خمسة تطورات جديدة في داتابريكس وكيفية تطبيقها Securiti استفادة العملاء
تُعد المخاوف بشأن خطر تسريب البيانات الحساسة حاليًا العائق الأول أمام المؤسسات التي تسعى إلى نشر حلول الذكاء الاصطناعي الآن.
في قمة البيانات والذكاء الاصطناعي لهذا العام، قدمت داتابريكس العديد من القدرات التي، مع القدرات المتكاملة لـ Securiti تُعالج هذه المشكلة من خلال مساعدة أكبر الشركات في العالم على تبسيط استيعاب البيانات غير المهيكلة وتسريع نشر تطبيقات الذكاء الاصطناعي التي تعتمد على الأذونات. يمكن للمؤسسات تحقيق ذلك باستخدام Gencore Sync من Securiti للعثور على البيانات غير المهيكلة عبر مئات الأنظمة، والتعمق في هذه المصادر غير المهيكلة على مستوى العناصر، وإخفاء جميع البيانات الحساسة وتنظيفها، ثم مزامنتها مباشرةً مع جداول Delta. ونتيجةً لذلك، يمكن لمستخدمي Databricks الحصول على رؤى سياقية شاملة عبر البيئات، بما في ذلك الوصول والسياسات المطبقة من خلال Unity Catalog.
للشركات التي تستخدم بالفعل Securiti فيما يلي الإعلانات الرئيسية لمنصة DataAI Command Platform التي تخلق إمكانيات جديدة للحفاظ على حدود صارمة للأذونات مع توسيع حالات استخدام الذكاء الاصطناعي.
مشكلتان أساسيتان
تشير التقديرات إلى أن 80-90% من بيانات المؤسسات موجودة بتنسيقات غير منظمة - كالمستندات ورسائل البريد الإلكتروني والعروض التقديمية ومقاطع الفيديو. وعندما تُستخدم هذه البيانات لتغذية تطبيقات الذكاء الاصطناعي، تواجه المؤسسات تحديين أساسيين:
- مع استمرار تدفق البيانات، كيف يمكنك معرفة ما هو مدفون في تلك الملفات لضمان عدم كشف البيانات الحساسة عن غير قصد؟
- كيف تحافظ على نفس ضوابط الوصول الموجودة في الأنظمة المصدرية عندما تنتقل البيانات عبر مسارات الذكاء الاصطناعي؟
تُطبَّق الأساليب التقليدية لتصنيف البيانات غير المهيكلة عادةً بعد استيعاب البيانات، مما يُؤدي إلى مخاطر وتأخير. لا تُناسب الأساليب اليدوية التوسع، وغالبًا ما تعتمد على استراتيجيات أخذ العينات أو البيانات الوصفية فقط، مما يُبقي على عناصر مجهولة في البيانات. على سبيل المثال، قد يقوم فريق تسويق يُعالج تقييمات العملاء، دون علمه، باستيعاب ومعالجة معلومات شخصية حساسة يُمكن أن يُخرجها الذكاء الاصطناعي لاحقًا.
Securiti يعالج هذا الأمر من خلال المسح العميق للبيانات الموجودة عبر البيئات المختلفة وأثناء عملية الإدخال. يوفر هذا تصنيفًا دقيقًا ووضع علامات على جميع البيانات الحساسة ، ليتم مزامنتها باستمرار مع مستودعات بيانات التدريب أو البيانات المرجعية، مما يقلل من زمن الاستجابة والمخاطر.
لنأخذ على سبيل المثال بيانات الموارد البشرية الحساسة - ينبغي أن يكون بإمكان المستخدم الذي لديه صلاحية الوصول إلى الذكاء الاصطناعي الاستعلام عن الملفات المتعلقة بسياسات الشركة وبرامجها، ولكن لا ينبغي أن يكون بإمكانه الحصول على معلومات حول رواتب الموظفين إلا إذا كان مخولاً تحديدًا بالاطلاع على الملفات التي تحتوي على تلك المعلومات. وللأسف، لا تستطيع معظم الأنظمة تطبيق هذا الأمر بشكل متسق.
Securiti يعالج هذا الأمر باستخراج أذونات الملفات من الأنظمة المصدرية، وحفظها لتطبيقها على كامل مسار المعالجة. عند تنظيف البيانات غير المهيكلة ومزامنتها مع جداول دلتا، ينتقل مخطط الأذونات معها. تظل تطبيقات الذكاء الاصطناعي المبنية على هذه البيانات "واعية بالأذونات" - فلا يرى المستخدمون إلا المخرجات المستندة إلى البيانات التي كان بإمكانهم الوصول إليها في الأصل.
