💻 computer science

A Transfer Learning Approach to Unveil the Role of Windows Common Configuration Enumerations in IEC 62443 Compliance

تقترح هذه الورقة نهجاً للتعلم بنقل المعرفة يستفيد من مجموعات بيانات "لينكس" المصنفة لربط تعداد التكوينات الشائعة (CCEs) لنظام ويندوز بمتطلبات المعيار IEC 62443-3-3، مما يتيح إجراء فحوصات الامتثال الآلية وسد الفجوة بين المعايح الأمنية المجردة وتكوينات ويندوز الملموسة في أنظمة التحكم الصناعية غير المتجانسة.

المؤلفون الأصليون: Miguel Bicudo, Estevão Rabello, Daniel Menasché, Paulo Segal, Claudio Segal, Anton Kocheturov, Priyanjan Sharma

نُشر 2026-02-17

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Miguel Bicudo, Estevão Rabello, Daniel Menasché, Paulo Segal, Claudio Segal, Anton Kocheturov, Priyanjan Sharma

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك رئيس الأمن في مصنع ضخم وعالي التقنية. يعمل هذا المصنع بمزيج من أنظمة حاسوبية مختلفة: بعضها قديم الطراز، وبعضها آلات متخصصة فائقة السرعة، والعديد منها يعمل بنظام Windows (مثل أجهزة الكمبيوتر التي تستخدمها في المنزل أو العمل) ونظام Linux (وهو نوع آخر شائع جداً من أنظمة الكمبيوتر المستخدمة في الخوادم).

مهمتك هي التأكد من أن المصنع بأكمله يتبع كتاب قواعد صارم يسمى IEC 62443. هذا الكتاب يشبه دليل تعليمات ضخم ومعقد حول كيفية الحفاظ على سلامة المصنع من المتسللين (الهكرز). هو يقول أشياء مثل: "يجب إغلاق الباب الأمامي"، أو "يجب فحص السجلات كل ليلة".

المشكلة: فجوة "الترجمة"

المشكلة هنا هي أن كتاب القواعد مكتوب بلغة مجردة للغاية. هو يخبرك بماذا يجب أن تفعل، لكنه لا يخبرك كيف تفعل ذلك على جهاز كمبيوتر محدد.

وضع نظام Linux: بالنسبة لأجهزة Linux، قام الخبراء بالفعل بالعمل الشاق. لقد أنشأوا "حجر رشيد" (دليل ترجمة) يقول: "إذا كنت تريد اتباع القاعدة رقم 5، فإليك الإعداد الدقيق الذي تحتاج لتغييره في Linux".
وضع نظام Windows: بالنسبة لأجهزة Windows، هذا الدليل مفقود. نحن نعرف القواعد، لكننا لا نعرف أي إعدادات Windows محددة (مثل مفاتيح السجل own Registry Keys أو سياسات المجموعة Group Policies) هي التي تلبي تلك القواعد فعلياً.

محاولة اكتشاف هذا لنظام Windows من الصفر تشبه محاولة تعلم لغة جديدة عبر قراءة قاموس بدون أمثلة توضيحية. الأمر يستغرق وقتاً طويلاً وهو عرضة للأخطاء.

الحل: "تعلم النقل" (التقليد الذكي)

ابتكر مؤلفو هذه الورقة البحثية حيلة ذكية تسمى "تعلم النقل" (Transfer Learning). فكر في الأمر كالتالي:

تخيل أنك طاهٍ ماهر تعرف تماماً كيفية طهي شريحة لحم مثالية على شواية غاز (Linux). لديك كتاب وصفات مفصل لشواية الغاز. الآن، تحتاج لطهي نفس شريحة اللحم تماماً على شواية فحم (Windows). لم يسبق لك استخدام الفحم من قبل، لكنك تعرف أن الهدف هو نفسه: الحصول على شريحة لحم لذيذة وآمنة.

بدلاً من البدء من الصفر، أنت تستخدم معرفتك بشواية الغاز لتخمين كيفية عمل شواية الفحم. تقول لنفسك: "في شواية الغاز، أقوم بلف المقبض إلى درجة 'عالية' للحصول على 500 درجة. في شواية الفحم، ربما أحتاج إلى تكويم المزيد من الفحم للحصول على نفس الحرارة".

