💻 computer science

SplitAgent: A Privacy-Preserving Distributed Architecture for Enterprise-Cloud Agent Collaboration

يقدم SplitAgent بنية موزعة مبتكرة تتيح التعاون الحفاظ على الخصوصية بين وكلاء الذكاء الاصطناعي في المؤسسات والسحابة من خلال استخدام التطهير الديناميكي المدرك للسياق، والخصوصية التفاضلية، والتحقق من المعرفة الصفرية لتحقيق دقة عالية في المهام مع تقليل تسرب البيانات بشكل كبير مقارنة بالنهج الثابتة.

المؤلفون الأصليون: Jianshu She

نُشر 2026-03-10

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Jianshu She

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 تملك وصفة سرية وثمينة للغاية لحساء مشهور عالمياً. تريد توظيف طباخ مشهور وذكي جداً (الذكاء الاصطناوي السحابي - Cloud AI) لمساعدتك في تحسين الوصفة، لكنك مرعوب من فكرة أن ترسل إليه الوصفة الأصلية، خشية أن يسرقها، أو يبيعها، أو يسرب مكوناتك السرية عن طريق الخطأ.

حالياً، يوفر لك عالم التكنولوجيا خيارين سيئين:

السحابة "الكل أو لا شيء": ترسل الوصفة كاملة إلى الطباخ. يقدم لك تحسينات مذهلة، لكنه الآن يعرف سرك.
"افعلها بنفسك" محلياً: تحتفظ بالوصفة آمنة في مطبخك وتحاول تحسينها بنفسك باستخدام دفتر ملاحظات صغير ليس بذكاء كافٍ. تبقى الوصفة آمنة، لكن التحسينات تكون متواضة.

SplitAgent هو حل عبقري جديد يتيح لك الحصول على أفضل ما في العالمين. فكر فيه كمترجم فائق الذكاء يعمل مباشرة داخل مطبخك.

كيف يعمل SplitAgent: تشبيه "المترجم"

إليك العملية خطوة بخوة باستخدام تشبيه وصفة الحساء:

1. الفريقان

وكيل الخصوصية (مطبخك): هذا روبوت ذكي يعيش داخل مكتبك الآمن. هو يحمل الوصفة السرية الأصلية، ولا يغادر مبناك أبداً.
وكيل الاستنتاج (الطباخ السحابي): هذا هو الذكاء الاصطناعي فائق الذكاء الموجود في السحابة. لقد اطلع على ملايين الوصفات ويعرف كيف يجعل الحساء مذاقه رائعاً، لكن لا يُسمح له برؤية مكوناتك السرية.

2. المترجم السحري "المدرك للسياق"
هذا هو الابتكار الأكبر في الورقة البحثية. عادةً، إذا أردت إخفاء سر ما، فإنك تقوم فقط بتغطية الكلمات بماركر أسود (التغطية الثابتة - Static Masking). لكن هذا يجعل الوصفة عديمة الفائدة. إذا غطيت كلمة "ملح"، فلن يعرف الطباخ ما إذا كنت تحتاج إلى "رشة" أم "كوب".

يستخدم SplitAgent مترجماً مدركاً للسياق. إنه يفهم ما الذي تحاول القيام به:

السيناريو أ: تحسين النكهة. إذا طلبت من الطباخ جعل الحساء ألذ، يقول المترجم: "أيها الطباخ، هذه وصفة حساء. السر هو 'زيت الكمأة'، لكن لا تقلق بشأن العلامة التجارية. فقط أخبرنا كيف نوازن بين الملح والفلفل". إنه يخفي العلامة التجارية ولكنه يحافظ على الكمية ونوع المكون لكي يتمكن الطباخ من تقديم نصيحة جيدة.
السيناريو ب: التحقق من السلامة. إذا طلبت من الطباخ التحقق مما إذا كانت الوصفة آمنة للأشخاص الذين يعانون من الحساسية، يقول المترجم: "أيها الطباخ، إليك قائمة المكونات، لكننا استبدلنا 'الفول السوداني' بـ 'مجموعة-مسببات-الحساسية-أ'. يمكنك التحقق من السلامة دون معرفة أننا نستخدم الفول السوداني تحديداً".

