پلاگین جدید Hermes Agent با ردیابی مسیرهای نفوذ، آسیبپذیریهای امنیتی کد را شناسایی میکند
تیم Nous Research با انتشار افزونه رسمی hermes-security، عامل هوشمند Hermes Agent را به ابزاری برای ارزیابی جامع امنیت مخازن کد تبدیل کرد. این ابزار با تحلیل مسیرهای دسترسی مهاجم و اجرای آزمونهای راستیآزمایی، هشدارهای کاذب را به حداقل میرساند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- افزونه جدید hermes-security با شبیهسازی مسیرهای نفوذ و تحلیل دسترسی دادههای نامعتبر، آسیبپذیریهای امنیتی مخازن کد را با دقت بررسی میکند.
- این ابزار بهکمک عاملهای فرعی همزمان و سه حالت اسکن مختلف، کدهای پروژه را بازبینی کرده و حتی کدهای آزمایشی برای اثبات رخنه امنیتی مینویسد.
- گزارشهای امنیتی این سامانه با استانداردهایی مانند OWASP مطابقت دارد و بهراحتی در قالب خروجیهای استاندارد مانند SARIF با ابزارهای امنیتی دیگر هماهنگ میشود.
آزمایشگاه Nous Research افزونه رسمی hermes-security را منتشر کرده است؛ ابزاری که عامل هوشمند Hermes Agent را به یک ارزیاب امنیتی پیشرفته در سطح مخازن کد تبدیل میکند. این افزونه ساختار کد را میخواند، یک مدل تهدید ترسیم میکند، مسیر ورودیهای تحت کنترل مهاجم تا آسیبپذیریهای بالقوه را ردیابی کرده و حتی میتواند برای اثبات رخنه، کد بازتولید آسیبپذیری را بنویسد و اجرا کند.
ابزارهای آزمون ایستای امنیت اپلیکیشن (یا SAST) سورسکد نرمافزار را بدون نیاز به اجرای برنامه تحلیل میکنند. با این حال، بسیاری از اسکنرهای سنتی الگوهای خطرسازی را گزارش میدهند که در عمل هیچ مسیر دسترسی واقعی برای مهاجم ندارند. مدل Hermes تمرکز ارزیابی خود را روی همین مسئله دسترسپذیری قرار میدهد؛ رویکردی که هشدارهای کاذب را بهشدت کاهش میدهد و مدارک محکمی برای اثبات آسیبپذیریهای تاییدشده ارائه میکند.
نحوه ترسیم سطح حمله توسط Hermes
بهمحض اینکه این ابزار به یک مخزن کد محلی متصل شود، نقاط ورودی و مرزهای اعتماد سیستم را شناسایی کرده و سپس زیرعاملهای موازی را برای بررسی کد تعیین میکند. این بازبینهای هوشمند گزینههای مشکوک را مییابند، آنها را با منطق کلی پیادهسازی مقایسه میکنند و بررسی مینمایند که آیا ورودیهای نامعتبر کاربر واقعاً میتوانند به بخش حساس و آسیبپذیر برسند یا خیر.
سامانه Hermes پوشههای پروژه را به بخشهای حدوداً ۴۰۰۰ خطی تقسیم میکند که حجم کاری مناسب برای یک عامل بازبین محسوب میشود. حداکثر ۱۰ عامل بازبین بهطور همزمان این بخشها را اسکن میکنند، در حالی که یک بازبین مجزا نیز ساختار کلان پروژه را برای یافتن نقاط ورودی مشترک و مرزهای امنیتی زیر نظر میگیرد.
سه حالت کاری برای مدیریت بودجه و توان پردازشی
حالت | محدوده اسکن و نحوه عملکرد |
|---|---|
استاندارد (Standard) | تمام کدهای عملیاتی را در صورتی که در قالب حداکثر ۹۰ بخش (حدود ۳۶۰ هزار خط) بگنجند بررسی میکند. در مخازن بزرگتر، اولویت به فایلهای مرتبط با مسیرها (Routes)، ورودیهای درخواست، دستورات شل، کوئریهای SQL، فرآیند تبدیل داده (Deserialization)، احراز هویت و وبهوکها داده میشود. |
عمیق (Deep) | فهرست نادیدهگرفتن اسکن استاندارد را کنار میگذارد و کل مخزن کد را در چند دور مستقل بازبینی میکند. حالت پیشفرض بر پایه ۳ دور بررسی است. |
تغییرات (Diff) | تغییرات ثبتنشده در گیت یا تفاوتهای شاخه فعلی نسبت به شاخه اصلی پروژه را بررسی میکند. |
هر آسیبپذیری به یک مسیر دسترسی واقعی نیاز دارد
پیش از آنکه Hermes هر یافته مشکوک را با سطح خطر معین گزارش کند، آن را از فیلتر بررسی سطح کد و سنجش دسترسپذیری عبور میدهد. این عامل هوشمند بهجای اینکه یک الگوی کد ایزوله را مدرکی کافی برای وجود باگ بداند، بررسی میکند که آیا دادههای تحت کنترل مهاجم میتوانند در طول برنامه جابهجا شده و به عملیات آسیبپذیر منتهی شوند یا خیر.
