Confidential AI

الذكاء الاصطناعي السري هو نهج لتشغيل عمليات التدريب والاستدلال المرتبطة بـالتعلّم الآلي داخل بيئات تنفيذ موثوقة قائمة على العتاد (TEEs)، بحيث تظل البيانات والموجّهات وأوزان النموذج محمية حتى من مزوّد الخدمة السحابية ومسؤولي النظام ونظام التشغيل المضيف. لطالما حمى التشفير البيانات المخزنة على القرص والبيانات المنقولة عبر الشبكات. ويسدّ الذكاء الاصطناعي السري الفجوة المتبقية المتمثلة في البيانات قيد الاستخدام، التي تفك الأنظمة التقليدية تشفيرها في ذاكرة CPU وGPU أثناء معالجة النموذج لها. ويطبّق الذكاء الاصطناعي السري الحوسبة السرية، وهي مجال دأب اتحاد الحوسبة السرية التابع لمؤسسة لينكس على الترويج له منذ عام 2019، على أحمال عمل الذكاء الاصطناعي.

آلية عمل الذكاء الاصطناعي السري#

تتيح ثلاث آليات عتادية هذا الضمان:

• التنفيذ المعزول: تشغّل تقنيات CPU مثل Intel TDX وAMD SEV-SNP آلة افتراضية كاملة في ذاكرة مشفرة بمفاتيح لا يطّلع عليها المشرف الفائق، بينما تعزل Intel SGX مناطق صغيرة داخل تطبيق واحد. وأضافت NVIDIA وضعاً للحوسبة السرية إلى وحدات GPU لمراكز البيانات بدءاً من جيل Hopper، ويشفّر هذا الوضع البيانات المنقولة بين CPU وGPU ويمنع المضيف من قراءة ذاكرة GPU.
• التصديق عن بُعد: قبل استلام أي سر، تنشئ TEE تقريراً موقعاً مستنداً إلى مفاتيح مدمجة في الشريحة، يسرد بدقة العتاد والبرامج الثابتة والبرمجيات قيد التشغيل. ويقارن مالك البيانات أو خدمة إدارة المفاتيح هذا التقرير بالقيم المتوقعة.
• إصدار المفاتيح بعد التصديق: لا تُتاح مفاتيح فك التشفير لمجموعات البيانات أو أوزان النماذج إلا للبيئات التي يجتاز تصديقها التحقق، لذا لا يمكن قراءة الأصول المحمية إلا داخل حمل العمل المتحقق منه.

تتركز كلفة الأداء في نقل البيانات. إذ يضيف تشفير الذاكرة وعمليات النقل من CPU إلى GPU عبئًا إضافيًا، بينما تجري الحسابات داخل GPU بالسرعة الكاملة، لذا لا تشهد المهام كثيفة الحسابات مثل استدلال النماذج اللغوية الكبيرة سوى زيادات طفيفة في زمن انتقال الاستدلال.

ما الذي تحمي منه#

يفترض نموذج التهديد اختراق طبقة البنية التحتية أو تطفلها: موظفًا خبيثًا لدى مزود الحوسبة السحابية، أو مراقبًا افتراضيًا مخترقًا، أو مستأجرًا آخر على الخادم المادي نفسه. وتعمل الحماية في الاتجاهين. إذ يستطيع مالكو البيانات إرسال سجلات حساسة إلى نموذج لا يتحكمون فيه، كما يستطيع مالكو النماذج نشر أوزان خاصة في مركز بيانات شريك أو في موقع طرفي من دون كشفها هناك. وبما أن التصديق يتيح للعميل التحقق ممن يستطيع قراءة بياناته، فإن الحوسبة السرية تشكل أيضًا لبنة أساسية لعروض الذكاء الاصطناعي السيادي التي تعمل على عتاد مملوك لجهات أجنبية.

يؤمّن الذكاء الاصطناعي السري بيئة التنفيذ، ويتكامل مع ضوابط تغطي بقية مسار العمل. فما تزال مخرجات النموذج قادرة على كشف بيانات التدريب عبر هجمات استدلال العضوية، وهو ما يحد منه التدريب باستخدام الخصوصية التفاضلية، كما يظل تطبيق الشيفرة داخل منطقة العزل بحاجة إلى ممارسات أمن البيانات القياسية مثل التحكم في الوصول وتثبيت التصحيحات.

تقنيات الخصوصية ذات الصلة#

• التعلم الاتحادي يُبقي البيانات الخام على جهاز كل مشارك أو خادمه، ولا يشارك سوى تحديثات النموذج. ويضيف تشغيل خادم التجميع داخل TEE حمايةً لهذه التحديثات.
• التشفير متماثل البنية يجري العمليات مباشرةً على البيانات المشفرة من دون أي عتاد موثوق، لكنه يظل أبطأ بمراتب أسّية من TEE في التعلم العميق، لذا يقتصر استخدامه على النماذج الصغيرة والعمليات البسيطة.
• يتجنب الذكاء الاصطناعي الطرفي هذه المسألة بمعالجة البيانات على الجهاز الذي التقطها، وهو ما ينجح متى كان النموذج صغيراً بما يكفي ليعمل عليه.

مجالات استخدام الذكاء الاصطناعي السري#

تُعد المساعدات السحابية الخاصة أبرز التطبيقات. فخدمة الحوسبة السحابية الخاصة Private Cloud Compute من Apple، التي طُرحت عام 2024، تعالج طلبات Apple Intelligence التي تفوق قدرة الجهاز على خوادم مزودة بشرائح Apple، ولا تحتفظ بأي بيانات مستخدم بعد الطلب، ولا تمنح الموظفين وصولًا مميزًا، وتنشر صورها البرمجية ليتمكن باحثون مستقلون من التحقق مما يجري تشغيله. أما خدمة Private AI Compute من Google، التي أُعلن عنها في نوفمبر 2025، فتطبق التصميم نفسه على نماذج Gemini باستخدام وحدات TPU الخاصة بها، مع تحقّق الأجهزة من التصديق قبل إرسال البيانات.

والتعاون في الرعاية الصحية تطبيق آخر. فالمستشفيات التي لا تستطيع مشاركة سجلات المرضى يمكنها أن تتيح لمطور خارجي التحقق من نموذج أو تدريبه لتحليل الصور الطبية على بياناتها داخل بيئة تنفيذ موثوقة (TEE). فلا ترى المستشفى أوزان النموذج مطلقًا، ولا يرى المطور صور الأشعة الخاصة بالمرضى، وهو نمط تدعمه مزودات السحابة بخدمات الذكاء الاصطناعي السري على Azure وغيرها.

تعالج أنظمة الرؤية البيانات الشخصية أيضًا: فالكاميرات في المتاجر والعيادات وأماكن العمل تلتقط الوجوه وغيرها من المعلومات التي تشملها قوانين خصوصية البيانات. وبما أن الآلات الافتراضية السرية تشغّل التطبيقات من دون تعديلها، يُنشر نموذج Ultralytics YOLO26 المصدّر إلى ONNX أو TensorRT داخل إحداها بالطريقة نفسها التي يعمل بها على أي خادم GPU، مع إبقاء كل إطار مشفرًا عن مشغّل السحابة أثناء تحليله.