الكشف عن ثغرات عبور المسار في أداة الذكاء الاصطناعي مفتوحة المصدر Code Graph RAG

كشفت تقارير أمنية نُشرت في قواعد البيانات في 5 نوفمبر 2026 عن ثغرتين منفصلتين من نوع عبور المسار (path traversal) تؤثران على مستودع برمجيات vitali87 Code Graph RAG، وهو أداة مفتوحة المصدر مصممة لمساعدة أنظمة الذكاء الاصطناعي في فهرسة وتصفح قواعد الأكواد البرمجية. ووفقاً لسجلات وثقتها خدمة مراقبة الثغرات VulDB، تمتد هذه العيوب الأمنية عبر فروع تطوير ومكونات مختلفة داخل حزمة البرمجيات. ويؤثر العيب الأول، المسجل تحت معرّف تتبع الثغرات CVE-2026-87008، على إصدارات المشروع حتى 0.0.588 ضمن عمليات أداة المسارات الخاصة به. أما الثغرة الثانية، التي خُصص لها المعرّف CVE-2026-77604، فتكمن داخل دوال تنفيذ الأدوات في فرع تطوير ذي ترقيم صفحات (paginated)، وتؤثر على إصدارات البرمجيات حتى النسخة 0.0.344. وتؤكد كلتا النشرتين الأمنيتين على ضرورة قيام مسؤولي الأنظمة الذين يشغلون حزم البرمجيات المتأثرة بالترقية إلى إصدارات أحدث لمنع الوصول غير المصرح به عبر الأدلة.

## Key facts

- تؤثر الثغرة المسجلة تحت المعرّف CVE-2026-87008 على مشروع vitali87 Code Graph RAG في الإصدارات حتى النسخة 0.0.588. - تؤثر ثغرة ثانية، مسجلة تحت المعرّف CVE-2026-77604، على البرمجية في الإصدارات حتى 0.0.344 ضمن فرع كود ذي ترقيم صفحات. - تصنّف كلتا الثغرتين كنقاط ضعف من نوع عبور المسار، والتي تسمح للمدخلات بتجاوز قيود الأدلة المحددة. - تشمل عناصر الكود المحددة في التقارير دالة should_skip_path في ملف path_utils.py وتنفيذ MCPToolsRegistry.read_file في ملف tools.py. - نُشرت السجلات الأمنية رسمياً بواسطة قاعدة بيانات تتبع الثغرات VulDB في 5 نوفمبر 2026.

## What happened

وفقاً لبيانات الإفصاح المسجلة لدى VulDB، تم تسجيل ثغرتين منفصلتين لعبور المسار في مستودع vitali87 Code Graph RAG، مما يبرز نقاطاً معمارية متمايزة فشلت فيها معالجة مسارات الملفات في تقييد المدخلات المقدمة من المستخدمين أو الوكلاء البرمجيين بشكل كافٍ.

وتتعلق المشكلة الموثقة الأولى، المسجلة برمز CVE-2026-87008، بآليات إدارة المسار في البرنامج. وتحدد التفاصيل الفنية التي نشرتها VulDB العيب داخل ملف path_utils.py، وتحديداً في دالة should_skip_path. وفي معماريات التوليد المعزز بالاسترداد (RAG)، تحدد برمجيات المسارات المساعدة عادةً الملفات والأدلة وامتدادات الملفات التي يجب تحليلها أو تجاهلها أو فهرستها في رسم بياني دلالي. وعندما تفتقر إجراءات تقييم المسار إلى عمليات تحقق صارمة من الحدود، يمكن لتعبيرات المسارات النسبية مثل تسلسلات النقطتين والشرطة المائلة (dot-dot-slash) أن تضلل الإجراء. وفي هذه الحالة، أفادت VulDB بأن الإصدارات حتى 0.0.588 تحتوي على العيب، ونصحت المسؤولين والمطورين الذين يستخدمون المكون بنشر إصدارات أحدث ومصححة.

