🤖 AI

PlanTwin: Privacy-Preserving Planning Abstractions for Cloud-Assisted LLM Agents

إنّ PlanTwin هو بنية وسيطة تحافظ على الخصوصية، تُمكّن وكلاء النماذج اللغوية الكبيرة (LLMs) المساعدين سحابياً من التخطيط بفعالية عبر البيئات المحلية الخاصة، وذلك عن طريق إسقاط السياق الخام في توأم رقمي مُطهر ومقيد بمخطط هيكلي، مما يحقق عدم الإفصاح الكامل عن العناصر الحساسة مع الحفاظ على كفاءة تخطيط عالية.

المؤلفون الأصليون: Guangsheng Yu, Qin Wang, Rui Lang, Shuai Su, Xu Wang

نُشر 2026-03-20

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Guangsheng Yu, Qin Wang, Rui Lang, Shuai Su, Xu Wang

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 أن لديك مهندساً معمارياً عبقرياً وعليم بكل شيء، يعيش في برج بعيد عالي التقنية (الـ Cloud AI أو الذكاء الاصطناوي السحابي). أنت تريد من هذا المهندس أن يساعدك في تجديد منزلك (جهاز الكمبيوتر الخاص بك - Local Computer). إنه بارع في رسم المخططات، وتحديد الجدران التي يجب هدمها، والتخطيط لتمديدات الكهرباء.

ومع ذلك، هناك مشكلة: منزلك مليء بـ الأسرار الخاصة. لديك مذكراتك، وكشوف حساباتك البنكية، وكلمات مرورك، وصور عائلتك مبعثرة في كل مكان. لا تريد تسليم مفاتيح المنزل بأكمله للمهندس، لأنه قد يقرأ مذكراتك بالخطى أو يسرب أسرارك.

في الوقت الحالي، تعمل معظم الأنظمة بهذا الشكل: أنت تعطي المهندس بثاً مباشلاً للفيديو لمنزلك بالكامل. يمكنه رؤية كل شيء. يمكنه وضع خطة رائعة، لكنه يرى أيضاً أسرارك. إذا حاولت طمس الفيديو (مثل PII Redaction أو حجب المعلومات الشخصية)، فقد يستنتج المهندس ما خلف التعتيم، أو قد تفوته تفاصيل مهمة مطلوبة للتخطيط.

PlanTwin هي طريقة جديدة لحل هذه المشكلة. إليك كيف تعمل، باستخدام تشبيهات بسيطة:

1. "التوأم الرقمي" (المخطط، وليس المنزل)

بدلاً من إرسال فيديو لمنزلك الفوضوي المليء بالأسرار إلى المهندس، يقوم PlanTwin ببناء نموذج ثلاثي الأبعاد مجرد ونظيف لمنزلك.

ما يحتفظ به: يخبر المهندس: "هناك مطبخ هنا، وهو متصل بغرفة المعيشة، والحمل الكهربائي مرتفع". إنه يحتفظ بـ الهيكل والعلاقات اللازمة للتخطيط.
ما يزيله: يقوم بإزالة التفاصيل. هو لا يقول "هناك صورة لكلبك المسمى 'Buddy' على الثلاجة"، بل يقول فقط "هناك إطار صورة". ولا يقول "الخزنة تحتوي على الرمز '1234'"، بل يقول فقط "هناك حاوية آمنة".

يعمل المهندس (Cloud AI) فقط على هذا النموذج النظيف. هو لا يرى ملفاتك الحقيقية، أو كلمات مرورك، أو بياناتك الخاصة أبداً.

2. "الحارس" (الخادم الصارم)

لديك خادم صارم جداً (Local Gatekeeper أو الحارس المحلي) يقف بينك وبين المهندس.

الطلب: ينظر المهندس إلى النموذج ثلاثي الأبعاد ويقول: "أعتقد أنه يجب علينا تحريك الجدار بين المطبخ وغرفة المعيشة".
التحقق: يتحقق الخادم من هذا الطلب مقابل قواعدك: "حسناً، هل تحريك هذا الجدار مسموح به؟ نعم. هل يتطلب فتح خزنة؟ لا. هل هو آمن؟".
الإجراء: يدخل الخادم إلى المنزل الحقيقي، ويحرك الجدار، ويتأكد من النتيجة.
التقرير: يعود الخادم ليخبر المهندس: "تم تحريك الجدار. الغرفة تبدو أكبر". الخادم لا يسمح أبداً للمهندس برؤية الجدار الفعلي أو الغبار الناتج عن تحريكه.

