أحدث النشر المؤسسي واسع النطاق للنماذج اللغوية الكبيرة (LLM) تحولاً جذرياً في تصميم وتوزيع الأنظمة السحابية. تعاني البنى الأحادية التقليدية لمعالجة الاستدلال — التي تقوم فيها وحدة معالجة رسومات (GPU) منفردة بمعالجة السياق الأولي (مرحلة التعبئة المسبقة Prefill) وتوليد الرموز اللاحقة (مرحلة فك التشفير والتوليد Decode) — من تباين حاد في كفاءة العتاد. تتطلب مرحلة Prefill قدرات حسابية هائلة (Compute-bound) لتشغيل أنوية التنسور، في حين تصطدم مرحلة Decode بعنق زجاجة عرض النطاق الترددي للذاكرة وزمن الوصول للذاكرة فائقة السرعة HBM (وهي Memory-bandwidth-bound).
لتحقيق أقصى استغلال لقدرات وحدات معالجة الرسومات وتقليل وقت الاستجابة للرمز الأول (TTFT) والفاصل الزمني بين الرموز (ITL)، اتجهت أحدث محركات الاستدلال المتقدمة مثل Mooncake وDistServe وvLLM v1 نحو بنى الاستدلال المفككة (Disaggregated Serving). في هذه البنية، يتم فصل خوادم مرحلة Prefill عن خوادم مرحلة Decode في مجموعات خوادم فعلية مستقلة تتواصل عبر شبكة مراكز البيانات المحلية عالية السرعة.
ومع ذلك، يفتح هذا الفصل المادي ثغرة أمنية شديدة الخطورة: نقل ذاكرة التخزين المؤقت للمفتاح والقيمة (Key-Value Cache أو KV Cache) كنصوص برمجية مكشوفة تماماً وغير مشفرة عبر كابلات ومحولات الشبكة. عندما تتنقل غيغابايتات من مصفوفات الانتباه الرياضية بصيغتها الأصلية، يصبح بإمكان المهاجمين أو الحاويات المخترقة في نفس الشبكة التنصت على الحزم البرمجية، وإعادة بناء موجهات الأوامر السرية للمستخدمين، وتنفيذ هجمات انتحال السياق. يتطلب التصدي الحاسم لهذه المخاطر عزلاً تشفيرياً حتمياً على مستوى الطبقة الثالثة (Layer 3).
+--------------------------------------------------------------------------+
| مقارنة بين بنى استدلال الذكاء الاصطناعي الأحادية والمفككة |
+--------------------------------------------------------------------------+
| البنية الأحادية (خادم GPU مفرد مشترك): |
| موجه المستخدم ──> [ عقدة GPU: مرحلة Prefill ──> ذاكرة HBM المحلية ] |
| │ |
| ▼ |
| [ مرحلة Decode تولد الرموز من ذاكرة HBM المحلية ] |
| * تظل ذاكرة KV Cache محصورة داخل الذاكرة الفيزيائية ومسارات NVLink. |
+--------------------------------------------------------------------------+
| البنية المفككة (خوادم موزعة عبر شبكة الربط المادي): |
| موجه المستخدم ──> [ مجموعة خوادم Prefill ] (كثافة حسابية فائقة) |
| │ |
| ▼ مصفوفات KV Cache غير مشفرة (TCP / RoCEv2) |
| ══════════════════════════════════════════════════════════════════════ |
| شبكة الربط الداخلي غير المشفرة للمجموعة (عرضة للتنصت والاعتراض) |
| ══════════════════════════════════════════════════════════════════════ |
| │ |
| ▼ |
| [ مجموعة خوادم Decode ] (كثافة في نقل الذاكرة) |
| * تتنقل غيغابايتات من مصفوفات الانتباه النصية عبر محولات الشبكة مكشوفة. |
+--------------------------------------------------------------------------+
آليات تدفق ذاكرة KV Cache عبر الشبكات المفككة
لفهم طبيعة الخطر، يلزم تحليل طريقة عمل آلية الانتباه (Attention Mechanism) في نماذج المحولات أثناء العمليات الموزعة. تعتمد نماذج المحولات التوليدية على حساب ترابطات الرموز عبر إسقاطات الاستعلام ($Q$) والمفتاح ($K$) والقيمة ($V$):
$$\text{Attention}(Q, K, V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V$$
خلال مرحلة Prefill، تعالج عقدة الحوسبة النص الأولي بالكامل — والذي يضم عادة عشرات الآلاف من الرموز التي تحتوي على وثائق تجارية سرية أو مفاتيح واجهات برمجة التطبيقات أو تعليمات برمجية حساسة. تقوم العقدة بحساب مصفوفات $K$ و$V$ لجميع طبقات النموذج ورؤوس الانتباه.