أما الثغرة الثانية، المسجلة تحت الرمز CVE-2026-77604، فتؤثر على بنية سابقة داخل فرع ذي ترقيم صفحات من البرنامج، وتشمل الإصدارات حتى النسخة 0.0.344. ويعزو السجل نقطة الضعف إلى ملف tools.py، مع التركيز تحديداً على مكون MCPToolsRegistry.read_file. ويشير اسم السجل إلى التكامل مع بروتوكول سياق النموذج (Model Context Protocol)، وهو معيار واجهة يُستخدم على نطاق واسع لربط نماذج اللغات الكبيرة بأدوات التنفيذ الخارجية ومصادر البيانات. وتبيّن أن معالج read_file داخل هذا السجل معرض لثغرة عبور الأدلة، مما يخلق ظروفاً يمكن فيها لطلب قراءة الملفات أن يتجاوز الدليل الجذري المحدد لقاعدة الأكواد الخاضعة للتحليل. وكما هو الحال مع التقرير الآخر، أوصت VulDB بترقية فورية للإصدار للمستخدمين النهائيين.

## Why it matters

تمثل ثغرات عبور المسار، المصنفة في معايير الصناعة تحت مدخل Common Weakness Enumeration برقم CWE-22، فئة أساسية من عيوب البرمجيات التي تنطوي على مخاطر متزايدة عند تضمينها في مسارات عمل الذكاء الاصطناعي. وفي تطبيقات الويب التقليدية، يسمح عبور الأدلة للمهاجم عادةً بالخروج من أدلة الويب الجذرية لعرض ملفات الخادم الحساسة، مثل إعدادات البيئة، أو سجلات مستخدمي النظام، أو الشيفرة المصدرية للتطبيق. وعند إدخالها في المساعدات البرمجية الآلية وخطوط أنابيب التوليد المعزز بالاسترداد، تتسع التداعيات بشكل كبير.

وفي أنظمة الاسترداد النموذجية، يعتمد وكيل الذكاء الاصطناعي أو نموذج اللغة الكبير على أدوات ذاتية لاستكشاف الأدلة وقراءة ملفات المصدر وتجميع الخرائط السياقية. وإذا كانت أداة مثل read_file تفتقر إلى التنقية الصارمة، يمكن للخصم استغلال نقطة الضعف هذه مباشرة من خلال مدخلات متلاعب بها، أو بشكل غير مباشر عبر هجمات حقن التعليمات (prompt injection) المخفية داخل ملفات المستودع. وإذا واجه نموذج مستقل تعليمات مصممة لتشغيل أداة MCP بمسار ملف عشوائي، فقد يقرأ النظام المعرض للخطر رموز التكوين الحساسة، أو المفاتيح التشفيرية الخاصة، أو البيانات المسجلة الملكية والمستضافة على البنية التحتية الأساسية، مع إعادة تغذية هذه المعلومات مباشرة في تدفق المخرجات السياقية للنموذج. ونظراً لأن العديد من مهندسي البرمجيات يشغلون مساعدات نماذج اللغات المحلية وأدوات فهرسة الأكواد بكامل الصلاحيات الإدارية لبيئات التطوير المحلية الخاصة بهم، فإن ثغرات من هذا النوع يمكن أن تمنح قدرات قراءة ملفات عشوائية عبر محطة عمل المهندس أو خادم التكامل المستمر.

## The background

برز التوليد المعزز بالاسترداد، المعروف اختصاراً باسم RAG، كمعمارية مهيمنة للذكاء الاصطناعي التوليدي الحديث عقب التبني السريع لنماذج اللغات الكبيرة في المؤسسات بدءاً من أواخر عام 2022. وبينما تمتلك النماذج الأساسية معرفة واسعة اكتسبتها أثناء التدريب، إلا أنها تفتقر إلى الوعي الآني بقواعد الأكواد الخاصة، والمكتبات الداخلية المسجلة الملكية، والمستودعات التقنية سريعة التطور. وتسد أنظمة RAG هذه الفجوة عن طريق الاستعلام من مصادر البيانات الخارجية، واسترداد المقتطفات ذات الصلة، وحقن تلك المقتطفات في التعليمات المعطاة لنموذج اللغة.