في هذه الورقة، استخدم الباحثون هذا الأسلوب مع البيانات الحاسوبية:

"شواية الغاز" (المصدر): أخذوا إعدادات Linux المعروفة وارتباطاتها بقواعد الكتاب.
"شواية الفحم" (الهدف): نظروا في إعدادات Windows.
"المترجم الآلي" (الذكاء الاصطناعي): استخدموا ذكاءً اصطناعياً (نوع من البرامج الحاسوبية الذكية) لمقارنة أوصاف إعدادات Linux مع إعدادات Windows. ورغم اختلاف الكلمات، أدرك الذكاء الاصطناعي أن عبارة "تعطيل تسجيل الدخول عن بعد في Linux" تشبه جداً عبارة "حظر منفذ عن بعد في Windows".

العملية: كيف فعلوا ذلك؟

التمثيل الشعاعي (تحويل الكلمات إلى إحداثيات): قاموا بتحويل الأوصاف النصية لكل إعداد إلى قائمة من الأرقام (مثل إحداثيات نظام تحديد المواقع GPS). إذا كان إعدادان (واحد لـ Linux والآخر لـ Windows) قريبين من بعضهما على هذه الخريطة، فمن المرجح أنهما يقومان بنفس الشيء.
"لعبة التخمين": نظر الذكاء الاصطناعي إلى إعداد Windows وسأل: "من هو الجار الأقرب لي من إعدادات Linux؟" ثم استعار "ارتباط قاعدة الكتاب" من ذلك الجار في Linux.
ضبط الحساسية: كان عليهم توخي الحذر لكي لا يخمنوا بشكل عشوائي جداً. قاموا بضبط "مقبض" (معامل رياضي) للتأكد من أن الذكاء الاصطناعي لا يخمن فقط القواعد الأكثر شيوعاً لكل شيء، بل يجد بالفعل المطابقات الصحيحة والمحددة.
التحقق البشري (اختبار التذوق): قام الذكاء الاصطناعي بإعداد مسودة أولى للترجمة. ثم قام خبراء بشريون (وحتى ذكاء اصطناعي آخر، Gemini) بـ "تذوق الطعام". لقد تحققوا مما يلي: "هل إعداد Windows هذا يلبي حقاً قاعدة الكتاب؟"
- نعم: احتفظ به.
- لا: استبعده.
- ربما: حدده للمراجعة لاحقاً.

ماذا وجدوا؟

بعد كل هذا العمل، أنشأوا "حجر رشيد" جديد لنظام Windows. إليكم أهم النتائج:

Windows يتمحور حول "السياسات": القواعد التي تلبيها إعدادات Windows تتعلق غالباً بـ فرض السياسات (التأكد من إحكام إغلاق الإعدادات) و الحدود الشبكية (إبقاء المتسللين في الخارج).
اللغة مختلفة: غالباً ما تتحدث إعدادات Linux عن "الحزم" (Packages) و "الخدمات الخلفية" (Daemons) (مصطلحات تقنية للبرامج التي تعمل في الخلفية). بينما تتحدث إعدادات Windows عن "تمكين"، "تعطيل"، "تدقيق"، و "سياسات". إنها لغة ذات أسلوب "أمر وسيطرة" أكثر.
الأتمتة ممكنة: بما أن لديهم الآن خريطة، يمكن للحواسيب مسح نظام Windows تلقائياً والقول: "مهلاً، أنت متوافق بنسبة 90% مع كتاب قواعد الأمان!" دون الحاجة لأن يقرأ إنسان آلاف الصفحات من الكتيبات.

الخلاصة

هذه الورقة البحثية تشبه بناء جسر بين عالم معروف (أمن Linux) وعالم غير معروف (أمن Windows). من خلال استخدام ذكاء اصطناعي ذكي لـ "استعارة" المعرفة من جانب واحد وتكريرها باستخدام الخبراء البشريين، جعلوا تأمين المصانع الصناعية التي تعمل بنظام Windows أمراً أسهل بكثير.

بدلاً من التحقق يدوياً من كل مفتاح في المصنع، يمكننا الآن استخدام البرمجيات للتحقق تلقائياً من أن المفاتيح في مكانها الصحيح، مما يحافظ على سلامة بنيتنا التحتية الحيوية من الهجمات السيبرانية.

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "نهج التعلم بنقل المعرفة للكشف عن دور تعدادات التكوين المشتركة لنظام ويندوز في الامتثال لمعيار IEC 62443."

1. بيان المشكلة

تعمل أنظمة التحكم الصناعي (ICS) في بيئات غير متجانسة حيث تتعايش أنظمة Linux، والأنظمة التشغيلية للوقت الحقيقي المملوكة لجهات معينة، ونظام Windows. وبينما يوفر معيار IEC 62443-3-3 إطارًا قويًا لتأمين هذه الأنظمة، فإن أتمتة التحقق من الامتثال تظل عملية صعبة، لا سيما بالنسبة لأنظمة Windows.

