مساعدو البرمجة بالذكاء الاصطناعي يواصلون اقتراح حزم غير موجودة، والمهاجمون جاهزون

اطلب من مساعد برمجة يعمل بالذكاء الاصطناعي أن يقترح مكتبة لإعادة محاولة طلبات HTTP أو لتحليل ملف CSV، وهناك احتمال حقيقي أن يقترح حزمة غير موجودة أصلاً. يسمي الباحثون الأمنيون هذه الظاهرة «slopsquatting»: يسجل المهاجمون الأسماء التي تتوهمها نماذج اللغة الكبيرة بالضبط، ثم ينتظرون حتى يوصي مساعد الذكاء الاصطناعي لدى أحد المطورين بتثبيتها. تعمل الحزمة الخبيثة في اللحظة التي يكتب فيها أحدهم pip install أو npm install بناءً على اقتراح المساعد.
ابتكر هذا المصطلح في عام 2025 Seth Larson، مطور الأمان المقيم في مؤسسة برمجيات بايثون، بعد أن شغّل باحثون من جامعة تكساس في سان أنطونيو، وفيرجينيا تك، وجامعة أوكلاهوما 16 نموذجاً لتوليد الكود على عشرات آلاف من طلبات البرمجة، فوجدوا أن نحو خُمس الحزم المقترحة لم تكن موجودة على PyPI أو npm. تضاعف معدل التوهم في النماذج مفتوحة المصدر تقريباً مقارنة بالنماذج التجارية، لكن لم يكن أي نموذج محصّناً تماماً، وتكرر نحو 43 بالمئة من الأسماء المتوهَّمة عبر طلبات وتشغيلات متعددة — أي أن المهاجم يحتاج إلى تسجيل حزمة واحدة فقط ليحصل على تدفق مستمر من الضحايا.
هذا التكرار هو ما يجعل slopsquatting أخطر من التزييف الإملاعي التقليدي (typosquatting). يعتمد التزييف الإملاعي على خطأ إملائي بشري — مثل كتابة reqeusts بدل requests — وهو سطح هجوم ضيق وعشوائي نسبياً. أما اسم الحزمة المتوهَّم، فهو تنبؤ سيكرره نموذج اللغة مراراً لنفس الطلب، لأن النموذج يطابق الأنماط مع أسماء مكتبات تبدو معقولة يتذكرها جزئياً من بيانات التدريب. سجّل huggingface-cli-utils أو node-fetch-retry-wrapper مرة واحدة، وسيظهر نفس الاسم لمطورين مختلفين، في أيام مختلفة، من نماذج مختلفة، بثبات مثير للقلق.
لماذا تفعل النماذج هذا
تولّد نماذج اللغة الكبيرة أسماء الحزم بنفس الطريقة التي تولّد بها أي تسلسل رموز آخر: بالتنبؤ بما هو مرجّح إحصائياً، لا بالتحقق من سجل فعلي. يتعلم النموذج المدرَّب على ملايين مستودعات GitHub أن عبارات الاستيراد لإعادة محاولة HTTP تأخذ شكلاً معيناً، فيولّد بثقة اسماً يبدو معقولاً حتى لو لم تُنشر هذه الحزمة أبداً. مساعدو البرمجة المعتمدون على الاسترجاع أو القادرون على استخدام أدوات فعلية للاستعلام من PyPI أو npm في الوقت الفعلي أقل عرضة لهذا، لكن كثيراً من أدوات الإكمال التلقائي في بيئات التطوير والمساعدين القائمين على المحادثة ما زالوا يولّدون الاقتراحات من الأوزان المدرَّبة مسبقاً فقط، خصوصاً للمكتبات الأقل شهرة التي تكون بيانات التدريب عنها محدودة.
تتفاقم المشكلة بسبب ثقة النموذج. وجد الباحثون أن النماذج نادراً ما تتحفظ بشأن أسماء الحزم المُبتكَرة — لا تقول «لست متأكداً من وجود هذه الحزمة»، بل تقدّم سطر import نظيفاً وأمر تثبيت نظيفاً. المطورون تحت ضغط المواعيد النهائية ينسخون ويلصقون أولاً، ولا يتحققون أبداً.