3. "ميزانية الخصوصية" (جرة العملات)

هذا هو الجزء الأكثر ذكاءً. تخيل أن لديك جرة من العملات المعدنية لكل غرض في منزلك (كل ملف، وكل مجلد).

في كل مرة يطرح فيها المهندس سؤالاً يكشف جزءاً ضئيلاً من المعلومات (مثلاً: "هل الملف كبير أم صغير؟")، فإنه يكلف عملة واحدة.
إذا طرح المهندس الكثير من الأسئلة حول نفس الملف، ستنفد العملات من الجرة.
بمجرد فراغ الجرة، يقول الخادم: "لا مزيد من الأسئلة حول هذا الملف".
هذا يمنع المهندس من تجميع أسرارك ببطء عبر طرح مئات الأسئلة الصغيرة غير الضارة بمرور الوقت.

لماذا يعد هذا أمراً بالغ الأهمية؟

الطريقة القديمة (السياق الخام - Raw Context): تعطي المهندس المنزل بأكمله. خطط رائعة، ولكن مخاطر الخصوصية عالية جداً.
الطريقة القديمة (التعتيم - Redaction): تحاول حجب الأسرار في بث الفيديو. يصاب المهندس بالارتباك، ويفقد التفاصيل، وأحياناً النص المحجوب لا يزال يعطي تلميحات.
PlanTwin: أنت تعطي المهندس خريطة. الخريطة تظهر التخطيط بشكل مثالي بحيث يمكنه تصميم عملية التجديد، لكن الخريطة لا تحتوي على أسماء، ولا صور، ولا أسرار.

النتائج

اختبر الباحثون هذا النظام على 60 مهمة مختلفة (مثل إصلاح الكود البرمجي، تنظيم الملفات، أو تصحيح الأخطاء).

الخصوصية: حققوا خصوصية بنسبة 100%. لم تغادر أي أسرار (كلمات مرور، مفاتيح، معلومات شخصية) جهاز الكمبيوتر المحلي.
الجودة: كانت الخطط التي وضعها الـ Cloud AI جيدة تقريباً كما لو كان قد رأى المنزل بأكمله. كانت "درجة الجودة" عالية جداً (حوالي 80%+‎)، مما يثبت أنك لست بحاجة للتضحية بالذكاء من أجل الحفاظ على أسرارك بأمان.

باختة القول: يتيح لك PlanTwin استئجار مهندس معماري عبقري لتخطيط حياتك أو عملك دون السماع أبداً بدخوله إلى منزلك الخاص. هم يعملون على خريطة منقحة، بينما يضمن حارس محلي صارم عدم تسرب أي شيء خاص للخارج.

إليك ملخص تقني مفصل لورقة البحث بعنوان "PlanTwin: تجريدات التخطيط الحافظة للخصوصية للوكلاء المدعومين سحابياً".

1. بيان المشكلة

أصبحت النماذج اللغوية الكبيرة (LLMs) المستضافة في السحابة هي المخطط الفعلي للأنظمة الوكيلية (Agentic Systems)، حيث تقوم بتنسيق الأدوات وتوجيه التنفيذ عبر البيئات المحلية. ومع ذلك، توجد فجوة خصوصية حرجة:

التحدي: في العديد من عمليات النشر، تحتوي البيئة المحلية على بيانات حساسة (كود مصدري، بيانات اعتماد، سجلات، معلومات تحديد الهوية الشخصية PII) لا يمكن كشفها.
محدودية الحلول الحالية:
- العزل (Sandboxing)/التحكم في الوصول: أنظمة مثل Claude Code أو OpenAI Codex تعزل التنفيذ (ما يمكن للوكيل فعله) ولكنها لا تقيد الملاحظة (ما يراه المخطط السحابي). ضمن النطاق المسموح به، لا تزال السياقات الخام تُرسل.
- حجب معلومات تحديد الهوية الشخصية (PII Redaction): إخفاء الرموز القائم على التعبيرات النمطية (Regex) يزيل الرموز الواضحة ولكنه يفشل في رصد الأسرار الخاصة بالمجالات، أو البيانات الوصفية الهيكلية، أو التسرب التراكمي عبر جولات متعددة.
- الاستدلال المحلي فقط: تشغيل النماذج محلياً يحافظ على الخصوصية ولكنه يضحي بقدرات التخطيط الفائقة للنماذج السحابية الرائدة.
- بيئات التنفيذ الموثوقة (TEEs): هذه البيئات تحمي البيانات أثناء الحوسبة، لكنها لا تعالج السؤال الدلالي حول مقدار المعلومات التي يحتاجها المخطط للملاحظة لإنشاء خطة مفيدة.

