خوارزمية جديدة تكشف أسرار قواعد بيانات الذكاء الاصطناعي وتثير مخاوف أمنية خطيرة

vec2vec.. أداة تترجم قواعد بيانات الذكاء الاصطناعي وتكشف محتواها الخف

لم تعد التهديدات المرتبطة بالذكاء الاصطناعي مقتصرة على إساءة استخدام النماذج التوليدية أو اختراق الأنظمة التقليدية، بل امتدت إلى قلب البنية التي تقوم عليها محركات البحث وأنظمة التوصية الحديثة: التضمينات الرقمية (Embeddings) فقد كشفت دراسة علمية حديثة لباحثين من جامعة كورنيل الأمريكية عن ثغرة أمنية جوهرية تُظهر أن هذه التضمينات، التي طالما اعتُبرت آمنة ومكافئة للتشفير، يمكن فك شيفرتها واستعادة محتواها الأصلي جزئيًا، بما يشمل معلومات شديدة الحساسية.

الدراسة، التي حملت عنوان Harnessing the Universal Geometry of Embeddings، قدّمها فريق بحثي من Cornell Tech خلال المؤتمر السنوي لمعالجة المعلومات العصبية (NeurIPS) في ديسمبر الماضي، ونُشرت على خادم الأبحاث العلمية arXiv، وسط اهتمام متزايد من خبراء الأمن السيبراني وشركات التكنولوجيا الكبرى.

ما هي التضمينات؟ ولماذا اعتُبرت آمنة؟

تعتمد معظم تطبيقات الذكاء الاصطناعي الحديثة على التضمينات، وهي تمثيلات رقمية عالية الأبعاد تُحوّل النصوص أو الصور أو الأصوات إلى سلاسل من الأرقام تعبّر عن معناها وسياقها.
هذه التضمينات هي العمود الفقري لمحركات البحث، وأنظمة التوصية، وروبوتات الدردشة، إذ تتيح مقارنة المعاني بدلًا من مقارنة الكلمات حرفيًا.

وخلال السنوات الماضية، ساد اعتقاد داخل الأوساط التقنية بأن التضمينات لا يمكن عكسها إلى بياناتها الأصلية، ما جعل الشركات تتعامل معها بوصفها «بيانات غير حساسة»، وتشاركها أحيانًا مع أطراف خارجية أو تخزّنها دون مستويات حماية صارمة.

vec2vec .. حجر رشيد رقمي يفك الشفرات

هذا الافتراض انهار مع تطوير خوارزمية vec2vec، التي نجحت في ترجمة تضمينات صادرة عن نماذج مجهولة إلى فضاء نموذج معروف، اعتمادًا فقط على البنية الهندسية الكامنة لهذه التضمينات، ومن دون أي معرفة مسبقة بالبيانات الأصلية أو بطريقة ترميزها.

يشبّه الباحثون هذه الآلية بـ«حجر رشيد» التاريخي، الذي مكّن العلماء من فك رموز اللغة المصرية القديمة عبر نص واحد مكتوب بثلاث لغات، وبالمثل، تسمح vec2vec بإنشاء «لغة وسيطة» عالمية بين نماذج الذكاء الاصطناعي المختلفة، ما يفتح الباب أمام تحويل التضمينات بين النماذج، بل واستنتاج معناها التقريبي.

ماذا يمكن استعادته من البيانات؟

أظهرت التجارب العملية نتائج مقلقة. فقد تمكن الباحثون من:

– استنتاج موضوعات تغريدات من قواعد بيانات مجهولة المصدر.

– استخراج تشخيصات طبية من سجلات مستشفيات جرى «إخفاء هويتها».

– استعادة محتوى رسائل بريد إلكتروني، تتضمن أسماء وأرقامًا وتفاصيل مالية، من قاعدة بيانات شركة «إنرون» المنحلة.

ورغم أن الخوارزمية لا تعيد النصوص حرفيًا، فإنها تستخرج «جوهر المعنى» بدقة كافية للكشف عن معلومات شخصية، مثل أعراض طبية محددة أو تفاصيل معاملات مالية، وهو ما يمثل خطرًا جسيمًا على الخصوصية.

تحذير صريح من الباحثين

يقول فيتالي شماتيكوف، أستاذ علوم الحاسب بجامعة كورنيل والمؤلف الرئيسي للدراسة، إن التضمينات يجب التعامل معها بالحساسية نفسها التي يُتعامل بها مع البيانات الأصلية، مؤكدًا أن مشاركة التضمينات مع أطراف أخرى تعادل فعليًا مشاركة النصوص الخام.

هذا التصريح يضع شركات التكنولوجيا أمام واقع جديد: قواعد البيانات التي كانت تُعد «آمنة افتراضيًا» قد تصبح كنزًا معلوماتيًا لأي جهة تتمكن من الوصول إليها.

لماذا تتشابه إجابات روبوتات الدردشة؟

تقدم الدراسة تفسيرًا علميًا لظاهرة طالما لاحظها المستخدمون: تشابه إجابات روبوتات الدردشة المختلفة، رغم اعتمادها على نماذج وشركات متباينة.
ويرى الباحثون أن السبب يعود إلى أن جميع النماذج اللغوية الكبرى تشترك في بنية هندسية عالمية واحدة لتمثيل اللغة البشرية، ما يجعل ترجمة التضمينات بينها ممكنة، بل ومتوقعة.

بين الخطر والفرصة: استخدامات محتملة للتقنية

ورغم المخاطر الأمنية الواضحة، لا يخفي الباحثون أن للتقنية وجهًا آخر أكثر إيجابية. فخوارزمية vec2vec قد:

– تمكّن النماذج أحادية اللغة من العمل بلغات متعددة.

– تتيح الربط بين النصوص والصور والصوتيات في أنظمة موحدة.

– تفتح آفاقًا بحثية غير مسبوقة، مثل محاولة ترجمة أصوات الحيتان إلى لغة بشرية، وإن كان ذلك لا يزال في إطار نظري بحت.

تداعيات على الأمن السيبراني والتنظيم القانوني

تفرض هذه النتائج تحديات كبيرة على سياسات حماية البيانات، وتشير إلى ضرورة:

– إعادة تصنيف التضمينات باعتبارها بيانات حساسة.

– فرض معايير تشفير وحوكمة أكثر صرامة لقواعد بيانات الذكاء الاصطناعي.

– تحديث الأطر التنظيمية لحماية الخصوصية، خاصة في القطاعات الصحية والمالية.

وفي ظل التوسع المتسارع في استخدام الذكاء الاصطناعي، يبدو أن السؤال لم يعد: هل التضمينات آمنة؟
بل: كيف يمكن حماية عالم رقمي باتت معانيه قابلة للفك والترجمة؟