أدى الانتشار المتسارع لمنصات الاستدلال التشاركية لنماذج اللغة الكبيرة (LLM) إلى دفع محركات التشغيل — مثل vLLM وTensorRT-LLM وSGLang — نحو تطبيق خوارزميات جدولة متقدمة للغاية. ولتحقيق أقصى استفادة من الموارد الحاسوبية المكلفة لوحدات معالجة الرسومات (مثل خوادم NVIDIA H100 وB200)، تعتمد الأنظمة الحديثة على المعالجة المجمعة المستمرة (Continuous Batching) مقرونة بتقنية تقسيم التغذية الأولية (Chunked Prefill).
وعلى الرغم من أن هذه الآليات ترفع معدل الإنتاجية وتحد من الاختناقات الزمنية الناتجة عن الأوامر المدخلة الطويلة، فإنها تفتح ثغرة معمارية خفية تتمثل في التداخل التنفيذي بين المستأجرين المشتركين. ففي بيئات الحوسبة السحابية العامة، يستطيع المهاجم رصد التباينات الزمنية الدقيقة في وصول الرموز المولدة لاستنتاج أطوال أوامر المستخدمين الآخرين وحدود التوجيهات النظامية السرية بدقة فائقة. ولمواجهة هذه القناة الجانبية الناشئة، يتطلب الأمر عزلاً معمارياً وتوحيداً لأزمنة التنفيذ مصحوباً بتغليف مشفر لحركة البيانات عبر VPNRice.
آليات الجدولة المستمرة وتقسيم التغذية الأولية في تشغيل نماذج الذكاء الاصطناعي
في أنظمة التجميع التقليدية، كانت محركات الاستدلال تجمع الطلبات بصورة ثابتة، حيث يضطر أي طلب جديد للانتظار حتى انتهاء كافة العمليات الحالية، مما يتسبب في هدر قدرات المعالجة. وقد عالجت الجدولة المستمرة هذه المعضلة من خلال العمل على مستوى كل دورة تنفيذية مفردة (Iteration-level)، بحيث تخرج السلاسل المكتملة فوراً وتدخل الطلبات الجديدة مباشرة.
ومع ذلك، يوجد تباين جوهري بين مرحلتي تشغيل نماذج المحولات (Transformers):
- مرحلة التغذية الأولية (Prefill): عملية تعتمد كلياً على قوة الحوسبة المكثفة، حيث تُعالج كافة رموز المدخلات بالتوازي لبناء الذاكرة المؤقتة للمفاتيح والقيم (KV Cache).
- مرحلة التوليد وفك الترميز (Decode): عملية مقيدة بنطاق تردد الذاكرة، حيث يُولد كل رمز على حدة بصورة تسلسلية مع القراءة المتكررة من الذاكرة ذات النطاق الترددي العالي (HBM).
+-------------------------------------------------------------------------+
| مسار جدولة تقسيم التغذية الأولية |
| |
| أوامر المستخدمين الواردة: |
| الطلب (أ) المستهدف: [================ 2048 رمز ================] |
| الطلب (ب) المهاجم: [= 128 رمز =] |
| |
| مجدول التقسيم (حجم الكتلة Chunk = 512 رمز): |
| +-------------------------------------------------------------------+ |
| | الدورة 1: [الطلب أ: الكتلة 1 (512)] + [الطلب ب: توليد الرمز 1] | |
| | الدورة 2: [الطلب أ: الكتلة 2 (512)] + [الطلب ب: توليد الرمز 2] | |
| | الدورة 3: [الطلب أ: الكتلة 3 (512)] + [الطلب ب: توليد الرمز 3] | |
| | الدورة 4: [الطلب أ: الكتلة 4 (512)] + [الطلب ب: توليد الرمز 4] | |
| | الدورة 5: [الطلب أ: توليد الرمز 1] + [الطلب ب: توليد الرمز 5] | |
| +-------------------------------------------------------------------+ |
| |
| ملاحظات التوقيت لدى العميل المهاجم: |
| التأخير بين الرموز (ITL) للرموز 1 إلى 4: ~42 ملي ثانية (ضغط حوسبي مكثف)|
| التأخير بين الرموز (ITL) للرمز 5 فما فوق: ~11 ملي ثانية (معدل التوليد) |
+-------------------------------------------------------------------------+
عندما يستقبل النظام أمراً ضخماً، فإن معالجته بالكامل دفعة واحدة يؤدي إلى تجميد كافة عمليات التوليد الأخرى الجارية، مما يُحدث اضطراباً شديداً في أزمنة الاستجابة.
ولمعالجة هذا التفاوت، تقوم تقنية Chunked Prefill بتجزئة الأوامر الطويلة إلى كتل منتظمة (مثلاً 512 رمزاً). وخلال كل دورة جدولة، يخصص النظام حصة زمنية محددة لمعالجة كتل التغذية الأولية بالتوازي مع الرموز الجاري توليدها، مما يضمن تشاركهما لوحدات المعالجة المتعددة (SMs) والأنوية الحسابية.
