جمینای سایبری گوگل؛ مدلی که باگ ۱۳ساله کروم را کشف کرد

گوگل با معرفی مدل تخصصی Gemini 3.8 Flash Cyber وارد میدان تازه‌ای از رقابت هوش مصنوعی شده؛ مدلی که در آزمایش‌های اولیه‌ی خودش موفق شد باگی سیزده‌ساله را در کد مرورگر کروم کشف کند و یک حفره‌ی بحرانی دیگر را در کمتر از دو ساعت شناسایی نماید.

معرفی جمینای ۳.۸ فلش سایبری؛ سلاح تازه‌ی گوگل در امنیت

گوگل هفته‌ی گذشته دو نسخه از خانواده‌ی جدید مدل‌های خود را معرفی کرد: نسخه‌ی عمومی Gemini 3.8 Flash و نسخه‌ی تخصصی Gemini 3.8 Flash Cyber. نسخه‌ی عمومی برای کارهای عامل‌محور، برنامه‌نویسی و استدلال چندمرحله‌ای طراحی شده، اما نسخه‌ی سایبری با تنظیمات و آموزش‌های اضافه، به‌طور خاص برای دفاع سایبری بهینه شده است. علاقه‌مندان به دنبال‌کردن روزانه‌ی این‌گونه رویدادها می‌توانند سری بزنند به بخش اخبار هوش مصنوعی مای‌چت‌جی‌پی‌تی تا از تازه‌ترین معرفی‌های مدل‌ها عقب نمانند.

به گفته‌ی گوگل، این سومین نسخه‌ی خانواده‌ی Flash در شش هفته‌ی اخیر است؛ نشانه‌ای از سرعت بالای رقابت میان غول‌های فناوری برای عرضه‌ی مدل‌های هرچه توانمندتر. این سرعت انتشار، خودش به یکی از موضوعات داغ در میان توسعه‌دهندگان و علاقه‌مندان هوش مصنوعی تبدیل شده است.

باید توجه داشت این حرکت گوگل در خلأ اتفاق نیفتاده است. در همین بازه‌ی زمانی، اوپن‌ای‌آی هم روی قابلیت‌های ایمنی مانند توقف خودکار سامانه در شرایط بحرانی کار می‌کند و مدل‌های تخصصی امنیتی خودش را معرفی کرده است. این همزمانی نشان می‌دهد امنیت سایبری دیگر یک ویژگی جانبی نیست، بلکه به یکی از میدان‌های اصلی رقابت میان بزرگ‌ترین آزمایشگاه‌های هوش مصنوعی جهان تبدیل شده است.

تفاوت جمینای عمومی با نسخه‌ی سایبری آن

هر دو نسخه از یک بنیان فکری مشترک استفاده می‌کنند، اما تفاوت اصلی آن‌ها در شیوه‌ی «فکر کردن» است. گوگل توضیح داده که این مدل‌ها از حلقه‌های استدلالی طولانی‌مدت بهره می‌برند که به‌صورت بازگشتی عملکرد خودشان را ارزیابی و اصلاح می‌کنند. نسخه‌ی سایبری روی گام‌های استدلالی بیشتر و فراخوانی مکرر ابزارها تمرکز دارد تا بتواند الگوهای پیچیده‌ی امنیتی را که معمولاً از چشم انسان پنهان می‌مانند، شناسایی کند.

برای کسانی که می‌خواهند بدانند اصلاً چنین مدل‌های زبانی بزرگی چگونه کار می‌کنند و چه شرکت‌هایی پشت آن‌ها هستند، مطلب اوپن‌ای‌آی چیست و چگونه شکل گرفت نگاهی کامل به یکی از بزرگ‌ترین رقبای گوگل در این عرصه دارد.

داستان کشف باگ ۱۳ساله در کد کروم

جالب‌ترین بخش این معرفی، مربوط به کشف یک آسیب‌پذیری فراموش‌شده در کد مرورگر کروم بود. به گفته‌ی مهندسان گوگل، این باگ حدود سیزده سال در کد باقی مانده بود و در این مدت ده‌ها مهندس بدون آنکه متوجه شوند، از کنار آن عبور کرده بودند. تیم مهندسی کروم این اتفاق را نشانه‌ای از یک «موج فزاینده‌ی آسیب‌پذیری‌ها» در عصر تولید کد با کمک هوش مصنوعی توصیف کرده؛ موجی که هم چالش‌برانگیز است و هم فرصتی برای استفاده از همان فناوری در جهت دفاع.

این کشف نشان می‌دهد که مدل‌های هوش مصنوعی امروز نه‌تنها می‌توانند کد بنویسند، بلکه می‌توانند الگوهای پنهان و نادر را در حجم عظیمی از کد قدیمی هم پیدا کنند؛ کاری که برای انسان‌ها به دلیل محدودیت زمان و حافظه تقریباً غیرممکن است.