في البيئة المفككة:
- تخصيص الصفحات المقسمة: يُنشئ محرك الاستدلال كتل ذاكرة افتراضية باستخدام تقنيات إدارة الذاكرة المقسمة (مثل PagedAttention أو شجيرات Radix).
- التحويل التسلسلي والتغليف: عند اكتمال العمليات، تُغلف المصفوفات متعددة الأبعاد بصيغ الأرقام العشرية (FP16 أو BF16 أو القيم المكممة FP8) في مخازن إرسال الشبكة.
- النقل الشبكي: تُرسل البيانات عبر مآخذ TCP المباشرة، أو تدفقات gRPC، أو بروتوكولات الوصول المباشر للذاكرة عن بُعد RoCEv2.
- تحميل الذاكرة لفك التشفير: تستلم عقدة Decode التنسورات وتحقنها مباشرة في ذاكرة HBM التابعة لها، لتبدأ التوليد التلقائي للرموز دون إعادة حساب المدخلات الأولية.
نظراً لأن نوافذ السياق تتراوح اليوم بين 32 ألفاً و128 ألف رمز، فإن حجم ذاكرة KV Cache لجلسة واحدة قد يتجاوز عدة غيغابايتات. وفي بيئات السحابة متعددة المستأجرين، تتدفق هذه البيانات الحساسة عبر محولات الشبكة الفيزيائية ToR بصورة غير مشفرة على الإطلاق.
+--------------------------------------------------------------------------+
| بنية حزمة شبكة بيانات ذاكرة KV Cache |
+--------------------------------------------------------------------------+
| [ ترويسة IP وبروتوكول النقل (منفذ TCP 50051 أو ترويسة RoCE QP) ] |
| [ بيانات الجلسة: معرف الطلب، معرف المستأجر، طول التسلسل ] |
| [ مؤشر طبقة النموذج (Layer 0..N-1) | بعد رأس الانتباه (d_k = 128) ] |
| [ بيانات مصفوفة Key: أرقام الفاصلة العائمة (BF16 / FP16) ] |
| [ بيانات مصفوفة Value: أرقام الفاصلة العائمة (BF16 / FP16) ] |
| * ترابط رياضي مباشر وشديد الوضوح مع الفضاء الشعاعي للكلمات الأصلية |
+--------------------------------------------------------------------------+
التهديدات الأمنية: التنصت السلبي وعكس موجهات الأوامر
يسود اعتقاد غير دقيق بأن مصفوفات $K$ و$V$ تمثل قيماً عشوائية مبهمة لا يمكن ترجمتها مجدداً إلى نصوص مفهومة. إلا أن الأبحاث الحديثة أثبتت إمكانية إعادة استنباط النصوص الأصلية عبر هجمات عكس التنسورات.
1. هجمات العكس الرياضي لاستعادة النصوص (Token Inversion)
تعتبر مصفوفات Key وValue إسقاطات خطية مباشرة للحالات المخفية $X$ الناتجة عن النموذج:
$$K = X W_k, \quad V = X W_v$$
بالنسبة للنماذج مفتوحة الأوزان (مثل Llama أو Mistral أو Qwen)، تكون مصفوفات الأوزان ($W_k, W_v$) متاحة علناً. يمكن للمتنصت الذي يحصل على حزم الشبكة التي تحمل مصفوفات $K$ و$V$ حساب المعكوس شبه الإسقاطي (Moore-Penrose Pseudoinverse):
$$\hat{X} \approx K W_k^+ \quad \text{أو} \quad \hat{X} \approx V W_v^+$$
بمجرد الحصول على متجه الحالة المخفية التقريبي $\hat{X}$، يقوم المهاجم بضربه في مصفوفة إلغاء التضمين للمفردات ($W_u$) وتطبيق دالة Softmax. تكشف هذه العملية عن التوزيع الاحتمالي للكلمات الأصلية، مما يتيح إعادة تركيب موجه الأوامر بالكامل — بما يشمل الكلمات السرية والمعلومات الطبية والبيانات البنكية — دون إرسال أي استفسار للنموذج.