استغلال تداخل معالجة بطاقات الرسومات وتقلب زمن الانتقال بين الرموز
نظراً لأن وحدات الحوسبة والذاكرة المؤقتة (L2 Cache) ومسارات الذاكرة السريعة (HBM) مشتركة فعلياً بين العمليات المتزامنة، فإن تنفيذ كتلة تغذية أولية ضخمة يؤدي إلى تباطؤ ملموس في توليد الرموز الأخرى الجارية في نفس اللحظة.
ويمكن للمهاجم الذي يعمل كمستخدم اعتيادي على نفس الخادم استغلال هذا التنافس البرمجي عبر آليات قياس التوقيت من جانب العميل:
- تحديد خط الأساس للتأخير: يُرسل المهاجم طلبات قياس قصيرة لحساب زمن الانتقال الاعتيادي بين الرموز (ITL) في مرحلة التوليد الخالصة (نحو 10 إلى 12 ملي ثانية لكل رمز على خوادم H100).
- حقن تدفقات استكشافية متواصلة: يُنشئ المهاجم جلسات تدفق مستمرة عبر بروتوكول SSE ويسجل الطابع الزمني لكل رمز بدقة فائقة.
- رصد فترات التنافس الحوسبي: عندما يرسل مستخدم آخر أمراً سرياً طويلاً، يوزع المجدول الأمر عبر دورات متتالية. وفي كل دورة تحتوي على كتلة تغذية أولية، يرتفع التأخير المسجل لدى المهاجم من 11 ملي ثانية إلى ما يزيد عن 40 ملي ثانية.
- حساب طول الأمر المستهدف: بما أن حجم الكتل ثابت ومعروف في إعدادات النظام، فإن عدد الدورات المتتالية التي شهدت تأخيراً مرتفعاً يكشف بدقة عدد الكتل اللازمة لمعالجة أمر الضحية.
+-------------------------------------------------------------------------+
| تحليل إشارات التذبذب الزمني للرموز |
| |
| التأخير المسجل بين الرموز لدى المهاجم (ملي ثانية) |
| 50ms + |
| | +-------+-------+-------+-------+ |
| 40ms | | دورة 1| دورة 2| دورة 3| دورة 4| |
| | | (A_1) | (A_2) | (A_3) | (A_4) | |
| 20ms | | | | | | |
| |------+ | | | +---------------------- |
| 10ms | الأساس| | | | | العودة لخط الأساس |
| 0ms +------------------------------------------------------------- |
| الرمز: 1 2 3 4 5 6 7 8 |
| |
| نتائج التحليل الرياضي: |
| عدد الدورات ذات التأخير المرتفع (K) = 4 دورات |
| حجم الكتلة المحددة برمجياً (C) = 512 رمزاً |
| المدى التقديري لطول أمر المستخدم = (K - 1) * C < الطول <= K * C |
| = من 1537 إلى 2048 رمزاً |
+-------------------------------------------------------------------------+
بذلك يتمكن المهاجم من قياس حجم الحوسبة الخاصة بالمستخدمين الآخرين دون الحاجة لأي صلاحيات تشغيلية خاصة على مستوى الخادم المضيف.
إعادة بناء طول الأوامر وحدود السياق النظامي للمستخدمين المشتركين
ينطوي كشف أطوال الأوامر المدخلة على تداعيات أمنية بالغة الأهمية:
- كشف التوجيهات النظامية السرية: تُلحق التطبيقات المؤسسية توجيهات داخلية ونماذج استدلال خاصة قبل نصوص المستخدمين. وتكشف التغيرات المفاجئة في حجم الرموز عن بنية هذه التوجيهات أو تحديثاتها الدورية.
- استنتاج الوثائق المسترجعة في أنظمة RAG: في تقنيات التوليد المعزز بالاسترجاع، يرتبط طول السياق بحجم الوثائق المسترجعة من قواعد البيانات الحساسة. ويوضح تباين الرموز ما إذا كان استعلام المستخدم قد استرجع سجلات سرية مطابقة.
- متابعة مسار المحادثات المتتابعة: يتيح الرصد المتواصل لتراكم الرموز تتبع تسلسل الحوار ومعرفة لحظات تفعيل العمليات المالية أو الإجرائية الدقيقة.
وبالدمج مع تقنيات فك التشفير التخميني أو التخزين المؤقت للأوامر، يُمكن استخدام هذه القناة الجانبية للتأكد من وجود نصوص محددة بعينها داخل سياق المستخدمين الآخرين.
ثغرات الاستدلال غير المترابط عبر شبكات الربط بين خوادم المعالجة
لتشغيل النماذج الضخمة جداً، تفصل مراكز البيانات الحديثة مرحلة التغذية الأولية عن مرحلة التوليد عبر خوادم متباعدة، وهو ما يُعرف بنمط الاستدلال غير المترابط (Disaggregated Inference).
وفي هذا النمط:
- عقد التغذية الأولية: مجموعات متخصصة تحسب مصفوفات KV Cache بتوازٍ حوسبي هائل.
- عقد التوليد: خوادم محسنة للذاكرة تستقبل مصفوفات الكاش وتتولى إنتاج الرموز تتابعياً.