با فعالسازی قابلیت تأیید از طریق آزمون، Hermes یک اسکریپت کوچک برای بازتولید باگ مینویسد و آن را با ابزارهای موجود در پروژه درون یک نسخه موقت از مخزن اجرا میکند. یک آسیبپذیری تنها زمانی برچسب «تاییدشده با آزمون» را دریافت میکند که اسکریپت حمله با موفقیت اجرا شود و آزمون منفی متناظر نیز عملکرد طبیعی داشته باشد. این آزمون منفی به شناسایی مواردی کمک میکند که آزمون نفوذ بهدلیلی نامرتبط و تصادفی نتیجه مثبت داده است.
آزمونهایی که امکان اجرا پیدا نمیکنند با وضعیت NOT_RUN ثبت میشوند و هیچ مدرکی له یا علیه آن آسیبپذیری بهشمار نمیآیند. علاوه بر این، تست یک اپلیکیشن زنده و در حال اجرا نیازمند مجوزی جداگانه و مشخص برای هر اسکن است که به یک آدرس مبدأ، مدت زمان ۱ ساعت و حداکثر ۲۰۰ درخواست محدود میشود؛ ابزارهای این عامل بههیچوجه نمیتوانند خودشان این مجوز را صادر کنند.
هشدارهای امنیتی نیازمند شواهد مبتنی بر کد هستند
سامانه Hermes پیش از بازبینی کدهای اصلی، فایلهای قفل وابستگیها (Lockfiles) را با ابزار osv-scanner گوگل تطبیق میدهد و نسخههای اعلامشده زمان اجرا را با پایگاه داده endoflife.date مقایسه میکند. یک هشدار امنیتی تنها در صورتی بهعنوان آسیبپذیری نهایی ثبت میشود که ارزیابی کدها نشان دهد اپلیکیشن واقعاً عملکرد آسیبپذیر آن بسته نرمافزاری را فراخوانی میکند.
گزارشهای مستند با حفظ شفافیت کامل
هر گزارش صادرشده شامل شواهد تاییدکننده، موارد مشکوک ردشده و شکافهای پوشش اسکن است. نتایج خروجی در قالب فرمتهای Markdown ،JSON ،CSV یا SARIF قابل دریافت هستند و نسخه دسکتاپ Hermes نیز صفحهای اختصاصی برای مرور جامع این گزارشهای امنیتی فراهم کرده است.
ذخیرهسازی وضعیت در قالب نقاط بازیابی (Checkpoint) به کاربر امکان میدهد اسکنهای متوقفشده یا قطعشده را با یک پیام جدید یا کلیک روی دکمه ادامه اسکن از سر بگیرد. کدهای بررسینشده و عاملهایی که موفقیتی در ارائه نتیجه نداشتهاند، بهصورت شکاف پوشش نمایش داده میشوند؛ بنابراین گزارشی که هیچ باگی نیافته اما پوشش کاملی نداشته است، آن مسیرها را بررسینشده و تعیینتکلیفنشده باقی میگذارد.
نصب با یک دستور و سه روش فراخوانی
این افزونه که با مجوز آپاچی ۲.۰ (Apache-2.0) منتشر شده است، در مخزن رسمی افزونههای Hermes قرار دارد و برای استفاده به نسخه ۰.۲۱.۵ یا بالاتر Hermes و پایتون ۳.۱۱ یا جدیدتر نیاز دارد. نصب آن تنها با یک دستور انجام میشود:
hermes plugins install hermes-security --enable- گفتگو در چت: درخواست از Hermes با عبارت
scan this repo for security issues. - دستور اسلش: اجرای دستور
/security. - رابط خط فرمان (CLI): اجرای دستور
hermes security-review.
این افزونه هیچ هزینه لایسنسی ندارد، اما ارائهدهنده مدل زبانی انتخابی شما هزینه مصرف توکنها را محاسبه میکند. هزینهها متناسب با حجم کدهای اسکنشده، تعداد دورهای بررسی، تحلیل مسیرهای دسترسی و آزمونهای تولیدشده افزایش مییابد.