+--------------------------------------------------------------------------+
| مسار هجوم عكس مصفوفات الانتباه لاستعادة النص |
+--------------------------------------------------------------------------+
| حزم الشبكة المعترضة: مصفوفات Key وValue (الطبقات من 0 إلى 3) |
| │ |
| ▼ (تطبيق المعكوس شبه الإسقاطي للأوزان العلنية W_k+ وW_v+) |
| المتجه المقدر للحالة المخفية (\hat{X}) |
| │ |
| ▼ (الضرب في مصفوفة فك تضمين المعجم W_u) |
| حساب التوزيع الاحتمالي للمفردات: Softmax(\hat{X} * W_u) |
| │ |
| ▼ (استخراج الرموز الأكثر ترجيحاً) |
| النص المسترجع: "مفتاح التحقق السري للنظام: sk-live-94819..." |
| ==> تسريب كامل للبيانات السرية أثناء انتقالها عبر كابلات الشبكة |
+--------------------------------------------------------------------------+
2. هجمات اختطاف وتسميم البادئات المشتركة (Prefix Hijacking)
تستخدم الخوادم تقنية تخزين البادئات المؤقتة (Prefix Caching) لمشاركة مصفوفات التعليمات الأولية الموحدة بين مستخدمين متعددين لتوفير الوقت والعتاد.
في بيئة شبكية غير موثقة:
- يستطيع المهاجم في نفس الشبكة حقن حزم KV Cache مزيفة في مسار خادم Decode مستهدفاً البصمة التعريفية للبادئة المعتمدة.
- من خلال استبدال المصفوفات السليمة بمصفوفات خبيثة، ينجح المهاجم في تخريب ضوابط سلامة النموذج، أو إجباره على توليد مخرجات وهمية، أو زرع أبواب خلفية مستدامة لكافة استجابات المستخدمين.
الحل الدفاعي: بناء حصون تشفير الطبقة الثالثة عبر WireGuard
إن محاولات التشفير على مستوى التطبيق (مثل تغليف اتصالات gRPC بطبقة TLS برمجية أو بناء بروتوكولات تشفير مخصصة داخل المحرك) تؤدي إلى هبوط حاد في سرعة معالجة البيانات، واستنزاف موارد المعالج المركزي، وفقدان ميزات التسريع المادي لبطاقات الشبكة.
يتمثل الحل الأمثل والنهائي في فرض عزل تشفيري تام على مستوى الطبقة الثالثة (Layer 3) داخل نواة نظام التشغيل Linux باستخدام شبكة WireGuard المتشابكة.
+--------------------------------------------------------------------------+
| البنية الدفاعية: منطقة العزل المشفرة في الطبقة الثالثة |
+--------------------------------------------------------------------------+
| |
| خادم الحوسبة Prefill GPU |
| - يولد مصفوفات KV Cache بناءً على مدخلات المستخدم |
| - يرسل البيانات إلى العنوان المعزول لعقدة Decode (10.200.0.2) |
| │ |
| ▼ |
| [واجهة نواة WireGuard المشفرة (wg0) / محرك ChaCha20-Poly1305] |
| - فرض توجيه المفاتيح المشفرة Cryptokey Routing (المصدر: 10.200.0.1) |
| - تشفير الحزم بالسرعة القصوى للشبكة مباشرة داخل النواة |
| │ |
| ▼ (حزم UDP المشفرة: منفذ 51820) |
| ==================================================================== |
| محولات مراكز البيانات الفيزيائية / شبكة السحابة المشتركة |
| (لا يرى المتنصت سوى سيل من البيانات المشفرة بـ ChaCha20) |
| ==================================================================== |
| │ |
| ▼ |
| [واجهة نواة WireGuard في عقدة Decode (wg0)] |
| - التحقق من علامة سلامة البيانات Poly1305 وفك التشفير بالذاكرة |
| - تمرير مصفوفات KV Cache السليمة والمؤمنة إلى محرك الاستدلال |
| │ |
| ▼ |
| خادم الحوسبة Decode GPU (تحميل آمن للمصفوفات في ذاكرة HBM) |
| |
+--------------------------------------------------------------------------+
1. توجيه المفاتيح المشفرة Cryptokey Routing وربط الواجهات
يقدم نموذج توجيه المفاتيح المشفرة في بروتوكول WireGuard ضمانات أمنية صارمة تناسب بيئات الذكاء الاصطناعي:
- الربط الحتمي للهويات: تولد كل عقدة زوج مفاتيح غير متناظر عبر Curve25519. تربط الواجهة
wg0عناوين IP المسموح بها بالمفاتيح العامة للعقد الشريكة مباشرة. - إحباط هجمات الانتحال: إذا حاولت أي حاوية غير مصرح لها إرسال مصفوفات مزيفة أو تزوير عنوان الإرسال، تسقط نواة النظام تلك الحزم فوراً لعدم تطابق التوقيع الرقمي.
