Are LLM-Enhanced GNNs Privacy-Safe?

في العصر الرقمي، تُرسم معظم حياتنا عبر الإنترنت كشبكة واسعة من الروابط. فالشبكات الاجتماعية تربط الأصدقاء، وشبكات الاستشهاد تربط الأوراق البحثية، ومواقع التسوق تربط المنتجات بالمراجعات. ولتفسير هذه الشبكات المتشابكة، يستخدم العلماء نوعًا من الذكاء الاصطفعالي يسمى "الشبكة العصبية الرسومية" (Graph Neural Network). تخيل هذا النظام كطالب يتعلم من خلال قراءة كتاب ثم التحدث مع جيرانه؛ فهو يفهم عنصرًا معينًا ليس فقط من خلال وصفه الخاص، بل من خلال الاستماع إلى أوصاف الأشياء المرتبطة به. لسنوات طويلة، اعتمدت هذه الأنظمة على طرق بسيطة وسطحية نوعًا ما لفهم النصوص، حيث كانت تكتفي غالبًا بعدّ عدد المرات التي تظهر فيها الكلمات معًا. ولكن مؤخرًا، ظهرت أداة قوية جديدة: النماذج اللغوية الكبيرة. هذه هي أنظمة الذكاء الاصطناعي المتقدمة القادرة على كتابة المقالات، والإجابة على الأسئلة المعقدة، واستيعاب الفروق الدقيقة العميقة في اللغة البشرية. ومن خلال تغذية هذه الأنظمة الرسومية بهذه النماذج اللغوية المتطورة، ابتكر الباحثون جيلًا جديدًا من الأدوات التي تفهم العالم بعمق ووضوح أكبر بكثير.

ومع ذلك، فإن هذه القفزة في الذكاء تأتي مع تكلفة خفية لم يدرسها إلا القليل. فعندما يستوعب النظام ملفًا شخصيًا لشخص ما أو ملخصًا لورقة بحثية بتفاصيل دقيقة كهذه، فإنه يخاطر أيضًا بالكشف عن الكثير عنه. يتساءل بحث جديد من باحثين في جامعة بكين للاتصالات والبريد سؤالًا حاسمًا: بينما نجعل هذه الأنظمة الرسومية أكثر ذكاءً، هل نجعلها أيضًا أكثر خطورة على الخصوصية؟ وضع الفريق هدفًا لاختبار ما إذا كانت هذه الأنظمة المعززة، والتي يُحتفى بها حاليًا لدقتها، هي في الواقع أكثر عرضة للتجسس الذي يحاول سرقة الأسرار. لم يكتفوا بمجرد التخمين؛ بل بنوا بيئة اختبار صارمة لمعرفة مقدار المعلومات الخاصة التي تتسرب عندما تُستخدم هذه الأدوات القوية.

أنشأ الباحثون إطار تقييم شاملًا، وهو عملية خطوة بخطوة مصممة لمحاكاة تدقيق أمني في العالم الحقيقي. بدأوا بجمع ست مجموعات بيانات مختلفة من الواقع، تتراوح بين منصات التواصل الاجتماعي مثل إنستغرام وريديت، والشبكات الأكاديمية مثل "Cora"، وكتالوجات التجارة الإلكترونية مثل "Ogbn-Products". احتوت هذه المجموعات على ملايين العقد، التي تمثل مستخدمين أو أوراقًا بحثية أو منتجات، ولكل منها وصف نصي خاص بها وشبكة من الروابط مع الآخرين. ثم قام الفريق بتدريب اثنين وأربعين نسخة مختلفة من نماذج "الضحية". دمج كل نموذج نظام تعلم رسومي قياسي مع واحدة من عدة طرق لاستخدام النماذج اللغوية الكبيرة لفهم النص. طلبت بعض الطرق من النموذج اللغوي كتابة شرح قصير للنص، بينما طلبت طرق أخرى منه تحويل النص مباشرة إلى ملخص رياضي. ومن خلال اختبار هذا العدد الكبير من التوليفات، ضمن الباحثون أن تظل نتائجهم صالحة في كامل هذا المجال، وليس لمجرد إعداد محدد واحد.