وفيما يخص استيعاب الشفرة المصدرية، غالباً ما تثبت أنظمة RAG القياسية المعتمدة على المتجهات — والتي تعتمد أساساً على تقسيم النصوص وتضمينات التشابه — عدم كفايتها. إذ تعتمد قواعد الأكواد على المنطق الهيكلي: فالدوال تستدعي دوالاً أخرى، والفئات ترث من تعريفات أصلية، والوحدات تستورد تبعيات خارجية. ولمعالجة هذه العلاقات الهيكلية، أنشأ المطورون أنظمة "Code Graph RAG"، التي تجمع بين البحث المتجهي الدلالي وقواعد بيانات الرسوم البيانية المعرفية. وتقوم هذه الأنظمة بتحليل أشجار البنية النحوية للكود، ورسم خرائط للمستدعين والمستدعين، وبناء رسوم بيانية مهيكلة تمثل معمارية المستودع بأكمله.

ومع نضوج البيئات البيئية للذكاء الاصطناعي الموجهة للمطورين خلال عامي 2024 و2025، ظهرت معايير التشغيل البيني لتوحيد كيفية تفاعل النماذج مع البيئات الخارجية. وسرعان ما أصبح بروتوكول Model Context Protocol، الذي قدمته شركة Anthropic في أواخر عام 2024، معياراً مفتوحاً واسع الانتشار عبر أدوات المطورين مفتوحة المصدر والتجارية. ويوفر البروتوكول طريقة مهيكلة لوكلاء الذكاء الاصطناعي للاستعلام من الأدوات الخارجية — مثل عملاء قواعد البيانات، ومحركات البحث، وأدوات نظام الملفات المحلية — باستخدام سجلات قياسية. ومع ذلك، أدى دمج الوكلاء المستقلين مع عمليات الملفات المحلية إلى ظهور تحديات أمنية بالغة في سلاسل التوريد وتطبيقات البرمجيات. وتتطلب عمليات الملفات القياسية مثل read_file أو مرشحات المسار عزلاً أمنياً (sandboxing) دقيقاً لمنع النموذج، أو النصوص الضارة التي يبتلعها النموذج، من الخروج عن دليل المستودع المقصود. وعندما تُطرح الأدوات مفتوحة المصدر بسرعة تحت أرقام إصدارات دلالية تجريبية (مثل الإصدارات الأقل من 1.0.0)، غالباً ما يتم التغاضي عن تنقية المدخلات الدفاعية لصالح تسريع وتيرة إضافة الميزات.

## Reaction

لم تتضمن إفصاحات VulDB تعليقات عامة أو بيانات من مؤلف المستودع Vitali87، كما لم توثق ملخصات قاعدة البيانات تقارير حوادث خارجية أو استغلالاً نشطاً في البيئات الفعلية. وفي دورات إدارة الثغرات القياسية، يتعامل مسؤولو المشاريع مفتوحة المصدر المستضافة على منصات مثل GitHub عادةً مع مثل هذه الإفصاحات من خلال إصدار تعديلات برمجية تضبط مسارات الملفات (canonicalize)، وتلغي صياغات المسارات النسبية، وتفرض عمليات التحقق من الحدود قبل فتح الملفات أو تقييمها.