ما الذي تغير في مؤتمر DAIS 2025
وكلاء بريكس: وكلاء الذكاء الاصطناعي بدون كتابة أكواد
ما الجديد: أطلقت داتابريكس أداة "أجنت بريكس" لبناء وكلاء ذكاء اصطناعي متخصصين في مجالات محددة. تتيح "أجنت بريكس" للمستخدم اختيار قالب وكيل، ووصف المشكلة بلغة طبيعية، ثم ترك الأداة تتولى تصميم الوكيل، واقتراح معايير الأداء، وتجميع البيانات، وضبطه بدقة، وتحسينه لتحقيق التوازن الأمثل بين الأداء والتكلفة. تستفيد "أجنت بريكس" من "داتابريكس ليك هاوس"، بما في ذلك "يونيتي كاتالوج"، لتوفير إدارة فعّالة لوكلاء الذكاء الاصطناعي الجاهزين للاستخدام في بيئات الإنتاج.
أهمية ذلك: تسعى منصة Agent Bricks إلى حل مشكلة "كثرة الخيارات" التي تعيق تطوير أنظمة الوكلاء. من خلال توفير الأتمتة في العديد من الجوانب التقنية لتصميم نظام الوكلاء، تُسهّل Databricks عملية التطوير وتُحوّل تركيز تطوير أنظمة الوكلاء من التفاصيل التقنية إلى معايير العمل.
كيف يكون التعاون بين Securiti و Databricks أفضل؟ Securiti يضمن ذلك أن يعمل الوكلاء فقط مع البيانات التي يحق للمستخدمين الاطلاع عليها. عندما يقوم الوكيل بمعالجة طلب، Securiti يستطيع النظام تطبيق سياق الوصول من البيانات الأساسية. ويمكن تنقيح البيانات الجديدة، أو إخفاء هوية أصحابها، أو إخفاؤها ديناميكيًا، أو تطهيرها بطرق أخرى عند إدخالها لتسريع استخدام الوكلاء ببيانات آمنة بشكل مسؤول.
تطور كتالوج Unity
ما الجديد: يدعم Unity Catalog الآن عناصر تحكم وصول آلية أفضل ويمكنه استيعاب تصنيف بيانات أكثر تفصيلاً مع التحكم في الوصول القائم على السمات (ABAC)، وتصنيف البيانات الآلي الذي يستخدم نماذج اللغة للاستدلال من البيانات الوصفية، وأدوات لدعم الحوكمة الموحدة عبر تنسيقات التخزين.
لماذا هذا مهم: تعمل Databricks على جعل الحوكمة أكثر مرونة وديناميكية مع تعزيز سياق البيانات، وهو أمر بالغ الأهمية للذكاء الاصطناعي الوكيل.
كيف يكون التعاون بين Securiti و Databricks أفضل: بالإضافة إلى البيانات المنظمة، Securiti يتناول هذا البحث التحديات المحددة للبيانات غير المهيكلة، وتحديداً ضرورة إجراء عمليات مسح عميقة لتصنيف البيانات في تلك الملفات على المستوى الأساسي. Securiti يمكن للنظام رسم خرائط لجميع البيانات غير المهيكلة عبر البيئات المختلفة وتصنيفها، وذلك لدعم السياسات وتصنيف البيانات عند إدخالها في جداول البيانات. يوفر هذا النظام تصنيفًا دقيقًا ضروريًا لعناصر التحكم التفصيلية التي يمكن ربطها بنظام التحكم في الوصول القائم على السمات (ABAC) وإدارتها عبر كتالوج Unity.
ليك بيس: طبقة قاعدة البيانات التشغيلية
ما الجديد: يوفر Lakebase معاملات سريعة باستخدام الأنظمة التي تدعمها الشركات بالفعل من خلال توفير الوصول إلى البيانات لتطبيقات الذكاء الاصطناعي مع توافق Postgres والمزامنة في الوقت الفعلي على جداول lakehouse.
أهمية ذلك: يُسهم Lakebase في سد الفجوة بين معالجة المعاملات الفورية (مثل عمليات تمرير بطاقات الائتمان) ومعالجة البيانات التحليلية الفورية (مثل لوحات معلومات تقارير الأعمال)، مما يُحدث احتكاكًا بين جانبي البيانات التشغيلية والتحليلية. يُعد هذا الأمر بالغ الأهمية للذكاء الاصطناعي الوكيل الذي يسعى إلى تقليل الحواجز والوقت الفاصل بين التحليل والتنفيذ، ولكنه يحتاج إلى بيانات تاريخية، ومجموعات ميزات غنية، وسياق حديث لاتخاذ قرارات سليمة وتنفيذ الإجراءات المثلى.
كيف يكون Securiti و Databricks أفضل معًا: يمكن للتطبيقات والوكلاء التشغيليين المبنيين على Lakebase الحفاظ على حدود الأذونات من المصادر الأولية. Securiti يُقدّم هذا النظام رؤى سياقية حول البيانات تُساعد في معالجة التراخي أو عدم توافق الصلاحيات. في الوقت نفسه، تُعاني العديد من أنظمة معالجة المعاملات الفورية (OLTP) من تراكم البيانات الحساسة، بتنسيقات بيانات غير مُهيكلة، ويتم تحميلها إلى أنظمة الذكاء الاصطناعي الإنتاجية في الوقت الفعلي. Securiti يقوم بمزامنة البيانات غير المهيكلة المنقحة مع الجداول التشغيلية، ويتم الحفاظ على سياق الوصول ويمكن تطبيقه لضمان احترام التطبيقات والوكلاء للاستحقاقات الأصلية.
