Generation of Human Comprehensible Access Control Policies from Audit Logs
تقدم هذه الورقة LANTERN، وهو إطار عمل يسخر النماذج اللغوية الكبيرة لسد الفجوة الدلالية بين سجلات التحكم في الوصول المعقدة والقابلة للتنفيذ آلياً وبين السياسات المكتوبة بلغة طبيعية مفهومة بشرياً، مما يؤدي إلى مواءمة الأذونات التقنية مع قصد أصحاب المصلحة.
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 مدير لمبنى مكاتب ضخم ومزدحم. لديك مجموعة صارمة من القواعد حول من يمكنه دخول أي غرف، ومتى يمكنهم الدخول، وماذا يمكنهم أن يفعلوا بمجرد دخولهم. لقد كتبت هذه القواعد في وثيقة منطقية مثالية منذ سنوات.
لكن، إليك المشكلة: المبنى قد تغير.
مع مرور الوقت، بدأ الموظفون في تبادل المفاتيح، وبدأ حراس الأمن في استثناءات ارتجالية، وتكونت أقسام جديدة. إن السلوك الفعلي للناس داخل المبنى (من يفتح أي أبواب) لم يعد يتطابق مع وثيقتك الأصلية. في الواقع، وثيقتك الأصلية ربما فُقدت أو أصبحت قديمة.
إذا أردت معرفة القواعد الحقيقية لمبناك، فلا يمكنك مجرد سؤال الموظفين؛ فهم لا يعرفون الصورة الكبيرة. بدلاً من ذلك، عليك النظر إلى سجلات كاميرات المراقبة الأمنية. هذه السجلات عبارة عن قائمة فوضوية ضخمة لكل باب فُتح، وكل بطاقة تم تمريرها، وكل مرة حاول فيها شخص ما دخول منطقة محظورة.
المشكلة: الفجوة بين "الروبوت" و"الإنسان"
تقدم الورقة أداة تسمى LANTERN لحل مشكلة محددة:
- السجلات فوضوية: قراءة ملايين المدخلات من كاميرات المراقبة أمر مستحيل على البشر. الأمر يشبه محاولة فهم رواية من خلال قراءة قائمة بكل كلمة كُتبت في مكتبة لمدة عشر سنوات.
- الحل "الروبوتي" صعب للغاية: يمكن للحواسيب تحليل هذه السجلات وإيجاد الأنماط، لكنها تتحدث "لغة الروبوت" (أكواد معقدة ورموز رياضية). إذا عرضت هذه القواعد على مديريك غير التقنيين أو رؤساء الأقسام، فسوف يضيعون تماماً. الأمر يشبه عرض مخطط ميكانيكي على سائق؛ السائق يعرف أن السيارة تعمل، لكنه لا يفهم نظام حقن الوقود.
- الحل "البشري" بطيء للغاية: كتابة القواعد يدوياً بناءً على السجلات تتطلب فريقاً من الخبراء المكلفين لكتابة نصوص برمجية (scripts) مخصصة. هذا الأمر بطيء، ومكلف، وعرضة للأخطاء.
الحل: LANTERN (المترجم و"المهندس المعماري")
أنشأ المؤلفون LANTERN، وهو نظام يعمل كجسر بين البيانات الفوضوية وصناع القرار البشريين. فكر في LANTERN كـ مترجم سحري مكون من خطوتين.
الخطوة 1: "المهندس المعماري للأكواد" (بناء الآلة)
بدلاً من مطالبة إنسان بكتابة برنامج حاسوبي معقد لقراءة السجلات، يستخدم LANTERN ذكاءً اصطناعياً فائق الذكاء (نموذج لغوي كبير - LLM) لكتابة الكود نيابة عنك.
- التشبيه: تخيل أن لديك كومة من قطع "الليغو" بأشكال غريبة. تقول للذكاء الاصطنا_ي: "هذه صورة لقطع الليغو الخاصة بي". يقوم الذكاء الاصطناعي فوراً بكتابة وصفة (سكربت بايثون) حول كيفية فرز وتنظيم تلك القطع تحديداً.