- معالجة فورية خالية من النسخ (Zero-Copy): يعمل البروتوكول ضمن حزمة شبكة نواة Linux دون الحاجة للتبديل بين بيئة المستخدم وبيئة النواة، مما يتيح نقل البيانات بأعلى سرعة تدعمها الخطوط الفيزيائية.
2. سياسات الترشيح وعزل الاتصال الخارجي عبر nftables
لضمان عدم تسريب أي جزء من ذاكرة الذكاء الاصطناعي إلى خوادم خارجية غير موثوقة، يُلزم مسؤولو الأنظمة الشبكة بقواعد حظر افتراضية صارمة عبر أداة nftables:
# إنشاء جدول العزل الخاص بمجموعة خوادم الذكاء الاصطناعي
# حصر حركة المرور المتبادلة كلياً داخل واجهة WireGuard (wg0)
nft add table inet ai_enclave
nft add chain inet ai_enclave forward { type filter hook forward priority 0; policy drop; }
# السماح بتبادل مصفوفات KV Cache بين العقد الموثقة حصراً
nft add rule inet ai_enclave forward iifname "wg0" oifname "wg0" ip saddr 10.200.0.0/24 ip daddr 10.200.0.0/24 accept
# حظر أي محاولة لإرسال البيانات مباشرة نحو شبكة الإنترنت العامة
nft add rule inet ai_enclave forward iifname "wg0" oifname "wan" drop
# إغلاق كافة المنافذ الفيزيائية باستثناء منفذ تبادل مفاتيح WireGuard
nft add chain inet ai_enclave input { type filter hook input priority 0; policy drop; }
nft add rule inet ai_enclave input iifname "eth0" udp dport 51820 accept
nft add rule inet ai_enclave input iifname "lo" accept
3. تأمين قنوات الإدارة والمراقبة
بالإضافة إلى مسارات تدفق ذاكرة KV Cache، تعتمد خوادم الذكاء الاصطناعي الموزعة على بروتوكولات إدارة حساسة (مثل Ray ومنافذ Kubernetes ومؤشرات مراقبة الأداء عبر Prometheus). إن فتح هذه القنوات على شبكة محلية مشتركة يتيح للمهاجمين استكشاف بنية النظام واستخراج نسخ احتياطية للمحركات.
من خلال توجيه كافة اتصالات التحكم والمراقبة عبر شبكات افتراضية خاصة معزولة تماماً، تُفصل طبقة الإدارة عن البيئة الفيزيائية، مما يبطل فرص التسلل والتحرك الجانبي داخل الشبكة.
مقارنة معمارية: التشفير البرمجي مقابل عزل الطبقة الثالثة
توضح مقارنة التدابير الأمنية في بيئات استدلال الذكاء الاصطناعي المفككة الفروق الجوهرية في مستويات الكفاءة والأمان:
| معيار التقييم | النقل الشبكي المكشوف | التشفير عبر طبقة التطبيق (TLS) | العزل الشبكي عبر WireGuard (Layer 3) |
|---|---|---|---|
| ضمان السرية | منعدم؛ البيانات مكشوفة كلياً | مؤمن في حال سلامة الشهادات | حماية تشفيرية حتمية بخوارزمية ChaCha20 |
| مقاومة هجمات العكس | شديدة الضعف وعرضة للاختراق | محمية من الاعتراض الشبكي | حماية كاملة؛ حزم الشبكة غير قابلة للقراءة |
| السرعة وزمن الاستجابة | أقصى سرعة لكن دون أي أمان | هبوط ملموس بسبب كثرة النسخ البرمجي | سرعة توازي السرعة القصوى لبطاقات الشبكة |
| مقاومة انتحال البادئات | غير قادرة على صد الحزم المزيفة | تعتمد على فحص الشهادات بالبرمجيات | حظر حتمي داخل النواة عبر Cryptokey Routing |
| سهولة الصيانة والتشغيل | لا تتطلب أي إعدادات | تتطلب تعديلات معقدة في كود المحرك | تثبيت انسيابي دون المساس بأكواد النماذج |
تمثل بنية الاستدلال المفككة ركيزة اقتصادية حيوية لتعظيم إنتاجية أنظمة الذكاء الاصطناعي التوليدي. غير أن إرسال ذاكرة المحولات عبر الكابلات الفيزيائية يعيد صياغة مفاهيم الأمان المؤسسي. إن تطبيق العزل التشفيري الحتمي على مستوى الطبقة الثالثة يضمن استمرار كفاءة المعالجة السريعة بالتوازي مع حماية البيانات الحساسة من أي محاولات تسريب.