- نقل الكاش عبر الشبكة: تتدفق كميات هائلة من بيانات التنسورات عبر الشبكة الداخلية بسرعات فائقة باستخدام RoCEv2 أو بروتوكول TCP.
+-------------------------------------------------------------------------+
| تسريب بيانات الشبكة في بيئات الاستدلال الموزعة |
| |
| [ عقدة التغذية الأولية ] [ عقدة توليد الرموز ] |
| +----------------------+ +---------------------+ |
| | حساب مصفوفات الكاش | | التوليد التتابعي | |
| +----------------------+ +---------------------+ |
| | ^ |
| | تدفق بيانات الكاش عبر الشبكة | |
| v (غيغابايت من بيانات التنسورات المنقولة) | |
| ===================================================================== |
| [ محولات الشبكة الداخلية ومسارات التوصيل المركزية ] |
| - حزم البيانات غير المشفرة تعبر محولات الشبكة |
| - طول التدفقات وتوقيتها يكشف الحجم الدقيق للمصفوفات المنقولة |
| - أطراف خارجية تتنصت على حركة المرور لتحليل سلوك الخوادم |
+-------------------------------------------------------------------------+
وإذا افتقرت خطوط الاتصال الداخلية للتشفير، فإن أحجام التدفقات وتوقيتاتها عبر محولات الشبكة تكشف بدقة أبعاد المصفوفات المنقولة، مما يتيح تحليل البيانات عن بعد وتجاوز حواجز الحماية البرمجية.
العزل المادي للأجهزة وتأمين النواة بتغليف أنفاق WireGuard المشفرة
تتطلب معالجة هذه المخاطر استراتيجية دفاعية متكاملة تجمع بين معايير الجدولة الصارمة وتأمين النقل عبر الشبكة بالتشفير القوي.
+-------------------------------------------------------------------------+
| الهيكلية المتكاملة للعزل المادي والتأمين عبر أنفاق WireGuard |
| |
| [ مجموعات معالجة الرسومات المشتركة ] |
| +-----------------------------------------------------------------+ |
| | تقسيم العتاد عبر MIG / ضبط أزمنة الدورات لتكون متطابقة | |
| | - حصص ثابتة للكتل وتوحيد مدة المعالجة لكل دورة | |
| | - عزل مادي لقنوات الذاكرة ووحدات المعالجة | |
| +-----------------------------------------------------------------+ |
| | |
| | تدفقات مصفوفات الكاش المنقولة |
| v |
| +-----------------------------------------------------------------+ |
| | واجهة نظام WireGuard في النواة (wg0 / شبكة VPNRice الآمنة) | |
| | - تبادل المفاتيح عبر Noise وتشفير معتمد ChaCha20-Poly1305 | |
| | - توحيد أحجام الحزم وحقن بيانات وهمية لتسطيح معدل البث | |
| +-----------------------------------------------------------------+ |
| | |
| v حزم UDP مشفرة ومنتظمة التدفق |
| ===================================================================== |
| [ البنية التحتية المعزولة للشبكة ] |
| - انعدام الفروق الزمنية الملحوظة عبر محولات الشبكة |
| - معدل تدفق منتظم يمنع تحديد الخصائص عبر قياس استهلاك النطاق |
| - قيود توجيه النواة تحظر خروج أي حزم غير مصرح بها |
+-------------------------------------------------------------------------+
لإرساء حماية شاملة ضد هجمات القنوات الجانبية لتقسيم التغذية الأولية، يجب على مديري البنية التحتية اتخاذ التدابير التالية:
- توحيد أزمنة الدورات التنفيذية: يجب إلزام المجدول بضبط كافة الدورات لتستغرق وقتاً موحداً، من خلال إدراج فترات توقف دقيقة أو عمليات حسابية شكلية لإلغاء الفروق بين دورات التوليد السريعة ودورات التغذية الأولية البطيئة.
- التقسيم المادي للعتاد (MIG): يُتيح استخدام تقنيات العزل الفيزيائي مثل NVIDIA MIG تقسيم البطاقة إلى وحدات مستقلة تماماً، مما يفصل مسارات الذاكرة ووحدات المعالجة ويمنع التنافس الداخلي.
- تأسيس شبكة أنفاق مشفرة مع VPNRice: يجب تمرير تدفقات الكاش المنقولة بين الخوادم حصراً عبر أنفاق بروتوكول WireGuard المدمج في نواة النظام، حيث يمنع التشفير الخوارزمي ChaCha20-Poly1305 المتنصتين من تحديد أحجام المصفوفات.
- تثبيت وتنسيق معدل التدفقات (Traffic Shaping): يساعد بث حزم تمويهية بمعدل منتظم في التخلص من القمم الحجمية، مما يُبطل أي محاولة لاستنتاج أطوال الأوامر من قراءة مؤشرات الشبكة.
إن الربط المحكم بين ضبط أزمنة المعالجة والعزل الشبكي الشامل عبر VPNRice يقضي كلياً على القنوات الجانبية، مؤمناً سرية البيانات والملكية الفكرية في منصات الذكاء الاصطناعي التشاركية الحديثة.



