DSPM في مجال الذكاء الاصطناعي: توسيع نطاق وضع البيانات ليشمل المطالبات، وخطوط المعالجة، والوكلاء

أهم النقاط

• DSPM لتوسيع نطاق الذكاء الاصطناعي data security posture management إلى أنظمة الذكاء الاصطناعي، بما في ذلك البيانات الحساسة التي يمكن الوصول إليها من خلال مسارات التدريب وسير عمل الوكلاء.
• عادي DSPM يجيب على أسئلة حول مكان وجود البيانات الحساسة ومن يمكنه الوصول إليها. DSPM بالنسبة للذكاء الاصطناعي، يضيف هذا القسم معلومات حول أنظمة الذكاء الاصطناعي التي تصل إلى تلك البيانات وما يحدث بعد ذلك.
• ويشير تقرير شركة IBM لعام 2026 حول تكلفة اختراق البيانات إلى أن متوسط ​​تكلفة الاختراق يبلغ 4.99 مليون دولار أمريكي، وهجمات عكس نموذج الذكاء الاصطناعي تبلغ 6 ملايين دولار أمريكي.
• تنص المادة 10 من قانون الذكاء الاصطناعي للاتحاد الأوروبي على إلزام مقدمي أنظمة الذكاء الاصطناعي عالية المخاطر بإدارة بيانات التدريب والتحقق والاختبار، بما في ذلك مصدرها والغرض الأصلي من جمعها.

DSPM بالنسبة للذكاء الاصطناعي data security posture management يمتد هذا المفهوم ليشمل تطبيقات الذكاء الاصطناعي. فهو يكتشف ويصنف البيانات الحساسة التي يمكن للبرامج الوصول إليها، ويتحكم في كيفية استخدامها. مع ذلك، لا تزال معظم برامج تحديد الوضعية تتوقف عند مخزن البيانات.

تابع القراءة لمعرفة كيف DSPM يختلف الذكاء الاصطناعي عن الأنظمة العادية DSPM ، وكيف يحمي البيانات عبر أنظمة الذكاء الاصطناعي، وكيف يُمكّن من اعتماد الذكاء الاصطناعي بشكل آمن وعلى نطاق واسع.

ما هو DSPM ؟

Data security posture management ( DSPM يُعدّ هذا النهج منهجًا قائمًا على البيانات، يعمل باستمرار على اكتشاف البيانات الحساسة عبر بيئات الحوسبة السحابية الهجينة المتعددة، وبرمجيات SaaS، والبيئات المحلية. كما يوفر رؤىً ثاقبة حول من أو ما يمكنه الوصول إلى هذه البيانات، والمخاطر التي قد تنجم عن ذلك. DSPM يعكس هذا الأسلوب أدوات أمن البيانات التقليدية: فبدلاً من تأمين البنية التحتية المحيطة بالبيانات، فإنه يحمي البيانات نفسها.

يذكر دليل غارتنر لسوق Data Security Posture Management ، الذي نُشر في سبتمبر 2025، أن DSPM توفر الحلول "رؤية أساسية لأصول البيانات، وخاصة البيانات المستخدمة في الذكاء الاصطناعي". ويضيف تقرير GigaOM Radar Data Security Posture Management 2026 إلى التعريف: "يمكنها إنشاء خريطة بيانات وتحليل حركة البيانات وسلسلة نسبها لفهم كيفية تدفق البيانات عبر المؤسسة وأين قد تشكل خطراً".

عملياً، DSPM يجيب على ثلاثة أسئلة بشكل مستمر بدلاً من ربع سنوي: أين توجد البيانات الحساسة، ومن يمكنه الوصول إليها، وما هي المخاطر الأكثر أهمية.

كيف " DSPM يختلف "الذكاء الاصطناعي" عن المعتاد DSPM ؟

DSPM يختلف الذكاء الاصطناعي عن الأنظمة العادية DSPM من حيث النطاق والسرعة وقابلية الانعكاس. منتظم DSPM تم تصميمه لأنظمة البيانات الممتدة مثل تخزين الكائنات وقواعد البيانات والحوسبة السحابية والبرمجيات كخدمة ومشاركة الملفات. DSPM يغطي هذا القسم البيانات في مسارات الذكاء الاصطناعي: المطالبات، ومؤشرات التوليد المعزز بالاسترجاع (RAG)، ومجموعات البيانات الدقيقة، وإجراءات الوكيل، والمخرجات المولدة.

يبدأ الأمر بتغيير نطاق النظام. فنظام الذكاء الاصطناعي ليس مخزن بيانات، ومع ذلك فهو يمتد عبر العديد من المخازن، لذا يجب تقييم الوضع الأمني ​​لكل نظام ذكاء اصطناعي على حدة، وليس فقط لكل مخزن بيانات. على سبيل المثال، يمكن للمحلل لصق جدول بيانات خاضع للرقابة في مساعد الدردشة في ثوانٍ، مما يخلق ثغرة أمنية لا يمكن لأي فحص مُجدول رصدها.

تنطوي إمكانية التراجع على أكبر قدر من المخاطر. فبمجرد دمج البيانات الحساسة في النماذج أو فهرستها لاسترجاعها، لا يمكن حذفها في مكانها، مما يجعل إعادة التدريب أو إعادة الفهرسة الحل الوحيد. في الواقع، يشير تقرير IBM لعام 2026 حول تكلفة اختراق البيانات إلى أن متوسط ​​تكلفة هجوم عكس نموذج الذكاء الاصطناعي يبلغ 6 ملايين دولار أمريكي.