رکورد تازه: شناسایی حفره‌ی بحرانی در دو ساعت

در نمونه‌ی دیگری از کاربرد این مدل، تیم تحقیقات ابری گوگل اعلام کرد توانسته با کمک Gemini 3.8 Flash Cyber یک آسیب‌پذیری بحرانی دیگر را در کمتر از دو ساعت شناسایی کند؛ فرایندی که به‌طور معمول برای کارشناسان انسانی هفته‌ها یا حتی ماه‌ها زمان می‌برد. شرکت Wiz، که پیش‌تر توسط گوگل با رقمی نجومی خریداری شده بود، هم گزارش داده که در آزمون‌های نفوذ خود با این مدل به بهبود چشمگیری در سرعت کار رسیده است.

چنین سرعتی برای شرکت‌هایی که هر روز باید در برابر تهدیدهای تازه از خودشان دفاع کنند، می‌تواند تفاوت میان جلوگیری از یک نشت اطلاعاتی بزرگ و مواجهه با یک بحران امنیتی گسترده باشد. کاهش زمان کشف آسیب‌پذیری از چند ماه به چند ساعت، به‌طور مستقیم روی هزینه‌های عملیاتی تیم‌های امنیتی هم اثر می‌گذارد، چرا که بخش زیادی از این هزینه‌ها صرف ساعت‌های کاری متخصصان انسانی برای بررسی دستی خطوط کد می‌شود.

نتایج جمینای سایبری در آزمون‌های رسمی امنیتی

گوگل برای اثبات ادعاهای خود، نتایج این مدل را در چند آزمون معتبر صنعت منتشر کرده است. در آزمون CyberGym، این مدل عملکردی در سطح فرندیر (پیشرفته‌ترین سطح موجود) ثبت کرده و از نسخه‌های قبلی و حتی مدل‌های بزرگ‌تر پیشی گرفته است. در آزمون داخلی چندزبانه، این مدل توانسته با نرخ موفقیت بیش از هفتاد درصد، آسیب‌پذیری‌ها را در بیش از بیست زبان برنامه‌نویسی مختلف کشف کند. در آزمون وصله‌ی کد موسوم به CWE-Bench نیز با نرخ موفقیت حدود چهل‌وهفت درصد، در مرز بهینه‌ی هزینه و دقت نسبت به رقیبان قرار گرفته است.

مقایسه با رقبا: از کلود تا مدل‌های دیگر

بر اساس گزارش‌های منتشرشده، نسخه‌ی عمومی Gemini 3.8 Flash در برخی آزمون‌های متنی حتی از مدل‌های شناخته‌شده‌ای مانند Claude Opus 5 شرکت آنتروپیک هم جلوتر ایستاده است. این رقابت فشرده میان گوگل، آنتروپیک و اوپن‌ای‌آی یادآور نبردهای قبلی صنعت هوش مصنوعی است؛ رقابتی شبیه به آنچه پیش‌تر در مقاله‌ی مقایسه‌ی چت‌جی‌پی‌تی و دیپ‌سیک در شطرنج هوش مصنوعی بررسی کرده بودیم. علاقه‌مندان به یادگیری نحوه‌ی طراحی دستورهای دقیق برای چنین مدل‌هایی هم می‌توانند مطلب آموزش نوشتن پرامپت برای مبتدیان را مطالعه کنند.

برنامه‌ی Fairwind و دلیل محدودیت دسترسی

برخلاف نسخه‌ی عمومی که از طریق استودیوی هوش مصنوعی گوگل، اپلیکیشن جمینای و سرویس‌های ابری این شرکت در دسترس همگان است، نسخه‌ی سایبری فعلاً محدود شده است. گوگل این مدل را فقط از طریق برنامه‌ای به نام Fairwind در اختیار دولت‌ها، نهادهای زیرساخت حیاتی و توسعه‌دهندگان نرم‌افزار قرار می‌دهد. هدف از این محدودیت، جلوگیری از سوءاستفاده‌ی احتمالی از قابلیت‌های تهاجمی این مدل برای حملات سایبری است.

گوگل تأکید کرده که نسخه‌ی سایبری با وجود مجوزهای بیشتر برای فعالیت‌های دفاعی، همچنان در برابر سوءاستفاده در حوزه‌های شیمیایی، بیولوژیک، هسته‌ای و حملات تهاجمی محافظت‌شده باقی می‌ماند. این رویکرد محتاطانه نشان می‌دهد شرکت‌های بزرگ فناوری به‌خوبی از خطرات دولبه‌ی چنین ابزارهای قدرتمندی آگاه‌اند.