بمجرد تدريب النماذج، أطلق الباحثون سلسلة من الهجمات المحاكية لمعرفة ما يمكن للمهاجم تعلمه. ركزوا على ثلاثة أنواع محددة من السرقة. أولًا، حاولوا معرفة ما إذا كان شخصان مرتبطين، وهو ما يعني رسم الهيكل الخفي للشبكة. ثانيًا، حاولوا تخمين التصنيف الحقيقي لعقدة ما، مثل تحديد التوجه السياسي لمستخدم أو فئة منتج، حتى عندما تكون هذه المعلومات مخفية. ثالثًا، حاولوا تحديد ما إذا كانت قطعة بيانات معينة قد كانت جزءًا من مجموعة التدريب، مما قد يكشف عن مشاركة شخص في دراسة حساسة أو استخدامه لخدمة معينة. لم يُمنح المهاجمون سوى الإجابات النهائية التي أنتجتها النماذج، مما يحاكي سيناريو يكون فيه لدى المخترق عدم قدرة على الوصول إلى الكود الداخلي، بل يمتلك فقط المخرجات العامة.

كانت النتائج واضحة ومثيرة للقلق. فبينما كانت النماذج الجديدة المعززة لغويًا أفضل بكثير في أداء مهامها — حيث حسنت الدقة بفوارق كبيرة في كثير من الأحيان — إلا أنها كانت أيضًا أكثر عرضة لهجمات الخصوصية باستمرار مقارنة بالأنظمة الأقدم والأبسط. وجد البحث أن الميزة التي جعلت هذه النماذج ذكية، وهي قدرتها على التقاط المعنى الدلالي العميق، جعلتها أيضًا تسرب المزيد من المعلومات. فعندما أغنى النموذج اللغوي البيانات بالسياق والفروق الدقيقة، أدى ذلك دون قصد إلى تقوية الإشارات التي يمكن للمهاجم استخدامها. على سبيل المثال، جعل الفهم العميق لملف تعريف المستخدم من السهل تخمين اتصالاته أو اهتماماته الحقيقية. ووجد الباحثون أن هذه الضعف المتزايد لم يكن مجرد خلل بسيط، بل كان نمطًا ثابتًا عبر جميع مجموعات البيانات وتكوينات النماذج المختلفة التي اختبروها. فكلما زاد ثراء المعلومات التي يحملها النموذج، سهل استخراج الأسرار منه.

ولمعرفة ما إذا كان هناك طريق لوقف هذا التسرب، اختبر الفريق استراتيجية دفاع تُعرف باسم "الخصوصية التفاضلية" (Differential Privacy). تعمل هذه التقنية عن طريق إضافة كمية محسوبة من الضجيج العشوائي إلى البيانات أو حسابات النموذج، مما يؤدي فعليًا إلى طمس التفاصيل بما يكفي لإخفاء الأسرار الفردية مع الحفاظ على الصورة العامة مفيدة. طبق الباحثون هذه الطريقة على نماذجهم المعززة ووجدوا أنها نجحت إلى حد ما؛ فقد قللت بنجاح من معدل نجاح هجمات الخصوصية. ومع ذلك، جاءت هذه الحماية بتكلفة باهظة. فالضجيج الذي حمى الخصوصية تسبب أيضًا في تشويه المعلومات المفيدة، مما أدى إلى انخفاض حاد في أداء النموذج. أصبح النظام أقل دقة في مهمته الأساسية، مثل تصنيف العقد بشكل صحيح. يشير هذا التبادل إلى أن مجرد إضافة الضجيج ليس حلاً مثاليًا لهذه الأنظمة المتقدمة؛ فكلما كان النموذج اللغوي أقوى، زادت صعوبة حماية الخصوصية دون تدمير فائدة النموذج.

يخلص البحث إلى أن مجال التعلم الرسومي يواجه تحديًا جوهريًا. إن دمج النماذج اللغوية الكبيرة قد فتح آفاقًا جديدة للأداء، ولكنه فتح أيضًا أبوابًا جديدة لانتهاكات الخصوصية. ويؤكد الباحثون أن الأساليب الحالية لحماية البيانات، والتي صُممت للأنظمة الأبسط، ليست كافية لهذه البنيات الجديدة والأكثر قوة. وتعد هذه النتائج بمثابة تحذير بأنه بينما نبني أنظمة أكثر ذكاءً تفهم عالمنا بتفاصيل أكبر، يجب علينا أيضًا إعادة تصميم كيفية حماية الأفراد داخل تلك الأنظمة. ويتطلب المسار المستقبلي توازنًا دقيقًا، مع الإقرار بأن الذكاء ذاته الذي يجعل هذه الأدوات مفيدة هو أيضًا ما يجعلها محفوفة بالمخاطر، وأن تأمينها سيتطلب ما هو أكثر من مجرد إصلاح الدفاعات القديمة.