- لماذا هو رائع: لست بحاجة لمعرفة البرمجة. ما عليك سوى رفع ملفات السجلات الفوضوية الخاصة بك، وسيقوم LANTERN ببناء الأداة اللازمة لتنظيفها. إنه يتولى الجزء "الروبوتي" من المهمة.
الخطوة 2: "الحكواتي" (الترجمة إلى لغة البشر)
بمجرد أن يجد الكمبيوتر القواعد (على سبيل المثال: "إذا كان المستخدم في قسم المالية وَ الوقت هو 9 صباحاً وَ المورد هو 'Budget.xlsx'، إذن اسمح بالدخول")، سيبدو الأمر كأنه طلاسم بالنسبة للإنسان.
- التشبيه: هنا يأتي دور الجزء الثاني من LANTERN. يأخذ تلك القاعدة التقنية الجافة ويعيد كتابتها كمذكرة مهنية واضحة لمديرك.
- النتيجة: بدلاً من رؤية أكواد برمجية، يقرأ مديرك: "يمكن لفريق المالية لدينا الوصول إلى جداول الميزانية خلال ساعات الصباح لضمان تقديم التقارير في الوقت المحدد."
كيف اختبروه (مخيم التدريب)
لم يكتفِ الباحثون بالتخمين؛ بل بنوا "مخيم تدريب" لاختبار LANTERN.
- أنشأوا سيناريوهات مكتبية وهمية مع آلاف الموظفين وملايين "عمليات فتح الأبواب".
- اختبروا ما إذا كان بإمكان LANTERN استنتاج القواعد من السجلات. وقد فعل ذلك.
- اختبروا ما إذا كان بإمكان LANTERN شرح تلك القواعد للبشر. وقد فعل ذلك أيضاً.
- قارنوا LANTERN بطرق أخرى:
- الطريقة (أ) (الذكاء الاصطناعي فقط): حاولت جعل الذكاء الاصطنا_ي يقرأ السجل بالكامل دفعة واحدة. فقد غلبه الأمر وارتبك، مثل طالب يحاول قراءة موسوعة كاملة في جلسة واحدة.
- الطريقة (ب) (الرياضيات فقط): استخدمت الرياضيات التقليدية لإيجاد القواعد ولكنها لم تستطع شرحها.
- الطريقة (ج) (LANTERN): استخدمت الذكاء الاصطنا_ي لبناء الأداة الرياضية، ثم استخدمت الذكاء الاصطنا_ي لشرح النتائج. كانت هذه هي الطريقة الفائزة. لقد كانت سريعة، دقيقة، وفهم البشر المخرجات بالفعل.
لماذا هذا مهم؟
في العالم الحقيقي، غالباً ما تعاني الشركات مما يسمى بـ "انحراف السياسة" (Policy Drift). وهذا يعني أن القواعد المكتوبة على الورق تختلف عما يحدث فعلياً. وهذا أمر خطير لأن:
- المخاطر الأمنية: قد يكون لدى الأشخاص صلاحية الوصول إلى أشياء لا ينبغي لهم الوصول إليها، ولا أحد يعلم ذلك.
- كوابيس الامتثال: إذا سأل المدققون: "من يمكنه رؤية هذه البيانات؟"، فقد لا تملك الشركة إجابة واضحة.
يعالج LANTERN هذه المشكلة عبر تحويل "الحقيقة الأرضية" (ما حدث بالفعل في السجلات) إلى وثيقة سياسة واضحة يمكن للبشر قراءتها. إنه يحول كومة فوضوية من البيانات إلى مجموعة واضحة من التعليمات التي يمكن للمديرين الموافقة عليها، وفهمها، والثقة بها.
الخلاصة
LANTERN هو أداة تقول لك: "لا تقلق بشأن سجلات الكمبيوتر الفوضوية أو الأكواد المعقدة. ارفع بياناتك، وسنعطيك شرحاً واضحاً بلغة بسيطة حول من يُسمح له بفعل ماذا في مؤسستك."
إنه يشبه وجود مترجم يتحدث كل من "لغة الكمبيوتر" و"لغة الأعمال البشرية"، مما يضمن أن قواعد الأمن في مؤسستك مفهومة أخيراً من قبل الجميع، وليس فقط لخبراء التكنولوجيا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.