اهمیت این خبر برای توسعه‌دهندگان و کسب‌وکارهای ایرانی

برای تیم‌های فنی و کسب‌وکارهایی که محصولات نرم‌افزاری خود را توسعه می‌دهند، این خبر یادآور اهمیت روزافزون امنیت سایبری در کنار سرعت توسعه است. با گسترش استفاده از ابزارهای کدنویسی مبتنی بر هوش مصنوعی، احتمال بروز آسیب‌پذیری‌های ناخواسته هم بیشتر می‌شود؛ موضوعی که در مقاله‌ی اهمیت هوش مصنوعی برای کسب‌وکارها در سال ۲۰۲۵ هم به آن پرداخته‌ایم. کسب‌وکارهایی که به‌دنبال یادگیری کاربردی‌تر ابزارهای هوش مصنوعی هستند نیز می‌توانند از آموزش‌های عملی چت‌جی‌پی‌تی مای‌چت‌جی‌پی‌تی استفاده کنند.

حتی برای تیم‌های کوچک‌تر که امکان استخدام یک تیم امنیتی تمام‌وقت را ندارند، وجود چنین ابزارهایی می‌تواند نقطه‌ی شروعی برای بررسی خودکار کد پیش از انتشار باشد. البته کارشناسان توصیه می‌کنند حتی با وجود چنین مدل‌هایی، بازبینی نهایی توسط یک انسان باتجربه هرگز از فرایند توسعه حذف نشود، چرا که مسئولیت نهایی امنیت محصول همچنان بر عهده‌ی تیم انسانی است.

آینده‌ی امنیت سایبری در عصر هوش مصنوعی

کارشناسان صنعت این حرکت گوگل را نشانه‌ای از آغاز رقابتی تازه در امنیت سایبری هوش مصنوعی می‌دانند؛ رقابتی که در آن هوش مصنوعی هم می‌تواند ابزار دفاع باشد و هم در صورت سوءاستفاده، سلاحی خطرناک باشد. این دوگانگی دقیقاً همان موضوعی است که در مطلب پتانسیل و محدودیت‌های واقعی هوش مصنوعی به‌تفصیل بررسی شده است.

با این حال، برخی کارشناسان هشدار می‌دهند که تکیه‌ی بیش‌ازحد به ابزارهای خودکار، بدون حفظ نظارت انسانی، می‌تواند خطرهای تازه‌ای هم به همراه بیاورد؛ نگرانی‌ای که در مقاله‌ی توهم هوش مصنوعی؛ توسعه‌دهنده‌ی تنها در برابر مهندس واقعی هم مورد بحث قرار گرفته است. در نهایت به نظر می‌رسد آینده‌ی امنیت سایبری، ترکیبی از سرعت و دقت هوش مصنوعی همراه با قضاوت و تجربه‌ی انسانی خواهد بود.

سوالات متداول درباره‌ی جمینای سایبری گوگل

مدل Gemini 3.8 Flash Cyber دقیقاً چه کاری انجام می‌دهد؟
این مدل به‌صورت خودکار کد نرم‌افزاری را برای یافتن آسیب‌پذیری‌های امنیتی بررسی می‌کند و در بسیاری از موارد می‌تواند وصله‌ی اصلاحی مناسب را هم پیشنهاد دهد.

آیا همه می‌توانند از این مدل استفاده کنند؟
خیر، نسخه‌ی سایبری فقط از طریق برنامه‌ی Fairwind و برای نهادهای دولتی، زیرساخت‌های حیاتی و توسعه‌دهندگان تأییدشده در دسترس است.

هزینه‌ی نسخه‌ی عمومی Gemini 3.8 Flash چقدر است؟
قیمت مقدماتی آن هر یک میلیون توکن ورودی حدود ۰.۷۵ دلار و هر یک میلیون توکن خروجی حدود ۳.۷۵ دلار است که این نرخ تا پایان سال ۲۰۲۶ معتبر خواهد بود.

آیا این مدل جایگزین کارشناسان امنیتی انسانی می‌شود؟
گوگل تأکید کرده که هدف این ابزار، تسریع و تقویت کار تیم‌های امنیتی است، نه حذف کامل نظارت انسانی از فرایند کشف و ترمیم آسیب‌پذیری‌ها.

چه شرکت‌های دیگری هم روی مدل‌های امنیتی هوش مصنوعی کار می‌کنند؟
اوپن‌ای‌آی، آنتروپیک و شرکت‌های تخصصی امنیت سایبری مانند HiddenLayer نیز در حال توسعه‌ی ابزارهای مشابه برای دفاع خودکار در برابر تهدیدهای سایبری هستند و رقابت این حوزه به‌سرعت در حال گسترش است.