الفجوة: ركزت الأبحاث والبيانات الحالية بشكل كبير على أنظمة Linux (تحديداً توزيعة SUSE Linux)، حيث تتوفر خرائط الربط بين إعدادات التكوين ومتطلبات أمن النظام (SRs) الخاصة بمعيار IEC 62443.
التحدي: تفتقر بيئات Windows إلى مجموعات بيانات منهجية ومصنفة تربط تكويناتها بمتطلبات IEC 62443 SRs. كما أن عملية الربط اليدوي لآلاف التكوينات في نظام Windows تتطلب موارد هائلة وعرضة للخطأ البشري.
الهدف: أتمتة تقييم الامتثال لمعيار IEC 62443-3-3 في أنظمة Windows من خلال الاستفاء من البيانات المصنفة الموجودة لأنظمة Linux.

2. المنهجية

يقترح المؤلفون مسار عمل للتعلم بنقل المعرفة (Transfer Learning Pipeline) يقوم بربط تعدادات التكوين المشتركة (CCEs) لنظام Windows بمتطلبات IEC 62443-3-3 باستخدام تعدادات CCEs لنظام SUSE Linux المصنفة كمصدر للمجال. تتضمن العملية أربع مراحل رئيسية:

أ. إعداد البيانات والتمثيل الشعاعي (Embedding)

البيانات المصدر: تعدادات CCEs لنظام SUSE Linux المرتبطة بمعروفة بمتطلبات IEC 62443 SRs.
البيانات المستهدفة: تعدادات CCEs لنظام Windows (التي تفتقر إلى وسوم SRs).
التمثيل الشعاعي (Vectorization): يتم تحويل أوصاف CCEs لكل من Linux وWindows من تنسيقات جدولية/JSON إلى تمثيلات جمل شعاعية (Sentence Embeddings) باستخدام نموذج all-mpnet-base-v2 مسبق التدريب (فضاء ذي 768 بُعدًا). يلتقط هذا النموذج التشابه الدلالي بين أوصاف التكوين عبر أنظمة التشغيل المختلفة.

ب. نقل المعرفة القائم على المسافة

الآلية الجوهرية تقوم بنقل تسميات SRs من Linux إلى Windows بناءً على التقارب الدلالي:

حساب المسافة: يتم حساب المسافة الإقليدية أو مسافة جيب التمام ( $d_{ij}$ ) بين تكوين Windows $i$ وتكوين SUSE $j$ في الفضاء الشعاعي.
مخطط الأوزان: يتم تعيين وزن $w_{ij}$ يتناسب عكسيًا مع المسافة ( $w_{ij} = 1/d_{ij}$ )، حيث تمارس التكوينات الأقرب تأثيرًا أقوى.
تجميع الدرجات: لكل تكوين Windows، يتم حساب متجه درجة عن طريق جمع ناقلات (vectors) الـ SRs للتكوينات القريبة من Linux، مع مراعاة الأوزان بناءً على قربها.
تحويل القوة (Power Transformation): لتعزيز التنوع ومنع المتطلبات المهيمنة من طغيان المتطلبات الأخرى، يتم رفع الأوزان إلى قوة $p$ ( $w^p$ ). قام المؤلفون بضبط $p=5.5$ (لمسافة جيب التمام) لتحقيق مؤشر تنوع ( $M(p)$ ) يبلغ حوالي 0.85.

ج. الاختيار والترشيح

الترتيب: لكل CCE في Windows، يتم اختيار أفضل $K$ (تم تحديدها بـ 10) من المتطلبات ذات الدرجات الأعلى.
العتبة (Thresholding): يتم تطبيق عتبة $\tau$ (تم تحديدها بـ 0.68) لضمان الاحتفاظ بالارتباطات عالية الثقة فقط.
التطبيع (Normalization): يتم تطبيع الدرجات إلى الفترة $[0, 1]$ باستخدام معيار $\ell_\infty$ لضمان قابلية المقارنة.

د. التحقق

التحقق اليدوي: قام خبيران بشريان بالتحقق يدويًا من أفضل 10 ارتباطات لـ 612 من CCEs لنظام Windows، مما نتج عنه 3,020 علاقة.
التحقق عبر النماذج اللغوية الكبيرة (LLM): تمت مقارنة التسميات البشرية مع نموذج Gemini 2.5 Flash. أظهر النموذج اللغوي توافقًا بنسبة 95.6% مع المقيمين البشريين، مما أكد اتساق عملية التسمية.