السؤال الجوهري: كيف يمكن لوكيل محلي الاستفيد من ذكاء التخطيط بمقياس السحابة دون الكشف عن الحالة الخام الأساسية للبيئة المحلية؟

2. المنهجية: بنية PlanTwin

تقدم PlanTwin بنية تحتية حافظة للخصوصية حيث يتم إسقاط البيئة المحلية في توأم رقمي موجه للتخطيط. يعمل المخطط السحابي حصرياً على هذا التجريد المنقى، بينما تظل جميع عمليات الوصول إلى البيانات الخام، والتنفيذ، وفرض السياسات محلية.

أ. نظرة عامة على النظام

يتبع النظام بنية مجزأة:

الطبقة المحلية الموثوقة: تحتفظ بالبيئة الخام ( $X_t$ ). وتقوم بعمليات إسقاط الخصوصية، وفرض السياسات، والتنفيذ، وتنقية المخرجات.
المخطط السحابي غير الموثوق: يستقبل فقط التوأم الرقمي المنقى ( $Z_t$ ) وكتالوج قدرات محدود. يقوم بإنشاء خطط تصريحية ولا يرى أبداً الملفات الخام، أو المسارات، أو بيانات الاعتماد.

ب. خط أنابيب إسقاط الخصوصية رباعي المراحل ( $\Pi$ )

يقوم الوكيل المحلي بتحويل البيئة الخام إلى رسم بياني مجرد مقيد بالمخطط عبر أربع مراحل:

الاستخراج النوعي ( $\Pi_{extract}$ ): يستخدم نموذج لغة صغير (SLM) محلي خفيف الوزن وقواعد استدلالية لتحديد أنماط الكائنات (مثل code_file أو log_stream) وإمكانيات المهام دون كشف المحتوى.
حجب الكيانات الحساسة ( $\Pi_{redact}$ ): يزيل أو يحجب المعرفات (الأسماء، رسائل البريد الإلكتروني، مفاتيح API، المسارات، الرموز) بشكل حتمي باستخدام التعبيرات النمطية وقواعد خاصة بالكود.
التعميم والتقسيم ( $\Pi_{generalize}$ ): يستبدل القيم الدقيقة بفئات عامة (على سبيل المثال، حجم الملف $\leftarrow$ {صغير، متوسط، كبير}، الطوابع الزمنية $\leftarrow$ {اليوم، حديث}) .
إسقاط المخطط ( $\Pi_{schema}$ ): يسقط البيانات المعالجة في مخطط JSON ثابت. الناتج هو رسم بياني نوعي حيث تمثل العقد قطعاً مجهولة الهوية وتمثل الحواف العلاقات (التبعيات، التعارضات).

ج. بروتوكول التخطيط القائم على القدرات

بدلاً من الوصول الحر، يتفاعل المخطط السحابي عبر واجهة قدرات محدودة ( $C$ ).

الخطط التصريحية: ينتج المخطط رسماً بيانياً للإجراءات مهيكلاً (مثل security_audit(artifact_1)) وليس كوداً خاماً أو مسارات ملفات.
مقايضة الدقة: يحدد النظام مقايضة الخصوصية والمنفعة كمسألة دقة القدرات. يجب أن تكون القدرات دقيقة بما يكفي للتخطيط الفعال، ولكن عامة بما يكفي لمنع تسرب المعلومات.

د. فرض السياسة المحلية وميزانية الإفصاح

يتوسط حارس بوابة محلي (Local Gatekeeper) كل تفاعل:

التحقق من الصحة: يتحقق مما إذا كانت القدرة المطلت مسموحة للكائنات المشار إليها.
ميزانية الإفصاح التراكمي: يتتبع إجمالي المعلومات التي يتم الكشف عنها لكل كائن عبر جولات متعددة ( $B(o)$ ).
الآلية: لكل حقل في المخطط "وزن" ( $w_f$ ) بناءً على خطر إعادة تحديد الهوية. يقوم الحارس بحظر الطلبات التي قد تتجاوز عتبة معينة ( $\tau(o)$ )، مما يضمن تحقيق مجهولية $(k, \delta)$ وعدم القدرة على الربط $\epsilon$ .

