن اختبار الاختراق غير المصرح به غير قانوني وأن المؤلفين لا يتحملون أي مسؤولية عن سوء الاستخدام.

لماذا هذا مهم لمجتمع الأمن

يحتل VulnClaw مكانة محددة بين اختبار الاختراق اليدوي بالكامل والماسحات الضوئية للثغرات الصارمة. من خلال السماح لنموذج اللغة بتنظيم سير العمل، يمكنه التكيف مع استجابات الخادم غير المتوقعة، وربط ثغرات متعددة، وكتابة إثباتات مفهوم مخصصة، وهي مهام تتعامل معها الماسحات التقليدية بشكل سيء. في الوقت نفسه، تعالج بوابات الأدلة والذاكرة المنظمة النقد الأساسي لعوامل الذكاء الاصطناعي في الأمن: أنها تنتج نتائج ملفقة بثقة.

الأداة ليست ناضجة بما يكفي للاستخدام الإنتاجي، والمؤلفون صريحون بشأن حالتها كإصدار ألفا، لكنها تُظهر اتجاهًا واعدًا. فرق الأمن التي تغرق بالفعل في إرهاق التنبيهات والفرز اليدوي قد تجد أن عامل الذكاء الاصطناعي، إذا تم تقييده بشكل صحيح، يمكنه التعامل مع الأجزاء المتكررة من اختبار الاختراق مع ترك قرارات الحكم لمشغل بشري. سيكون التحدي التالي هو إثبات أن بوابات مكافحة الهلوسة تصمد بالفعل في ظل الظروف العدائية الحقيقية.