وتؤكد فرق الاستجابة الأمنية والباحثون المستقلون الذين يتتبعون أمان أدوات الذكاء الاصطناعي باستمرار على أن الأدوات المؤتمتة التي تعمل على مستودعات غير موثوقة يجب أن تطبق مبادئ الدفاع المتعمق الصارمة. وتوصي إرشادات الصناعة الصادرة عن هيئات أمان التطبيقات بأن تقوم سجلات البرمجيات التي تطبق بروتوكولات استدعاء الأدوات بعزل جميع تفاعلات نظام الملفات داخل حدود حاويات معزولة أو قوائم بيضاء صريحة للمسارات. ويُتوقع من مطوري البرمجيات الذين يستخدمون أداة vitali87 Code Graph RAG ضمن مسارات الفهرسة المؤتمتة أو منصات المطورين الداخلية تقييم خطوط النشر الداخلية لديهم والتأكد من أن الحزم المثبتة تتجاوز الإصدارين 0.0.344 و0.0.588 وفقاً لمعايير النشرات المعنية.

## What we don't know yet

لا تزال هناك تفاصيل جوهرية عدة لم تُحسم في تقارير الثغرات الأولية المفهرسة بواسطة VulDB. ولا تحدد السجلات الأولية ما إذا كانت الثغرات الأمنية قد اكتُشفت أثناء تدقيق داخلي للأكواد، أو أبلغ عنها باحث أمني خارجي عبر عملية إفصاح منسق عن الثغرات، أو حُددت بعد فحص تحليل ثابت مؤتمت. وعلاوة على ذلك، لا تشير الملخصات إلى ما إذا كانت الثغرات قد حصلت على تقييمات رسمية لشدة الخطورة الأساسية وفق نظام Common Vulnerability Scoring System (CVSS)، والذي يحدد مقاييس التأثير المعيارية بما في ذلك متجه الهجوم ودرجة التعقيد والامتيازات المطلوبة.

كما لا تفصّل إخطارات الإفصاح ما إذا كانت أي نصوص برمجية لاستغلال إثبات المفهوم قد وُزعت علناً، أو ما إذا كان المشرف قد نشر إصدارات تصحيحية رسمية محددة مع تجزئات التعديل (commit hashes) المقابلة تتجاوز التوصية بالترقية إلى ما بعد الإصدارات المتأثرة المحددة. ولا يزال غير مؤكد ما إذا كان قد تم رصد استغلال نشط ضد الأنظمة التي تستخدم الحزمة، أو ما إذا كانت البرمجية مدمجة كتبعية في أدوات تجارية أوسع للمطورين.

## What to watch

يتعين على المؤسسات والمطورين الأفراد الذين يدمجون أدوات Code Graph RAG مراقبة قنوات توزيع الحزم المصدرية، مثل Python Package Index (PyPI) أو مستودع الكود المصدري للمشروع، بحثاً عن علامات إصدار محدثة تحل رسمياً محل الإصدار 0.0.588. وسيترقب محللو الأمن صدور سلاسل متجهات CVSS الرسمية ومستويات الشدة المعيارية من قاعدة بيانات الثغرات الوطنية (NVD)، التي يديرها المعهد الوطني الأمريكي للمعايير والتكنولوجيا (U.S. National Institute of Standards and Technology).

بالإضافة إلى ذلك، ينبغي للمراقبين متابعة المناقشات الفنية المتعلقة بتطبيقات أمان Model Context Protocol، لا سيما فيما يتعلق بكيفية تعامل أدوات السجل مع توحيد المسارات عند تنفيذ إجراءات قراءة الملفات نيابة عن نماذج اللغة. ومع انتشار أدوات الذكاء الاصطناعي مفتوحة المصدر عبر بيئات الهندسة البرمجية في المؤسسات، فإن اعتماد أطر العزل الإلزامية والاختبار المؤتمت ضد هجمات عبور الأدلة في الأدوات المعتمدة على الذكاء الاصطناعي سيكون بمثابة معيار رئيسي لنضج سلسلة توريد البرمجيات.

تستند التقارير الواردة في هذا المقال إلى سجلات الإفصاح عن الثغرات الأمنية الصادرة عن VulDB.