ماذا يفعل المهاجمون فعلياً بهذا
بعد تحديد اسم حزمة متوهَّم — عبر الفحص اليدوي لمساعدي البرمجة الشائعين، أو باستخراج البيانات من أبحاث التوهم العامة كدراسة جامعة تكساس في سان أنطونيو — يسجّل المهاجم هذا الاسم بالضبط على PyPI أو npm بحزمة تعمل فعلياً، تبدو بريئة على السطح لكنها خبيثة في الداخل: سارق بيانات اعتماد، أو صدفة عكسية (reverse shell) تُفتح عند الاستيراد، أو عامل تعدين عملات مشفرة يعمل في خيط معالجة بالخلفية. حادثة نوفمبر المتعلقة باختراق حزمة agent-framework الخاصة بمايكروسافت على PyPI عبر إصدارين مسمومين — نفّذا سارق بيانات اعتماد من خلال خطّاف بدء تشغيل .pth في بايثون، وعرّضا نحو 190 ألف تنزيل شهري للخطر قبل إزالة الحزمة — استخدمت مسار دخول مختلفاً (اختراق حساب أحد القائمين على الصيانة)، لكنها تُظهر نفس نمط الحمولة الخبيثة الأساسي الذي يعتمد عليه slopsquatting: كود يُنفَّذ تلقائياً عند التثبيت أو الاستيراد، قبل أن يراجعه أي إنسان.
هذا التفاوت يميل بشدة لصالح المهاجم. نشر حزمة على PyPI أو npm لا يكلّف شيئاً ويستغرق دقائق. كل تثبيت ناجح هو جهاز مطور، أو عامل CI، أو حاوية إنتاج زُرع فيها باب خلفي مسبقاً — غالباً بنفس الصلاحيات التي يملكها خط المعالجة الذي نفّذ أمر التثبيت.
ما يقلل المخاطر فعلياً
حظر مساعدي البرمجة بالذكاء الاصطناعي ليس حلاً واقعياً ولا صحيحاً — معدل التوهم خاصية متعلقة بالنموذج، لا بمشكلة اختيار المساعد، ويظهر في أدوات المحادثة أيضاً. ما يساعد فعلياً:
ثبّت التبعيات واحفظ ملفات القفل. وجود package-lock.json أو poetry.lock أو requirements.txt مع تجزيئات (hashes) يعني أن اسم حزمة مقترَح حديثاً يجب أن يمرّ بخطوة مراجعة واضحة، بدلاً من سحبه بصمت في البناء التالي.
تعامل مع أي تبعية جديدة يقترحها الذكاء الاصطناعي كتغيير يحتاج مراجعة، لا كأمر يُنفَّذ. قبل التثبيت، تحقق من صفحة الحزمة في السجل: تاريخ النشر، عدد التنزيلات، تاريخ القائم على الصيانة. مكتبة تحل مشكلة شائعة مزعومة لكنها نُشرت قبل ثلاثة أسابيع فقط بصفر إصدارات سابقة هي إشارة تحذير، لا مصادفة.
استخدم وكيل سجل خاص بقائمة سماح لأنظمة CI والبناء. أدوات مثل Artifactory و Nexus أو سجلات npm المخصصة تتيح للفريق التحكم في الحزم المسموح بحلّها في خطوط المعالجة الآلية، مما يغلق الهدف الأعلى قيمة — عمال CI ذوو الصلاحيات الواسعة — حتى لو لم يكن جهاز المطور المحلي محكماً بنفس الدرجة.
شغّل سكربتات زمن التثبيت في بيئة معزولة (sandbox). علم --ignore-scripts في npm وخيارات مماثلة في تحزيم بايثون تمنع خطّافات تثبيت حزمة خبيثة من تنفيذ كود عشوائي لحظة سحبها، وهذا يضعف أكثر آليات حمولة slopsquatting شيوعاً حتى لو تسرّبت الحزمة السيئة.
الحل الأعمق ثقافي: يجب أن تحصل اقتراحات الكود المولَّدة بالذكاء الاصطناعي، بما فيها التبعيات التي تجلبها، على نفس التدقيق الذي يحصل عليه طلب سحب (pull request) من مساهم غير معروف — لا الثقة التي يمنحها المطورون لاستيراداتهم المكتوبة يدوياً. جعلت أبحاث 2025 حجم الحزم المتوهَّمة قابلاً للقياس؛ وجعلت حادثة agent-framework الخاصة بمايكروسافت نطاق الضرر ملموساً. تعامل مع كل اسم حزمة جديد يقترحه مساعد على أنه غير موثّق حتى يثبت السجل عكس ذلك.