MAESTRO: نمذجة التهديدات لـ الذكاء الاصطناعي الوكيلي

يرمز MAESTRO إلى «Multi-Agent Environment, Security, Threat, Risk, and Outcome». نشر Ken Huang ‏(CEO & Chief AI Officer لدى DistributedApps.ai) الإطار في 6 فبراير 2025 في مدونة Cloud Security Alliance، وهو مصمم صراحةً للذكاء الاصطناعي الوكيلي – أي للأنظمة التي يتخذ فيها وكلاء الذكاء الاصطناعي القرارات باستقلالية ويستخدمون الأدوات ويتفاعلون فيما بينهم. جوهره بنية مرجعية من سبع طبقات تُحدَّد التهديدات على امتدادها طبقةً تلو الأخرى. لا يحلّ MAESTRO محل المنهجيات الراسخة، بل يوسّعها بشكل هادف بمنظورات وكيلية وخاصة بتعلّم الآلة.

تنمذج المنهجيات الراسخة برمجيات ذات سلوك متوقع. ووفقًا لتعليل CSA، تفتقر STRIDE إلى النظر في التهديدات الخاصة بالذكاء الاصطناعي مثل الهجمات العدائية وسلوك التعلّم واتخاذ القرار غير المتوقع لدى الوكلاء؛ ولا تعالج PASTA الهجمات على النماذج (مثل Model Extraction) ولا تعقيد القرارات المستقلة؛ أما LINDDUN الموجّهة نحو حماية البيانات فلا تغطي التهديدات الأمنية الجوهرية للأنظمة الوكيلية مثل Data Poisoning. يُضاف إلى ذلك جوانب لا تغطيها أيٌّ من المنهجيات الكلاسيكية بشكل منهجي: سلوك الوكلاء غير المتوقع، وGoal Misalignment، والتواطؤ بين الوكلاء، ومخاطر سلسلة توريد الذكاء الاصطناعي. وعند هذه الثغرات بالتحديد يبدأ MAESTRO.

يفكّك MAESTRO نظام الذكاء الاصطناعي الوكيلي إلى سبع طبقات: Foundation Models (الطبقة 1، النماذج الأساسية)، وData Operations (الطبقة 2، ومنها تخزين البيانات وخطوط RAG)، وAgent Frameworks (الطبقة 3، أطر التطوير والتنسيق)، وDeployment and Infrastructure (الطبقة 4)، وEvaluation and Observability (الطبقة 5، المراقبة والتقييم)، وAgent Ecosystem (الطبقة 7، تفاعل العديد من الوكلاء في الأسواق وتطبيقات الأعمال). وتؤدي Security and Compliance (الطبقة 6) دورًا خاصًا: فهي معرّفة كطبقة أفقية شاملة عمودية تتخلل جميع الطبقات الأخرى. ولكل طبقة فئات تهديدات ومسؤوليات وضوابط خاصة بها.

تشمل العملية التي وصفتها CSA ست خطوات: تفكيك النظام على امتداد الطبقات السبع، ونمذجة التهديدات الخاصة بكل طبقة، وتحديد التهديدات العابرة للطبقات، وتقييم المخاطر، وتخطيط الإجراءات، والتنفيذ مع المراقبة المستمرة. وتكتسب التهديدات العابرة للطبقات أهمية خاصة: فمكتبة مخترقة في إطار الوكلاء تؤثر على المستويات الأخرى، ويمكن أن تتصاعد صلاحيات الوصول بين الطبقات، وتتسلسل آثار Goal Misalignment لدى وكلاء منفردين عبر المنظومة بأكملها. وبذلك فإن نمذجة التهديدات وفق MAESTRO ليست وثيقة لمرة واحدة، بل عملية متكررة تُعاد عند كل تغيير في البنية.

تتولى OWASP Agentic Security Initiative عبر «Agentic AI – Threats and Mitigations» ‏(الإصدار 1.0 من فبراير 2025، والإصدار الحالي 1.1 من ديسمبر 2025) صيانة كتالوج يضم 17 تهديدًا وكيليًا (T1–T17) – من Memory Poisoning ‏(T1) وTool Misuse ‏(T2) مرورًا بـ Rogue Agents in Multi-Agent Systems ‏(T13) وصولًا إلى Insecure Inter-Agent Protocol Abuse ‏(T16، ومنها في بروتوكولات مثل MCP وA2A) وSupply Chain Compromise ‏(T17). وتشير وثيقة OWASP نفسها إلى MAESTRO بوصفه امتدادًا قائمًا على الطبقات لـ STRIDE للذكاء الاصطناعي الوكيلي. وفي الممارسة يكمّل كلٌّ منهما الآخر: يقدّم MAESTRO البنية (أين يُبحث في النظام)، ويقدّم كتالوج OWASP المحتوى (عمّا يُبحث في كل طبقة).

تبدأ الدورة النموذجية بتحديد النطاق (أي الوكلاء والأدوات وتدفقات البيانات والواجهات تنتمي إلى النظام) وبجولة على البنية تُنسب فيها جميع المكونات إلى الطبقات السبع. بعد ذلك تُحدَّد التهديدات لكل طبقة – ويُستخدم كتالوج OWASP كقائمة تحقق – وتُستكمل بسيناريوهات عابرة للطبقات. وتصبّ المخاطر المقيّمة في تخطيط إجراءات ذي أولويات وفي العمليات القائمة مثل Secure Development Lifecycle وISMS. وتُظهر CSA بنفسها أن المنهجية تصلح أيضًا لبروتوكولات الوكلاء: ففي أبريل 2025 نُمذج بروتوكول Agent-to-Agent من Google ‏(A2A) بالكامل باستخدام MAESTRO.