يغير المترجم مستوى السرية بناءً على المهمة. الأمر يشبه ارتداء أقنعة مختلفة لوظائف مختلفة: تنكر للحفلة، خوذة لأعمال البناء، ولكن مع الحفاظ دائماً على سلامة وجهك.

3. "ميزانية الخصوصية"
تخيل أن لديك محفظة تحتوي على قدر محدود من "عملات الخصوصية". في كل مرة تسأل فيها الطباخ السحابي سؤالاً، فإنه يكلفك بضع عملات.

إذا طرحت سؤالاً بسيطاً، فإنه يكلف عملة واحدة.
إذا طرحت سؤالاً معقداً، فإنه يكلف 5 عملات.
يراقب نظام SplitAgent محفظتك. إذا بدأت عملاتك في النفاد، فإنه يجعل المترجم تلقائياً أكثر حذراً (يخفي المزيد من التفاصيل) حتى لا تنفد خصوصيتك قبل انتهاء المهمة.

لماذا يعد هذا أمراً هاماً؟

اختبرت الورقة البحثية هذا النظام مع مهام حقيقية مثل مراجعة العقود القانونية، وفحص أكواد الكمبيوتر، وتحليل الأرقام المالية.

الطريقة القديمة (التغطية الثابتة): تشبه وضع صندوق أسود ضخم فوق الوصفة بأكملها. يخمن الطباخ، ويخطئ في 30% من الحالات.
طريقة SplitAgent: يحصل الطباخ على نسخة "منقحة" من الوصفة وهي مثالية للمهمة.
- الدقة: حصل الطباخ على الإجابة الصحيحة بنسبة 83.8% (مقارنة بـ 73% للطريقة القديمة).
- الخصوصية: كانت أسرارك محمية بنسبة 90.1% (مقارنة بـ 79% للطريقة القديمة).

الخلاصة

SplitAgent هو بمثابة وسيط ذكي وآمن. يتيح للشركات استخدام العقول الجبارة للذكاء الاصطناعي السحابي دون تسليم أكثر أسرارهم حساسية. هو لا يقوم فقط بإخفاء البيانات؛ بل يعيد تشكيل البيانات بذكاء بحيث يمكن للذكاء الاصطناعي القيام بعمله، مع ضمان بقاء أسرارك الأصلية مغلقة داخل الخزانة.

إنه يحل المشكلة الأزلية: "كيف أحصل على المساعدة من العالم الخارجي دون السماح لهم بالدخول؟" عبر بناء غرفة عزل ذكية وآمنة تسمح للمعلومات بالخروج، وتُبقي الأسرار في الداخل.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "SplitAgent: بنية موزعة للحفاظ على الخصوصية للتعاون بين وكلاء المؤسسات والسحابة."

1. بيان المشكلة

تواجه عملية الاعتماد السريع للنماذج اللغوية الكبيرة (LLMs) في أتمتة المؤسسات معضلة حرجة تتمثل في "التضارب بين الخصوصية والمنفعة":

الصراع: تكمن القدرات المتطورة للذكاء الاصطناعي في النماذج المستضافة سحابياً والتي تتطلب مشاركة البيانات، بينما يجب على المؤسسات حماية البيانات الحساسة (سجلات العملاء، الملكية الفكرية، البيانات المالية) بسبب الامتثال واللوائح الأمنية.
محدودية الحلول الحالية:
- السحابة الكاملة (Full-Cloud): مشاركة البيانات الخام مع الوكلاء السحابيين تعرض الخصوصية للخطر.
- المحلية الكاملة (Full-Local): تشغيل النماذج محلياً يحد من قدرات الذكاء الاصطناğı بسبب قيود الموارد.
- البروتوكولات الحالية (MCP, A2A): تفترض أطر عمل التواصل بين الوكلاء الحالية وجود ثقة كاملة ومشاركة البيانات بنصوص صريحة، مما يجعلها غير مناسبة لبيئات المؤسسات السرية.
- التطهير الثابت (Static Sanitization): تطبق أساليب إخفاء البيانات الحالية قواعد ثابتة (مثل التعبيرات النمطية/regex) بغض النظر عن سياق المهمة، مما يؤدي إما إلى فقدان مفرط للبيانات (تقليل المنفعة) أو حماية غير كافية للخصوصية.