مرزهای اعتماد فراتر از مخزن کد گسترش مییابد
قابلیت تأیید با آزمون، کدهای تولیدشده را با دسترسیهای کاربر فعلی درون یک کپی موقت از مخزن اجرا میکند. هرچند Hermes متغیرهای محیطی حاوی اطلاعات حساس و گذرواژهها را حذف میکند، اما کدهای ناشناس مخزن همچنان ممکن است با سطح دسترسی کاربر اجرا شوند؛ به همین دلیل، آزمون تأیید نفوذ باید تنها روی مخازن و کدهای مورد اعتماد انجام شود.
از سوی دیگر، کدهای تحت بررسی به سرورهای ارائهدهنده مدل هوش مصنوعی ارسال میشوند. تیمهایی که محدودیتها و سیاستهای سختگیرانهای برای اشتراکگذاری سورسکد دارند، باید از مدلها و ارائهدهندگانی استفاده کنند که سیاستهای نگهداری داده آنها با این الزامات همخوانی داشته باشد.
جایگاه Hermes در زنجیره ابزارهای امنیتی
افزونه Hermes فرآیندهای مدلسازی تهدید، بازبینی موازی، تحلیل مسیرهای دسترسپذیری، اجرای اختیاری اسکریپتهای اکسپلویت و صدور خروجی استاندارد SARIF را در قالب اولین افزونه رسمی شرکت Nous برای گردش کارهای SAST ترکیب کرده است. خط پردازش مرحلهبهمرحله این سامانه باعث میشود پیش از رسیدن یافتههای هوش مصنوعی به مرحله تریاژ و ارزیابی نهایی، ایستگاههای بررسی مشخصی اعمال شود.
تیمهایی که در حال حاضر از ابزارهایی نظیر Snyk و Semgrep یا بررسی انسانی تغییرات کد استفاده میکنند، میتوانند Hermes را بهعنوان بازبینی مکمل به کار گیرند که قابلیت سوءاستفاده از رخنه را ردیابی کرده و در صورت وجود مجوز، برای بازتولید آن تلاش میکند. خروجی در فرمت SARIF این امکان را به وجود میآورد که یافتههای تاییدشده و تاییدنشده مستقیماً وارد سیستمهای امنیتی موجود شوند.
علاوه بر این، تطبیقهای انجامشده با فهرست ۱۰ آسیبپذیری برتر OWASP و استاندارد تأیید امنیت اپلیکیشن (ASVS) محدوده ارزیابی را مشخص میکند، هرچند که مجوزی رسمی برای انطباق با استانداردها ارائه نمیدهد.
مطالب مرتبط و پیشنهادی

بریتانیا برنامهای برای کند کردن روند ساخت مراکز داده هوش مصنوعی ندارد
وزیر رشد بریتانیا اعلام کرد این کشور برنامهای برای متوقف کردن یا کند ساختن پروژههای مراکز داده هوش مصنوعی ندارد و آنها را زیرساخت حیاتی اقتصاد میداند. در حالی که آمریکا با چالشهای مصرف انرژی و مخالفتهای محلی روبهرو است، لندن تلاش میکند با نظارت دقیقتر و ایجاد اشتغال، ظرفیت پردازشی خود را تا سال ۲۰۳۰ به ۶ گیگاوات برساند.

توافق گوگل، مایکروسافت و OpenAI؛ روشی مشترک در robots.txt برای جلوگیری از آموزش مدلها با محتوای وب
گوگل، مایکروسافت، OpenAI و Anthropic توافق کردهاند تا با پشتیبانی از یک خط کد مشترک در فایل robots.txt، به مدیران وبسایتها اجازه دهند مانع استفاده از محتوای خود در آموزش مدلهای هوش مصنوعی شوند. این سازوکار جدید اگرچه مدیریت دسترسی را سادهتر میکند، اما مانع از خزش خودکار صفحات نخواهد شد و دادههای جمعآوریشده قبلی را نیز در بر نمیگیرد.

چگونه موسیقی ساختهشده با هوش مصنوعی را تشخیص دهیم؟ نشانهها و راهکارهای کاربردی
با گسترش آهنگهای تولیدشده با هوش مصنوعی و نفوذ آنها به پلتفرمهای پخش موسیقی، تشخیص آثار واقعی از قطعات ماشینی اهمیت دوچندانی پیدا کرده است. بررسی ناهماهنگی در صدای خواننده، نبود حس در ملودی و رصد هویت آنلاین هنرمندان از مهمترین روشها برای شناسایی این قطعات بهشمار میروند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.