ومع ذلك، فإن الفرق الذي يشعر به المشترون واضح. إذ تسأل الهيئات التنظيمية والمجالس الآن عن مجموعات البيانات الحساسة التي تعامل معها نظام الذكاء الاصطناعي المحدد، ولا يمكن لجرد البيانات على مستوى المستودع الإجابة على ذلك.

DSPM فيما يخص قدرات الذكاء الاصطناعي

DSPM يتطلب الذكاء الاصطناعي خمس قدرات تتجاوز القدرات العادية DSPM الأساس، كل منها موجه نحو طبقة الذكاء الاصطناعي بدلاً من طبقة التخزين.

• اكتشاف أنظمة الذكاء الاصطناعي والوكلاء: تقوم المنصة بجرد أنظمة الذكاء الاصطناعي المعتمدة وغير المعتمدة، بما في ذلك مساعدي الطيارين والتطبيقات المخصصة والنماذج والوكلاء، بحيث يمكن قياس الوضع مقابل قائمة كاملة.
• التصنيف المُراعي للسياق: يجب أن يُحدد التصنيف ما إذا كانت البيانات حساسة فقط أم غير مناسبة للاستخدام في الذكاء الاصطناعي. اسم العميل في بيان صحفي، والاسم نفسه بجانب تشخيص طبي، كلاهما بيانات شخصية؛ أحدهما فقط يُناسب مجموعة بيانات التدريب.
• رسم خرائط نسب البيانات إلى الذكاء الاصطناعي: يسجل هذا الحل مجموعات البيانات التي تغذي كل مسار من مسارات المعالجة والفهارس والنماذج. على سبيل المثال، تنص المادة 10 من قانون الذكاء الاصطناعي للاتحاد الأوروبي على إلزام مزودي أنظمة الذكاء الاصطناعي عالية المخاطر بإدارة مجموعات بيانات التدريب والتحقق والاختبار، بما في ذلك عمليات جمعها ومصدرها والغرض الأصلي من جمعها. يُعدّ رسم خرائط النسب الدليل الذي يتطلبه الالتزام، وليس وثيقة السياسة.
• الوصول إلى المعلومات الاستخباراتية لهويات الذكاء الاصطناعي: يرث مساعدو الطيارين والوكلاء استحقاقات الحسابات التي يمثلونها. DSPM توفر تقنيات الذكاء الاصطناعي رؤى حول تلك الحقوق وتساعد الفرق على إدارتها من خلال السياسات.

كيف DSPM هل يمكن حماية البيانات باستخدام الذكاء الاصطناعي؟

DSPM يحمي هذا النظام البيانات في بيئات الذكاء الاصطناعي من خلال جعل طبقة الذكاء الاصطناعي قابلة للقياس قبل الكشف عنها، ثم تطبيق الضوابط عند نقطة الاستخدام. وتتألف هذه العملية من ست خطوات: اكتشاف أنظمة الذكاء الاصطناعي، وتصنيف البيانات التي تصل إليها، وتحديد مسارها، وأتمتة عمليات معالجة المخاطر.

تُحدد الدقة مدى صحة هذا التسلسل. تتعرف التعابير النمطية على شكل السلسلة النصية، لا على معناها؛ فقد يكون الرقم "436" هوية موظف أو الأرقام الأخيرة لبطاقة دفع. تقرأ نماذج التصنيف الواعية بالسياق المستند المحيط، مما يسمح للفرق بتحديد أولويات المعالجة بناءً على الأهمية بدلاً من حجم التنبيهات.

بشكل عام، DSPM لا يُعدّ الذكاء الاصطناعي وحدة اختيارية، بل هو بمثابة لوحة التحكم لكل نظام ذكاء اصطناعي تُشغّله المؤسسة. وهنا تبرز أهمية طبقة أمان موحدة للبيانات والذكاء الاصطناعي، تربط البيانات الحساسة وأنظمة الذكاء الاصطناعي وإمكانية الوصول إليها.

كيف Securiti يقوم بالتوصيل DSPM للذكاء الاصطناعي

Securiti تُسدّ شركة تابعة لـ Veeam، فجوة طبقة الذكاء الاصطناعي الموضحة في هذه المدونة من خلال منصة DataAI Command Platform™، المدعومة بتقنية Data Command Graph™. تكتشف المنصة أنظمة الذكاء الاصطناعي المصرح بها وغير المصرح بها عبر بيئات الحوسبة السحابية الهجينة المتعددة. وتصنف البيانات الحساسة من مصادر منظمة وغير منظمة باستخدام تصنيف قائم على الذكاء الاصطناعي ومراعي للسياق، بدلاً من الاعتماد على مطابقة الأنماط فقط. تحافظ ضوابط أمن وحوكمة الذكاء الاصطناعي على سجلات الجرد وسلسلة النسب التي تُثبت الجاهزية للالتزامات المنصوص عليها في المادة 10 من قانون الاتحاد الأوروبي للذكاء الاصطناعي.

اطلب عرضًا تجريبيًا لترى كيف Securiti يؤمن البيانات والذكاء الاصطناعي عبر بيئتك.

الأسئلة الشائعة