3. المساهمات الرئيسية

صياغة النظام: وضع التخطيط بمساعدة السحابة دون التعرض للسياق الخام كمسألة أنظمة متميزة، مع فصل التحكم في الخصوصية وقت التخطيط عن التحكم في الوصول وقت التنفيذ.
الإسقاط الحافظ للخصوصية: يقترح خط أنابيب رباعي المراحل يحول البيئات الخام إلى رسم بياني مجرد منقى ومقيد بالمخطط، مما يضمن عدم استلام السحابة أبداً لأي سياق خام حر.
أهداف الخصوصية الرسمية: يعرّف الخصوصية وقت التخطيط باستخدام مجهولية $(k, \delta)$ (مقاومة إعادة تحديد الهوية) وعدم القدرة على الربط $\epsilon$ (مقاومة الربط عبر الجلسات)، والتي يتم الحد منها عبر ميزانيات الإفصاح متعددة الجولات.
التنفيذ والتقييم: تنفيذ PlanTwin كوسيط وتقييمه عبر 60 مهمة في 10 مجالات باستخدام أربعة مخططات سحابية مختلفة.

4. النتائج التجريبية

قارن التقييم بين PlanTwin وكل من: السياق الخام (بدون خصوصية)، حجب PII، النماذج المحلية فقط، و الأوراكل الاستدلالي (Heuristic Oracle).

عدم الكشف عن العناصر الحساسة (SND):
- PlanTwin: حقق 1.0 (100%) في SND عبر جميع المخططات والمجالات. لم تصل أي عناصر حساسة خام (مفاتيح API، PII، أسرار) إلى السحابة.
- حجب PII: حقق 0.835 فقط في SND، مما أدى لتسريب 16.5% من العناصر الحساسة (خاصة في مهام البرمجة حيث تفشل التعبيرات النمطية).
- النماذج المحلية فقط: حققت 1.0 في SND ولكنها عانت من ضعف جودة التخطيط.
درجة جودة التخطيط (PQS):
- PlanTwin: حافظ على جودة تخطيط عالية، حيث كانت PQS > 0.79 لثلاثة من أربعة مخططات سحابية (Kimi, GLM 5, MiniMax).
- المقارنة: كانت PQS الخاصة بـ PlanTwin غير متميزة إحصائياً عن خط الأساس "السياق الخام" للنماذج رفيعة المستوى، رغم إزالة كل المحتوى الخام.
- خسارة المنفعة: تكبد خط الأنابيب الكامل خسارة في المنفعة بنسبة أقل من 2.2% مقارنة بأنظمة السياق الكامل.
مقايضة الخصوصية والمنفعة:
- PlanTwin هو الطريقة الوحيدة التي تشغل الربع "المثالي" الذي يجمع بين الخصوصية العالية (SND=1.0) والمنفعة العالية (PQS > 0.7).
- خطر إعادة تحديد الهوية: بدون التحكم في الميزانية، يمكن لخصم إعادة تحديد هوية الملفات بدقة 94.1% باستخدام مخطط التوأم. نجحت آلية ميزانية الإفصاح في الحد من ذلك بفعالية.
العبء الإضافي (Overhead):
- يهيمن زمن استخراج SLM المحلي (13–34 ثانية) ووقت واجهة برمجة التطبيقات السحابية على إجمالي زمن التأخير. يضيف خط أنابيب الإسقاط الحتمي عبئاً ضئيلاً جداً (<1 مللي ثانية).

5. الأهمية والآثار المترتبة

تحول في النموذج الفكري: يثبت PlanTwin أن التخطيط السحابي القوي لا يتطلب التعرض للسياق الخام. فهو يفصل قدرة الاستدلال للسحابة عن حساسية البيانات للبيئة المحلية.
الخصوصية الهيكلية: يتجاوز الأمر مجرد حجب الرموز إلى نهج هيكلي حيث تكون "الواجهة" نفسها حافظة للخصوصية. السحابة تخطط فوق سطح تحكم مجرد بدلاً من نسخة مضغوطة من الواقع.
القابلية للتوسع: النهج مستقل عن المخطط ويعمل مع مختلف النماذج الرائدة. إنه يوفر مساراً قابلاً للتطبيق لنشر وكلاء ذكاء اصطناعي عالي القدرة وآمن في بيئات المؤسسات والبيئات الحساسة (مثل الرعاية الصحية، التمويل، أو قواعد الأكواد المملوكة).
الاتجاهات المستقبلية: تقترح الورقة توسيع ذلك ليشمل بناء "صندوق رمل" (Sandbox) في جانب السحابة، حيث تولد السحابة بيئات اصطناعية بناءً على التوأم لزيادة عزل التنفيذ، بشرما تلتزم عملية التوليد الاصطناعية بنفس ميزانيات الإفصاح.

باختصار، يوفر PlanTwin إطاراً قوياً للأنظمة الوكيلية الحافظة للخصوصية، ويثبت أنه يمكن تحقيق تخطيط عالي الجودة من خلال التجريدات المهيكلة والحوكمة المحلية الصارمة دون المساس بمنفعة النماذج السحابية القوية.