أعلنت منصة Hugging Face المتخصصة في نماذج الذكاء الاصطناعي ومجموعات البيانات، في السادس عشر من يوليو 2026، عن احتواء هجوم سيبراني استهدف جزءاً من بنيتها التحتية المخصصة للإنتاج. نفذ الاختراق بالكامل وكيل ذكاء اصطناعي مستقل، حيث باشر العميل أكثر من 17 ألف إجراء منفرد دون أي تدخل بشري خلال عطلة نهاية أسبوع واحدة، وهو السيناريو الذي طالما حذر منه خبراء الأمن السيبراني.
ووفقاً للإفصاح الرسمي للشركة، فإن الاختراق بدأ عبر خط أنابيب معالجة البيانات، وهي نقطة تعرض حرجة تنفرد بها منصات الذكاء الاصطناعي. واستغلت مجموعة بيانات خبيثة، من جهة مهاجم غير محددة هويته حتى الآن، ثغرتين في مسارات تنفيذ التعليمات البرمجية داخل نظام معالجة البيانات لدى المنصة؛ تمثلت الأولى في ثغرة تنفيذ برمجيات عن بُعد عبر أداة تحميل البيانات، بينما تمثلت الثانية في حقن القوالب لإعداد مجموعات البيانات. ومكنت هذه الثغرات المهاجم من تشغيل تعليمات خبيثة على عامل معالجة البيانات، ثم تصعيد الصلاحيات وصولاً إلى مستوى العقدة، وجمع بيانات اعتماد سحابية وعنقودية للتحرك أفقياً عبر عدة عناقيد داخلية.
وقد أكدت Hugging Face عدم العثور على أي دليل يشير إلى التلاعب بالنماذج العامة، أو مجموعات البيانات، أو الحاويات والحزم البرمجية المنشورة، ما يؤكد سلامة سلسلة الإمداد البرمجية للمنصة. وفي المقابل، طال الوصول غير المصرح به مجموعة محدودة من مجموعات البيانات الداخلية وبعض بيانات اعتماد الخدمات، في حين لا يزال تقييم مدى تأثر بيانات العملاء أو الشركاء مستمراً، وتعهدت الشركة بالتواصل المباشر مع المتضررين فور ظهور مستجدات.
الدفاع بالذكاء الاصطناعي ومعضلة عدم التكافؤ
استُخدم الذكاء الاصطناعي أيضاً في الجانب الدفاعي لاكتشاف الهجوم وتحليله؛ إذ رصد نظام الكشف عن الشذوذ في منصة Hugging Face، والذي يعتمد على النماذج اللغوية الكبيرة (LLMs) للفرز الأولي لبيانات المراقبة الأمنية، النشاط المريب من خلال ربط إشارات معقدة كادت تختفي وسط الضوضاء الرقمية اليومية. ولإعادة بناء الجدول الزمني الكامل للحادثة، شغلت الشركة وكلاء تحليل مدعومين بالنماذج اللغوية لفحص سجل أفعال المهاجم البالغ 17 ألف حدث، ما اختصر زمن التحقيق من أيام إلى ساعات معدودة.
لكن التحدي الأبرز ارتبط بالأدوات المتاحة للمدافعين؛ فعندما حاول محققو الشركة الاستعانة بنماذج الذكاء الاصطناعي التجارية المتطورة عبر واجهات برمجة التطبيقات السحابية، حظرت مرشحات الأمان تلك الطلبات لعدم قدرتها على التمييز بين باحث أمني يحلل حمولات استغلال حقيقية ومهاجم فعلي. دفع ذلك الفريق إلى الاعتماد على النموذج مفتوح الأوزان GLM 5.2 وتشغيله محلياً على بنيته التحتية الخاصة، ما وفر المرونة اللازمة وحال دون خروج أي بيانات حساسة خارج بيئة الشركة.
وتسلط هذه الواقعة الضوء على فجوة أمنية حرجة، إذ يتحرك المهاجمون باستخدام نماذج غير مقيدة أو مكسورة الحماية دون قيود، بينما يواجه المدافعون قيوداً من النماذج التجارية المستضافة في اللحظات الحرجة. وأوضحت الشركة أن الدرس العملي للمدافعين يتجلى في ضرورة تجهيز نماذج محلية قادرة على العمل داخل بنيتهم التحتية واختبارها مسبقاً قبل وقوع الحوادث.
إجراءات احتواء واستجابة
على صعيد الاستجابة، أغلقت Hugging Face مسارات تنفيذ التعليمات البرمجية التي استخدمت في التسلل الأولي، واجتثت موطئ قدم المهاجم من العناقيد المتأثرة مع إعادة بناء العقد المخترقة. كما ألغت الشركة بيانات الاعتماد المسروقة ودورت الرموز احترازياً، بالتوازي مع نشر ضوابط دخول صارمة وتحسين آليات الكشف والتنبيه. وتنصح المنصة مستخدميها بتدوير رموز الوصول ومراجعة نشاط الحسابات بانتظام.
ويمثل هذا الاختراق دليلاً عملياً على أن أدوات الهجوم الذاتية المدعومة بالذكاء الاصطناعي أصبحت واقعاً فعلياً يخفض تكلفة الحملات السيبرانية متعددة المراحل ويعمل بسرعة الآلة. كما تؤكد الواقعة أن منصات البيانات والنماذج أصبحت أسطح هجوم مستهدفة من الدرجة الأولى يتطلب الدفاع عنها تبني حلول ذكاء اصطناعي مكافئة. وتواصل المنصة التنسيق مع خبراء خارجيين في الطب الشرعي الرقمي، إلى جانب إبلاغ الجهات القانونية المختصة بالحادثة.
