في العصر الرقمي، اعتدنا على فكرة أن التشفير هو الدرع النهائي لاتصالاتنا. نحن نثق في أنه إذا تم تشفير رسالة أثناء نقلها، فإنها تظل آمنة من الأعين المتطفلة. ومع ذلك، لا تزال هناك فجوة حرجة في هذا المنطق: فالتشفير يحمي البيانات، لكنه لا يثبت من الذي يمسك بالجهاز أو ما إذا كان الشخص الموجود على الطرف الآخر هو نفسه الفرد الذي بدأ المحادثة. في البيئات عالية المخاطر مثل الجراحة عن بُعد، أو التحكم الصناعي، أو الحضور الرقمي الآمن، لا يكفي معرفة أن الاتصال مشفر؛ بل يجب أيضاً التأكد من أن الإنسان المصرح له موجود بالفعل، وأن الجهاز لم يتم استبداله بآخر مزيف ومخادع. يتطلب هذا التحدي نظاماً يمكنه التحقق المستمر من الهوية، ليس فقط عند لحظة تسجيل الدخول، بل طوال مدة الجلسة بأكملها، حتى مع تغير الإضاءة، أو دوران الوجوه، أو معاناة الكاميرات من ضعف الرؤية.

اقترح باحثون في معهد SRM للعلوم والتكنولوجيا في الهند بنية جديدة مصممة لحل هذه المشكلة لـ "حافة" الإنترنت (the edge)—وهي شبكة الكاميرات الذكية، والروبوتات، والأجهزة المحمولة التي تعمل بقدرات حوسبة محدودة. يقدم عملهم، بعنوان "الاتصال الواعي بالهوية والمقاوم للحوسبة الكمومية لإنترنت الأشياء الطرفي"، نظاماً يبتعد عن إرسال تدفقات الفيديو الخام، التي تكون ثقيلة وعرضة للاختراق، وبدلاً من ذلك يرسل ملخصات رياضية مقتضبة لوجه الشخص. هذه الملخصات، المعروفة باسم "التمثيلات المتجهة" (embeddings)، يتم إنتاجها بواسطة نموذج ذكاء بصري قوي يسمى DINOv2، والذي تم تدريبه مسبقاً على التعرف على الأنماط دون الحاجة إلى تعليمه وجوهاً محددة. يستخدم النظام بعد ذلك طريقتين متخصصتين للتحقق من الهوية: شبكة سيامية (Siamese network)، تعمل كحارس بوابة صارم يقارن بين ملاحظتين ليرى ما إذا كانتا متطابقتين، وشبكة عصبية رسومية (Graph Neural Network)، والتي تنظر إلى تسلسل الملاحظات بمرور الوقت لضمان بقاء هوية الشخص ثابتة ومنطقية.

يكمن جوهر هذا البحث في كيفية معالجته للبيانات البصرية. فبدلاً من نقل إطار فيديو كامل، مما يستهلك عرض نطط ترددي كبير ويكشف معلومات بصرية حساسة، يقوم الجهاز بالتقاط إطار واحد، ومعالجته محلياً، واستخراج متجه كمي صغير يمثل هوية الشخص. يتم بعد ذلك إرسال هذا المتجه إلى بوابة طرفية (edge gateway) آمنة. لا تكتفي البوابة بالتحقق مما إذا كان الوجه يطابق صورة مخزنة فحسب؛ بل تستخدم تقييماً مستمراً للثقة. فهي تستخدم الشبكة السيامية للتحقق من أن الوجه الحالي يطابق المستخدم المسجل، وتستخدم الشبكة العصبية الرسومية للاستدلال على العلاقة بين الملاحظة الحالية والملاحظات السابقة في الجلسة. إذا اكتشفت الشبكة الرسومية تحولاً مفاجئاً وغير منطقي—مثل وجه يشبه المستخدم ولكنه يظهر بطريقة تكسر نمط الحركة أو الإضاءة المعتاد—يمكن للنظام رصد خلل ما. يسمح هذا النهج للنظام بالتعامل مع التعقيدات الواقعية مثل دوران رأس الشخص، أو سقوط ظل على وجهه، أو حجب الكاميرا جزئياً، كل ذلك مع الحفاظ على مستوى عالٍ من الأمان.

