أمان: إبقاء البيانات الشخصية حيث يجب أن تكون

أصبح الذكاء الاصطناعي جزءًا من العمل اليومي، وتكاد كل مطالبة تحمل بيانات شخصية: اسم عميل، أو رقم هاتف، أو رقم هوية، أو عنوان. وأمان (AMAN)، ميزة حجب البيانات الشخصية في ميزان، يزيل هذه البيانات قبل أن تصل المطالبة إلى أي نموذج.

لماذا يهمّ ذلك الشركات السعودية

يضع نظام حماية البيانات الشخصية (PDPL) في المملكة العربية السعودية قواعد صارمة لمعالجة البيانات الشخصية، ويقيّد نقلها إلى خارج المملكة. ومعظم نماذج الذكاء الاصطناعي الرائدة مستضافة في الخارج، لذا فكل مطالبة غير محجوبة هي عملية نقل محتملة عبر الحدود، وبمجرد إرسالها لا يمكن استرجاعها.

وبالنسبة لفرق الرعاية الصحية والقطاع المصرفي والقطاع الحكومي، قد يكفي هذا الخطر وحده لتعطيل تبنّي الذكاء الاصطناعي.

كيف يسهّل عملكم

أمان مدمج في بوابة ميزان، فلا تحتاج تطبيقاتكم إلى SDK جديد ولا إلى أي تعديل في الشيفرة. يُحجب كل طلب تلقائيًا، ولن يحتاج فريقكم بعد اليوم إلى تنقية المطالبات يدويًا أو صيانة قواعد كشف خاصة به.

كيف يعمل أمان

يمرّ كل طلب عبر أربع طبقات كشف، وكل طبقة تلتقط ما تعجز عنه الطبقات الأخرى:

1. 1الكشف بالأنماط يعثر على البيانات ذات الصيغة الثابتة: عناوين البريد الإلكتروني وأرقام الهواتف وأرقام البطاقات وأرقام الآيبان (IBAN) وأرقام الهوية. ويعمل على خادمكم الخاص خلال أجزاء من الثانية.
2. 2كشف البيانات السرية يعثر على كلمات المرور ومفاتيح API ورموز الوصول. ويعمل محليًا أيضًا، فلا تُرسَل بيانات الاعتماد إلى أي جهة للتحقق منها.
3. 3نموذج ذكاء اصطناعي محلي يتعرّف على الأسماء والأماكن والعناوين، وهي بيانات ليست لها صيغة ثابتة. ويعمل على عتاد خوادم اعتيادي، لا عبر خدمة خارجية.
4. 4المراجعة بالذكاء الاصطناعي (اختيارية) تقرأ المطالبة بعد حجبها وتنبّه إلى أي بيانات متبقية. ولأن هذا النص قد يظل يحتوي على تفاصيل تكشف الهوية، يمكن أن تستخدم المراجعة نموذجًا مستضافًا داخل المملكة.

بعد الحجب، تمنح بوابة المخاطر الاختيارية كل مطالبة درجة تعكس احتمال أن تظل محتوية على بيانات شخصية، ليمكن التنبيه إلى المطالبات عالية الخطورة قبل إرسالها.

كيف اختبرناه

• مجموعة اختبارات الانحدار — يجب أن يجتاز كل إصدار مجموعة الاختبارات التي كتبناها بأنفسنا.
• الإنجليزية — اختبرنا أمان على مجموعة بيانات مستقلة من طرف ثالث: عشرات الآلاف من المستندات الاصطناعية، كالنماذج والسجلات والرسائل، المليئة بالبيانات الشخصية. وشغّلنا كل تركيبة من طبقات الكشف عبر مسار الإنتاج الفعلي.
• العربية — أنشأنا 500 مستند اصطناعي تتضمن أسماء وعناوين وأرقام هواتف وأرقام هوية سعودية وإماراتية ومصرية وأردنية، وشغّلنا عليها التركيبات نفسها.
• بوابة المخاطر — جعلناها تقيّم المطالبات عند كل مستوى من مستويات الحجب، من دون أي حجب وصولًا إلى طبقات الكشف الأربع كلها، وقارنّا كل درجة بما إذا كانت أي بيانات قد تسرّبت فعلًا.

ما توصّلنا إليه

نظرة سريعة

ملاحظة: نتائج الإنجليزية والعربية مأخوذة من مجموعتَي بيانات مختلفتين، لذا قارنوها بحسب نوع البيانات، كالأسماء أو العناوين، لا بحسب النسب الإجمالية.

الإنجليزية

• الأنماط وحدها لا تكفي. فهي تلتقط عناوين البريد الإلكتروني وأرقام الهواتف وأرقام الهوية بموثوقية، لكنها لا تتعرّف على الأسماء، لذا لا تحجب وحدها سوى 48% من البيانات الشخصية.
• النموذج المحلي صاحب الإسهام الأكبر. إذ يرفع نسبة الحجب إلى 90%، دون أن يغادر أي نص خادمكم.
• المراجعة بالذكاء الاصطناعي تسدّ معظم الفجوة المتبقية. فترفع نسبة الحجب إلى 97% دون زيادة في الحجب الزائد.
• طبقتا الذكاء الاصطناعي تعملان على أفضل وجه معًا. فكل منهما تعثر على أشياء مختلفة، ولا تستطيع المراجعة أن تحلّ محلّ النموذج المحلي.

العربية

• الأنماط تلتقط كل عناوين البريد الإلكتروني وأرقام الهوية وجوازات السفر، لكنها وحدها لا تحجب سوى 39% من البيانات الشخصية.
• النموذج المحلي أضعف في التعرّف على الأسماء العربية، ولا يرفع نسبة الحجب إلا إلى 57%.
• المراجعة بالذكاء الاصطناعي تؤدي معظم العمل. وتشغيلها دون النموذج المحلي يعطي أفضل نتيجة: حجب بنسبة 94% مع حجب زائد يكاد يكون معدومًا. أما مع طبقات الكشف الأربع كلها فتبلغ النسبة 86%، لأن مطابقات النموذج المحلي الجزئية للأسماء تمنع المراجعة من حجب الاسم كاملًا.
• العناوين والأسماء هي الأصعب في الالتقاط. فأرقام الهوية الخليجية، والأرقام المكتوبة بالحروف، والعناوين المختصرة السعودية لا تغطيها الأنماط بعد. وهذه فجوات معروفة حُدّدت حلولها بالفعل، وفي الوقت الحالي تلتقط المراجعة بالذكاء الاصطناعي معظمها.

بوابة المخاطر

• تميّز بموثوقية بين المطالبات التي ما زالت تسرّب بيانات والمطالبات النظيفة. فعلى بيانات لم تُضبط عليها، التقطت 90% من المطالبات المسرِّبة بالإنجليزية و98% منها بالعربية، وكانت تنبيهاتها صائبة بنسبة مقاربة.
• تنخفض درجتها كلما قوي الحجب، أي أنها تتبع الخطر الفعلي.
• درجاتها أقل موثوقية كاحتمالات دقيقة في العربية، لذا ينبغي استخدامها مع النصوص العربية للتنبيه إلى المطالبات، لا لحظرها تلقائيًا.