2. المنهجية: بنية SplitAgent

يقترح المؤلفون SplitAgent، وهي بنية موزعة مبتكرة تفصل بين معالجة البيانات (داخل المؤسسة) والاستدلال (في السحابة) مع تمكين التعاون الآمن.

أ. مكونات النظام

وكيل الخصوصية (على جانب المؤسسة):
- يعمل كحارس للبيانات الحساسة.
- المطهر المدرك للسياق (Context-Aware Sanitizer): يقوم بتطهير البيانات ديناميكياً بناءً على دلالات المهمة (على سبيل المثال، الحفاظ على البنية القانونية في العقود مع إخفاء أسماء الأطراف؛ الحفاظ على بنية الكود البرم {syntax} مع إزالة بيانات الاعتماد).
- محرك RAG المحلي: يقوم بعمليات الاسترجاع والتلخيص محلياً، ويرسل فقط الرؤى المجردة إلى السحابة.
- مدير ميزانية الخصوصية: يتتبع الإنفاق التراكمي للخصوصية باستخدام مبادئ الخصوصية التفاضلية (DP).
- منفذ الأدوات المحلي: يشغل العمليات الحساسة (مثل فحوصات الامتثال) محلياً لتجنب التعرض للسحابة.
وكيل الاستدلال (على جانب السحابة):
- يعمل حصرياً على التجريدات المطهرة.
- يستخدم نماذج لغوية كبيرة قوية للاستدلال عالي المستوى، وتحليل الأنماط، والتخطيط الاستراتيجي دون الوصول إلى بيانات المؤسسة الخام.

ب. الابتكارات الجوهرية

التطهير الديناميكي المدرك للسياق:
- على عكس الإخفاء الثابت، يعد محرك التطهير استراتيجيات الحماية بناءً على نوع المهمة ( $T$ ).
- مثال: بالنسبة لـ مراجعة العقود، فإنه يحافظ على العلاقات بين البنود ولكنه يجرد المبالغ والتواريخ. بالنسبة لـ مراجعة الكود، فإنه يحافظ على أنماط البنية (syntax) ولكنه يزيل الروابط الداخلية وبيانات الاعتماد.
- الخوارزمية: تستخرج الكيانات، وتحدد مستويات الحساسية بالنسبة لميزانية الخصوصية ( $\epsilon$ )، وتطبق التجريد أو الضجيج الخاص بالخصوصية التفاضلية وفقاً لذلك.
بروتوكول SplitAgent:
- يوسع بروتوكولات الوكلاء الحالية بإضافة بدائيات تحافظ على الخصوصية:
  - مشاركة سياق الخصوصية التفاضلية (DP): يضيف ضجيجاً معايراً إلى السياق المشترك.
  - التحقق من الأدوات بمعرفة صفرية (Zero-Knowledge Tool Verification): يسمح للوكلاء السحابيين بالتحقق من نتائج تنفيذ الأدوات دون رؤية البيانات الحساسة الأساسية.
  - إدارة ميزانية الخصوصية: يدير ميزانية خصوصية تراكمية عبر جولات التفاعل المتعددة لمنع التسرب بمرور الوقت.

