پرش به محتوای اصلی
پرش به محتوای مقاله

OpenAI تاریخچه فعالیت کاربران مک را به‌صورت متن ساده و رمزنگاری‌نشده ذخیره

·۲۸ مرداد ۱۴۰۵۴ دقیقه مطالعه۱ بازدید
عامل سطح سیستم‌عامل اوپن‌ای‌آی: فراتر از چت‌باکس، با چالش متن ساده
عامل سطح سیستم‌عامل اوپن‌ای‌آی: فراتر از چت‌باکس، با چالش متن ساده
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

افشای ذخیره‌سازی بدون رمزنگاریِ تاریخچه فعالیت‌های کاربر در سطح OS توسط OpenAI؛ تبدیل حافظهٔ عامل به یک فایل متنی قابل خواندن برای هر بدافزار محلی.

تمام جریان کاری دیجیتال شما اکنون به یک فایل متنی ساده روی هارددیسک تبدیل شده است. OpenAI قابلیت «تاریخچه کامپیوتر» (Computer History) را برای اپلیکیشن macOS چت‌جی‌پی‌تی مستقر کرده است تا هر کلیک، ضربه به کیبورد و جابه‌جایی بین برنامه‌ها را ردیابی کند و بدین ترتیب، به عامل‌ها (Agents) زمینهٔ عمیقی از سطح سیستم‌عامل بدهد. این قابلیت در واقع گامی عملی برای تبدیل فعالیت‌های روزمره سیستم به یک حافظه قابل جست‌وجو برای هوش مصنوعی است.

این اقدام، عامل هوش مصنوعی را از یک جعبهٔ چت ایزوله به درون خودِ سیستم‌عامل می‌برد. همان‌طور که در تحلیل قبلی ما درباره‌ی توقف آموزش مدل‌های پیشرو OpenAI به دلیل عدم همراستاسازی اشاره کردیم، این انتشار جدید دوباره تنش میان توسعه قابلیت‌های عامل‌محور و حفظ مرزهای سخت‌گیرانه ایمنی را برجسته می‌کند. برای یک کاربر عادی، این وضعیت شبیه داشتن یک منشی دیجیتال است که هر چه تایپ کرده‌اید را به خاطر می‌سپارد، اما یادداشت‌هایش را در کشویی باز و بدون قفل نگه می‌دارد.

سازوکار و زمینه

به نقل از یک مدیر محصول و مهندسی OpenAI، این قابلیت به چت‌جی‌پی‌تی اجازه می‌دهد تا «از هر کاری که در کامپیوتر انجام می‌دهید، یاد بگیرد». در عمل، این یعنی عامل می‌تواند فایل‌ها یا اقدامات خاصی از گذشته را شناسایی کند. این رویکرد نشان می‌دهد که OpenAI چگونه تعاملات کاربر با محیط مک را به مهارت‌های عملی برای عامل‌های هوشمند تبدیل کرده است. برای مثال، در یک دموی نمایش داده شده، عامل توانست آخرین سند گوگل داکس (Google Doc) مشاهده شده توسط کاربر را با جست‌وجو در این تاریخچه پیدا کند.

طبق تحلیل فنی منتشر شده در ۱۹ اوت ۲۰۲۶، این قابلیت از چارچوب دسترسی‌پذیری (Accessibility Framework) در macOS برای ساخت حافظه‌ای پایدار از اقدامات کاربر استفاده می‌کند. بر اساس مستندات، این پیاده‌سازی شامل کنترل‌های زیر است:

  • الزام به فعال‌سازی: این قابلیت به‌صورت پیش‌فرض غیرفعال است.
  • فیلترهای حریم خصوصی: گزارش شده که تب‌های مرورگر در حالت Private نادیده گرفته می‌شوند.
  • لیست سیاه: کاربران می‌توانند به‌صورت دستی مانع ردیابی برنامه‌های خاص شوند.
  • کنترل مدیریتی: مدیران حساب‌های تجاری باید ابتدا قابلیت را فعال کنند تا افراد بتوانند آن را انتخاب کنند.
  • مدیریت کاربر: کاربران می‌توانند پایگاه داده خاطرات را مشاهده و موارد خاص را حذف کنند.

جزئیات فنی و مخاطرات

با این حال، پیاده‌سازی فنی نشان‌دهنده یک موازنه خطرناک است. فایل‌های حافظه به‌صورت محلی و در قالب متن ساده (Plain-text) Markdown ذخیره می‌شوند. این یعنی هر اپلیکیشن یا پردازشی که تحت حساب کاربری همان شخص اجرا شود، پتانسیل خواندن این لاگ‌ها را دارد. در واقع، OpenAI سادگی پیاده‌سازی را بر امنیت ترجیح داده است.