3. المساهمات الرئيسية

إطار عمل للتعلم بنقل المعرفة: منهجية مبتكرة لسد فجوة البيانات بين Linux وWindows عبر نقل معرفة المتطلبات الأمنية بواسطة التمثيلات الشعاعية الدلالية.
مجموعة بيانات مصنفة: إنشاء مجموعة بيانات منسقة تربط 612 من CCEs لنظام Windows بمتطلبات أمن النظام IEC 62443-3-3، مع 937 ارتباطًا مقبولًا "نعم" (Yes).
التحليل التجريبي: تحليل مفصل لانتشار المتطلبات وأنماط التواجد المشترك في Windows، مما يكشف عن كيفية تكتل الضوابط الأمنية (مثل التحكم في الوصول مقابل إدارة التصحيحات).
رؤى عبر المنصات: تحديد الاختلافات الدلالية والهيكلية بين مشهد الامتثال في Linux وWindows، مما يسلط الض الضوء على الحاجة إلى التحقق الخاص بكل منصة.

4. النتائج والمكتشفات الرئيسية

إحصائيات مجموعة البيانات:
- مخرجات تعلم الآلة الأولية: 3,060 علاقة.
- بعد الترشيح اليدوي: 3,020 علاقة.
- معدل القبول: 31% ("نعم" 937)، 7% ("ربما")، 61% ("لا").
- التوافق مع LLM: توافق بنسبة 95.6% إجمالاً مع التسمية البشرية.
الموضوعات الأمنية المهيمنة:
- كانت أكثر الارتباطات المقبولة تكرارًا هي SR 7.6 (إنفاذ المعلمات الأمنية) و SR 5.2 (حماية حدود الشبكة).
- شملت المجالات الأخرى عالية التكرار SR 6.2 (المراقبة المستمرة) و SR 6.1 (إنشاء سجلات التدقيق).
- رؤية: يعتمد امتثال Windows بشكل كبير على الضوابط التشغيلية (الدفاع المحيطي، إنفاذ السياسات) بدلاً من الضوابط الفيزيائية أو التنظيمية.
الاختلافات الدلالية:
- تميل CCEs الخاصة بـ Linux إلى استخدام لغة إجرائية (مثل "حزمة"، "خدمة"، "عملية خلفية/Daemon").
- تستخدم CCEs الخاصة بـ Windows لغة توجيهية آمرة (مثل "ممكن"، "معطل"، "سياسة"، "مفروض").
- يؤكد هذا التباين اللغوي أنه بينما يعد التشابه الشعاعي مفيدًا، فإن التكيف الدلالي والتحقق اليدوي ضروريان لضمان دقة الربط عبر المنصات.
التكتل (Clustering): كشف التكتل غير الخاضع للإشراف لمتطلبات SRs أن الضوابط الأمنية لا تُطبق بشكل مستقل، بل في مجموعات وظيفية (مثل مجموعات المصادقة، ومجموعات السلامة/التصحيح).

5. الأهمية والأثر

أتمتة الامتثال: يتيح هذا النهج عمليات التحقق الآلي من الامتثال لمكونات نظام Windows المستخدمة في أنظمة التحكم الصناعي (مثل واجهات HMI وSCADA)، والتي كان من الصعب تقييمها بشكل منهجي سابقًا.
التتبع (Traceability): يؤسس رابطًا واضحًا وقابلًا للتتبع بين متطلبات IEC 62443 المجردة وإعدادات التكوين الملموسة في Windows (مثل مفاتيح السجل Registry keys، وسياسات المجموعة Group Policies).
التقييس: يعزز هذا العمل دمج معيار IEC 62443 مع الأطر الأخرى (مثل NIST 800-82 و ISO/IEC 27001) من خلال توفير مجموعة بيانات مهيكلة وقابلة للقراءة آليًا.
المنفعة العملية: تتيح مجموعة البيانات الناتجة للممارسين تحديد الفجوات في تحصين (Hardening) أنظمة Windows وتحديد أولويات التكوينات التي تعالج المتطلبات الأمنية الأكثر حرجًا.

في الختام، تنجح هذه الورقة في إثبات أن التعلم بنقل المعرفة يمكن أن يتغلب بفعالية على ندرة البيانات في الأمن السيبراني الصناعي، مما يوفر مسارًا قابلاً للتوسع لأتمتة الامتثال لمعيار IEC 62443 في بيئات Windows غير المتجانسة.