لضمان جاهزية هذا النظام للمستقبل، دمج الباحثون تشفيراً مقاومًا للحوسبة الكمومية (post-quantum cryptography)، وهو شكل من أشكال التشفير المصمم لمواجهة الهجمات من الحواسيب الكمومية المستقبلية. وهذا يعني أن التواقيع الرقمية والمفاتيح المستخدمة لحماية بيانات الهوية ليست آمنة ضد حواسيب اليوم فحسب، بل هي مهيأة أيضاً لقدرات الحوسبة المتقدمة التي قد توجد في العقود القادمة. تم تصميم المسار بأكمله ليكون خفيفاً بما يكفي للعمل على أجهزة طرفية شائعة. اختبر الفريق نموذجهم الأولي على أجهزة مثل Raspberry Pi 4 وJetson Nano، وهي حواسيب صغيرة وبأسعار معقولة تُستخدم غالباً في الروبوتات والأجهزة الذكية. أظهرت النتائج أن النظام يمكنه استخراج ميزات الهوية من الوجه في 62 ميلي ثانية على Raspberry Pi وفي 28 ميلي ثانية فقط على Jetson Nano. وكانت خطوات التحقق اللاحقة أسرع، حيث استغرقت عملية التحقق السيامي 1.7 ميلي ثانية فقط، بينما استغرق الاستدلال القائم على الرسم البياني ما بين 9 إلى 14 ميلي ثانية.

يمتد كفاءة النظام إلى ما وراء السرعة لتشمل كمية البيانات التي يتم نقلها. فمن خلال إرسال متجه الهوية المقتضب بدلاً من إطار فيديو كامل، حقق الباحثون انخفاضاً في نقل البيانات البصرية بنسبة 94 بالمائة تقريباً. هذا الانخفاض الهائل في عرض النطط الترددي يجعل النظام قابلاً للتطبيق في الشبكات التي تكون فيها البيانات مكلفة أو محدودة. بلغ إجمالي الوقت من التقاط الإطار إلى اتخاذ قرار بشأن السماح باستمرار جلسة الاتصال أقل من 110 ميلي ثانية، وهي سرعة كافية لدعم السيناريوهات التفاعلية مثل الاستشارات الصحية عن بُعد أو التواصل بين المشغل والآلة دون تأخير ملحوظ. تحقق الباحثون من قدرات التعرف البصري باستخدام مجموعتي بيانات شهيرتين، وهما Labeled Faces in the Wild وCelebA، اللتان تحتويان على آلاف الصور بوضعيات وإضاءات وتعبيرات متنوعة. أكدت هذه الاختبارات قدرة النظام على التمييز بين الأفراد المختلفين حتى عندما كانت الصور صعبة، مثل عندما يكون الوجه محجوباً جزئياً أو يُنظر إليه من زاوية غير معتادة.

تستبعد الدراسة صراحةً فكرة أن فحص الإطار الواحد كافٍ للتحقق الموثوق في البيئات الديناميكية. ويرى المؤلفون أن الاعتماد على مجرد لقطة واحدة هو أمر هش للغاية لأنه لا يمكنه مراعاة الاختلافات الطبيعية التي تحدث أثناء محادثة مباشرة. بدلاً من ذلك، أثبتوا أن الجمع بين مشفر بصري مُدرب مسبقاً ومحرك استدلال قائم على الرسوم البيانية يوفر أساساً أكثر استقراراً وموثوقية. لا يتطلب النظام العملية المستهلكة للطاقة والثقيلة لإعادة تدريب النموذج البصري الرئيسي لكل تطبيق جديد؛ بل يبقي المشفر البصري القوي ثابتاً ويقوم فقط بتدريب رؤوس اتخاذ القرار الخفيفة. يسمح هذا الفصل بنشر نفس التكنولوجيا الأساسية عبر أنواع مختلفة من الأجهزة والخدمات، من الفصول الدراية الذكية إلى غرف التحكم الصناعية، دون الحاجة إلى موارد حوسبة ضخمة عند نقطة النهاية.

في خاتمتهم، يؤكد الباحثون أن هذا الإطار ليس حلاً نهائياً ومثالياً، ولكنه خطوة مهمة نحو اتصالات واعية بالهوية وآمنة في عصر الحافة. وأشاروا إلى أنه بينما يثبت نموذجهم الأولي الجدوى والسرعة، فإن العمل المستقبلي سيحتاج إلى معالجة جلسات الفيديو في الوقت الفعلي بالكامل، وهجمات إعادة التشغيل (replay attacks) حيث يقوم المهاجم بتسجيل البيانات القديمة وإعادة إرسالها، وعدالة النظام عبر المجموعات الديموغرافية المختلفة. تقدم الورقة مساراً واضحاً للمضي قدماً: نظام يحمي ليس فقط البيانات، بل أيضاً وجود الإنسان المصرح له، باستخدام مزيج من التعلم البصري المتقدم، والمنطق القائم على الرسوم البيانية، والتشفير المستقبلي. ومن خلال تحويل التركيز من نقل الفيديو الخام إلى رموز الهوية الذكية والمقتضبة، أظهر الباحثون أنه من الممكن الحفاظ على مستوى عالٍ من الأمان والخصوصية حتى على أكثر الأجهزة تقييداً، مما يضمن أن الشخص الموجود على الشاشة هو حقاً من يدعي أنه هو.