تصور کنید لاگی ثبت شود که کاربر به گوگل کروم می‌رود، صفحه صورت‌حساب AWS را می‌بیند و سپس برای اجرای یک دستور kubectl در محیط Production به iTerm2 می‌رود. یک قطعه از این فایل حافظه احتمالاً چنین خواهد بود:

  • ۱۴:۳۰:۰۵: جابه‌جایی به Google Chrome؛ اقدام: مشاهده https://console.aws.amazon.com/billing/home؛ کلیدها: [CMD+L], billing, [ENTER]
  • ۱۴:۳۱:۱۲: جابه‌جایی به Slack؛ اقدام: مشاهده #dev-prod-alerts؛ زمینه: خواندن پیام‌های @JaneDoe درباره شکست استقرار.
  • ۱۴:۳۲:۴۵: جابه‌جایی به iTerm2؛ اقدام: اجرای دستور kubectl get pods -n customer-xyz-prod

به دلیل متنی بودن داده‌ها، رشته‌های حساسی مثل کلیدهای API، پیام‌های خصوصی و کدهای ارسال‌نشده بدون رمزنگاری ذخیره می‌شوند. این معماری، پیش‌فرض‌های امنیتی برای ماشین‌های توسعه‌دهندگان را به‌کلی تغییر می‌دهد. ریسک دیگر تنها مربوط به رفتار مدل هوش مصنوعی نیست، بلکه هر بدافزار محلی می‌تواند حافظهٔ عامل را به سرقت ببرد.

علاوه بر این، این وضعیت سطح حمله برای تزریق پرامپت (Prompt Injection) را به‌شدت گسترش می‌دهد. طبق گزارش‌ها، مستندات خود OpenAI نیز به این ریسک افزایش‌یافته اذعان کرده است. اگر عاملی زمینه را از یک پیام اسلک یا سندی بخواند که حاوی دستورات مخرب است، «شعاع تخریب» گسترده‌تر می‌شود. یک حساب هک‌شده که پیامی ارسال می‌کند، می‌تواند به‌طور تئوریک اقدامات آیندهٔ عامل را با مسموم کردن تاریخچه محلی دستکاری کند. مرز بین داده‌های کاربر و دستورات مدل در حال محو شدن است.

برای توسعه‌دهندگان، این یک درس عملی در مورد خطرات حافظهٔ عامل‌محور است. بار امنیتی به‌طور کامل به دوش کاربر منتقل شده است؛ کسی که باید اعتماد کند هیچ پردازش دیگری در ماشینش به دنبال این فایل‌های Markdown نمی‌گردد.

در مسیر حرکت به سمت عامل‌های یکپارچه با سیستم‌عامل، صنعت به مفاهیم جدیدی برای مدیریت زمینه نیاز دارد که کاربر را مجبور به انتخاب بین کاربردی بودن و رمزنگاری پایه نکند.

گام بعدی شما

  • اگر از اپلیکیشن مک ChatGPT استفاده می‌کنید، در تنظیمات بررسی کنید که قابلیت Computer History غیرفعال باشد.
  • در صورت فعال بودن، مسیر ذخیره فایل‌های Markdown را در سیستم خود بیابید و دسترسی‌های آن پوشه را محدود کنید.
  • برای مدیریت حساس‌ترین داده‌ها، از محیط‌های ایزوله یا ماشین‌های مجازی استفاده کنید تا از نشت داده به حافظهٔ عامل جلوگیری شود.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این نقص امنیتی اعتبار OpenAI را در حوزه مدیریت داده‌های حساس به چالش می‌کشد و نشان می‌دهد که یکپارچگی با OS بدون رمزنگاری لایه‌ای، ریسک جاسوسی محلی را افزایش می‌دهد. تخصص در امنیت سیستم‌عامل اکنون به اندازه تخصص در معماری مدل برای شرکت‌های AI حیاتی است.

تأثیر برای ایران

به‌دلیل محدودیت‌های دسترسی به اپلیکیشن‌های رسمی OpenAI در ایران، این ریسک فعلاً برای کاربران عادی محدود است، اما توسعه‌دهندگانی که از نسخه‌های غیررسمی یا VPN برای دسترسی به این قابلیت‌ها استفاده می‌کنند، باید مراقب نشت داده‌های محلی باشند.

·نگاه ما
تحریریه دات‌هوش

OpenAI با این اقدام، امنیت سیستم‌عامل را به قربانیِ «تجربه کاربری بدون اصطکاک» تبدیل کرده است. ذخیره داده‌ها به‌صورت Plain-text در سال ۲۰۲۶ یک عقب‌گرد مهندسی است که نشان می‌دهد سرعت توسعه عامل‌ها از استانداردهای پایه امنیت سایبری پیشی گرفته است. این رویکرد، مدل‌های زبانی را از ابزارهای کمکی به نقاط ضعف مرکزی در زنجیره حمله (Attack Chain) تبدیل می‌کند.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.