Lovable تستخدم أسراباً من وكلاء الاختراق لاختبار أمن منصتها

تقول Lovable إنها تضع أعلاماً داخل أسطح منتجاتها وبنيتها، ثم تكلف وكلاء اختراق بالبحث عن طرق حقيقية للوصول إليها. التقاط العلم يعني وجود مسار قابل للإثبات، لا مجرد احتمال. وتؤكد الشركة أن الوكلاء لا يستبدلون الباحثين الأمنيين.

Lovableافتح الدليل
واتساب

الخلاصة

نشرت Lovable شرحاً لبرنامج أمني داخلي تستخدم فيه أسراباً من وكلاء اختراق بالذكاء الاصطناعي ضد منصتها. بدلاً من سؤال الوكيل إن كانت هناك ثغرة، تضع الشركة هدفاً قابلاً للتحقق: العثور على علم لا يجب أن يستطيع الوصول إليه.

هذا الأسلوب يقلل الضجيج الأمني لأنه يجعل النجاح مشروطاً بإثبات عملي. وتمنح Lovable الوكلاء وصولاً واسعاً إلى أسطح المنتج، ثم تختار سيناريوهات تقلل المسافة بين نقطة البداية والهدف.

الشركة تؤكد أن الوكلاء يساعدون الباحثين الأمنيين ولا يستبدلونهم، لأن التنسيق البشري ومعرفة حدود الثقة في النظام ما زالا ضروريين.

لماذا يهم

يعكس هذا التحديث انتقال Lovable من أداة بناء سريعة إلى منصة أكثر نضجاً للبناء، التشغيل، الأمن، والتكامل. بالنسبة للفرق العربية، الأثر العملي هو تسريع النماذج الأولية مع ضرورة الانتباه إلى الصلاحيات، البيانات، وحدود الاعتماد الإنتاجي.

المصدر

Lovable Blog: https://lovable.dev/blog/how-we-run-swarms-of-ai-hacking-agents-against-ourselves

انتهى الخبر، لا السياق.

نحدّث الخبر كل ما وصلتنا معلومة جديدة.

اقرأ أيضاً

أخبار مرتبطة

كل الأخبار

SocietyBench: معيار جديد لتقييم قدرة النماذج على توقع تطورات العالم الاجتماعي في إطار «عوالم مضادة للواقع»

SocietyBench إطار تقييمي يحول تغطية الأخبار ووسائل التواصل إلى جداول زمنية مؤرخة ثم يُجهّلها عبر استبدال الكيانات وتحريك التواريخ لإنتاج «عوالم مضادة». ينتج عن ذلك بنوك أسئلة تنبؤية تُقَيَّم على معايرة الاحتمال والدقة الزمنية؛ أفضل من بين ستة LLMs حقق 75/100 مقابل مرجع بسيط 50. جميع البيانات والشفرات منشورة على arXiv.