3. المساهمات الرئيسية

بنية مبتكرة: تصميم ثنائي الطبقات يفصل بين حيازة البيانات (المؤسسة) والقدرة على الاستدلال (السحابة)، مما يتيح تعاوناً آمناً دون نقل البيانات الخام.
التكيف الدلالي: تقديم محرك تطهير يصمم حماية الخصوصية لتناسب دلالات المهمة، مما يعظم المنفعة مع ضمان الخصوصية.
ضمانات خصوصية رسمية: دمج الخصوصية التفاضلية $(\epsilon, \delta)$ وإثباتات المعرفة الصفرية في بروتوكولات التواصل القياسية بين الوكلاء.
التخصيص الذكي للميزانية: نظام ديناميكي لإدارة ميزانيات الخصوصية عبر التفاعلات متعددة الأدوار، موازناً بين الخصوصية طويلة الأمد ومنفعة المهمة الفورية.

4. النتائج التجريبية

قام المؤلفون بتقييم SplitAgent مقابل خطوط الأساس (السحابة الكاملة، المحلية الكاملة، والتقسيم الثابت) عبر ستة سيناريوهات مؤسسية (مراجعة العقود، تدقيق الكود، التحليل المالي، إلخ).

توازن الأداء:
- SplitAgent: حقق دقة مهمة بلغت 83.8% مع حماية خصوصية بنسبة 90.1%.
- التقسيم الثابت (الأساس): حقق 73.2% دقة و79.7% حماية خصوصية فقط.
- السحابة الكاملة: 92.5% دقة ولكن 0% خصوصية.
- المحلية الكاملة: 69.2% دقة ولكن 100% خصوصية.
الإدراك السياقي مقابل الثابت:
- حسن التطهير المدرك للسياق من منفعة المهمة بنسبة 24.1% مقارنة بطرق regex الثابتة و15.2% مقارنة بطرق NER الثابتة.
- قلل تسرب الخصوصية بنسبة 67% مقارنة بالطرق الثابتة.
مقايضة الخصوصية والمنفعة:
- تم العثور على التوازن الأمثل عند ميزانية خصوصية $\epsilon = 0.5$ ، مما حقق 83.4% دقة و94.5% حماية خصوصية.
المقاومة ضد الهجمات:
- قلل SplitAgent من معدلات نجاح الهجمات بشكل كبير:
  - هجمات إعادة البناء (Reconstruction Attacks): تقليل بنسبة 89% مقارنة بعدم وجود دفاع.
  - هجمات الربط (Linkability Attacks): خفض معدل النجاح إلى 6.7% (مقابل 88.7% بدون دفاع).
القابلية للتوسع: أدار النظام بفعالية أكثر من 50 جولة تفاعل مع تخصيص ذكي للميزانية، محققاً معدل إكمال مهمة بنسبة 96%.

5. الأهمية والأثر

التبني المؤسسي العملي: يوفر SplitAgent مساراً قابلاً للتطبيق للمؤسسات للاستفيد من قدرات الذكاء الاصطناعي السحابية القوية دون المساس ببياناتها الحساسة، مما يحل مشكلة "الخيار الثنائي" التي تواجهها الأطر الحالية.
تطور البروتوكولات: يوضح كيف يمكن توسيع بروتوكولات الوكلاء الحالية (مثل MCP) ببدائيات الخصوصية التشفيرية والإحصائية دون كسر التوافق.
أمن متوازن: من خلال الانتقة من الإخفاء الثابت إلى التطهير المدرك دلالياً، يثبت النظام أن المنفعة العالية والخصوصية العالية ليسا هدفين متنافيين في تعاون وكلاء الذكاء الاصطناعي.
أساس مستقبلي: تضع هذه البنية الأساس لتعاون آمن بين المؤسسات المتعددة ودمج التقنيات المتقدمة مثل التشفير المتماثل (Homomorphic Encryption) في النسخ المستقبلية.

في الختام، يمثل SplitAgent خطوة مهمة نحو نشر آمن للذكاء الاصطناعي، حيث يقدم إطاراً قوياً يتيح للمؤسسات استخدام الذكاء السحابي مع الحفاظ على سيطرة صارمة على بياناتها السرية.