عبقري الذكاء الاصطناعي/ذكاء الأعمال: التحليلات التفاعلية
ما الجديد: يتيح Genie الاستعلام عن البيانات بلغة طبيعية، مع مخرجات قابلة للتفسير بناءً على منطق أعمال مُنسق. أهمية ذلك: يركز Genie على تسهيل ربط مستخدمي الأعمال ببياناتهم. وهذا يُمكّن المطورين من التركيز أكثر على تنظيم مجموعات بيانات جيدة ومنظمة للاستخدام التجاري، بدلاً من التركيز على توقع كل سؤال تجاري محدد قد يطرحه المستخدم.
كيف يُحسّن تكامل Securiti وDatabricks الأداء: ستُعيد الاستعلامات التفاعلية عبر Genie نتائج مُفلترة حسب صلاحيات المستخدم. من خلال المساعدة في تحسين مواءمة الصلاحيات على مستوى النظام والحفاظ على صلاحيات النظام المصدر، Securiti يساعد ذلك على ضمان أن البيانات التي يسترجعها برنامج Genie لمستخدم معين هي بيانات ينبغي أن يكون للمستخدم حق الوصول إليها.
إطار عمل داتابريكس لأمن الذكاء الاصطناعي (DASF) 2.0
ما الجديد: أصدرت شركة Databricks إطار عمل محدثًا يحدد 62 خطرًا عبر 12 مكونًا من مكونات نظام الذكاء الاصطناعي، ويوفر 64 عنصر تحكم لتمكين الحوكمة القائمة على السياق.
أهمية الموضوع: تلعب داتابريكس دورًا محوريًا في بنى البيانات للعديد من أكبر وأهم المؤسسات في العالم. يوفر معيار DASF 2.0 إرشادات تفصيلية ومحددة للمساعدة في تأمين أنظمة الذكاء الاصطناعي.
كيف يكون التعاون بين Securiti و Databricks أفضل؟ Securiti توفر هذه المنصة إمكانية تطبيق معيار DASF 2.0 على مصادر البيانات السحابية أو المحلية. وتلبي إمكانيات اكتشاف البيانات وتنظيفها الآلي العديد من متطلبات هذه الضوابط. كما تُعدّ ميزات تتبع مصدر البيانات، والتحكم في الوصول إليها، وحماية الخصوصية من السمات الأساسية للمنصة. Securiti كما يوفر إطارًا للحوكمة يسمح بإجراء الاختبارات لضمان الامتثال لجميع السياسات وأفضل الممارسات.
ما يعنيه هذا عملياً
بالنسبة للمؤسسات التي تستخدم كلا النظامين الأساسيين، فإن إعلانات DAIS 2025 تخلق فرصًا جديدة:
- حالات استخدام موسعة للذكاء الاصطناعي: يمكن للفرق بناء المزيد من تطبيقات الذكاء الاصطناعي دون القلق بشأن تسريب الصلاحيات. يتم التحكم في الوصول تلقائيًا بناءً على استحقاقات النظام المصدر.
- تطوير أسرع: لا يحتاج المطورون إلى بناء منطق أذونات مخصص لكل تطبيق ذكاء اصطناعي. تتولى البنية التحتية إدارة التحكم في الوصول بشكل متسق.
- الحوكمة المبسطة: بدلاً من إنشاء أنظمة أذونات منفصلة لتطبيقات الذكاء الاصطناعي، تقوم المؤسسات بتوسيع ضوابط الوصول الحالية من خلال مسار الذكاء الاصطناعي.
- تحسين الامتثال: تربط سجلات التدقيق مخرجات الذكاء الاصطناعي مباشرة بالمستندات المصدرية والأذونات، مما يسهل إثبات الامتثال للوائح حماية البيانات .
الخطوات التالية
إذا كنت تستخدم Databricks بالفعل، فإن Securiti يُعزز التكامل استثماراتك الحالية من خلال إتاحة البيانات غير المهيكلة بشكل آمن لتطبيقات الذكاء الاصطناعي مع الحفاظ على حدود الأذونات. إذا كنت تستخدم Securiti فيما يتعلق بحوكمة البيانات، توفر إمكانيات Databricks المحسّنة طرقًا جديدة لبناء تطبيقات الذكاء الاصطناعي على مجموعات البيانات المنقحة والمدركة للأذونات.
بالنسبة للفرق التي تقيّم كلا النظامين الأساسيين، يوفر التكامل أساسًا لبناء تطبيقات الذكاء الاصطناعي التي تحترم سياسات الوصول إلى البيانات الحالية دون الحاجة إلى أنظمة إدارة أذونات منفصلة.
اتصل بشركة داتابريكس أو Securiti سيتواصل معك أحد الممثلين لمناقشة كيفية تطبيق هذه الإمكانيات على متطلباتك الخاصة بحوكمة البيانات والذكاء الاصطناعي.
