أطلقت مؤسسة Sentient لوحة صدارة جديدة لبصمة النماذج، تهدف إلى اختبار مدى موثوقية إمكانية تتبّع نماذج الذكاء الاصطناعي إلى أصولها، وذلك عقب أبحاث أظهرت أن المهاجمين المحنّكين يستطيعون التحايل على جميع تقنيات البصمة الحالية تقريبًا، بما فيها تقنياتها.
مع تزايد قيمة نماذج الذكاء الاصطناعي، يبرز إثبات الجهة التي طوّرتها في الأصل بوصفه تحديًا كبيرًا. إذ يمكن نسخ النماذج أو ضبطها بدقة أو استخلاصها لإنتاج إصدارات جديدة، وغالبًا ما لا تتوفر لمطوريها الأصليين سوى وسائل محدودة لإثبات ملكيتهم لها.
تسعى Sentient Foundation إلى معالجة هذه المشكلة من خلال إطلاق لوحة متصدري البصمات، وهي معيار مفتوح يهدف إلى تقييم التقنيات التي تضمّن بصمات قابلة للتعرّف في نماذج الذكاء الاصطناعي.
تأتي هذه المبادرة في أعقاب أبحاث أجرتها Sentient Labs وكشفت عن ثغرات في عشر آليات مقترحة لإنشاء البصمات. ووجد الباحثون أن هجمات تكيفية كان بإمكانها تجاوز جميع الآليات تقريبًا مع الحفاظ على فائدة النماذج.
بدلًا من التركيز حصريًا على تطوير تقنيتها الخاصة لإنشاء البصمات، تفتح Sentient الآن عملية التقييم أمام مجتمع البحث الأوسع.
كيف تعمل بصمات الذكاء الاصطناعي
صُممت بصمات الذكاء الاصطناعي لتقديم أدلة على هوية النموذج أو مصدره دون الاعتماد كليًا على السجلات الخارجية أو البيانات الوصفية أو الوصول إلى بنيته التحتية الأساسية.
تُضمّن بعض الأساليب بصمات سلوكية خفية أثناء التدريب. ويمكن لاحقًا اختبار هذه البصمات باستخدام مطالبات محددة، ما يتيح للمطورين التحقق مما إذا كان نموذج آخر يحتوي على آثار من عملهم الأصلي.
والأهم أن هذا التحقق يمكن إجراؤه عبر الوصول إلى واجهة برمجة التطبيقات (API) لنموذج يُشتبه في اشتقاقه من نموذج آخر، دون الحاجة إلى الوصول المباشر إلى أوزانه الداخلية.
قالت ساتشي كاميا، مديرة المشروعات الاستثمارية والنمو في Sentient Foundation: «أصبحت نماذج الذكاء الاصطناعي من أثمن أشكال الملكية الفكرية في العالم، لكن إثبات الملكية يصبح بالغ الصعوبة بمجرد نسخ نموذج أو تقطيره».
«تضع البصمات الدليل داخل النموذج. تخيّلها كأنها نظير الذكاء الاصطناعي للعلامات الخفية التي استخدمها رسامو عصر النهضة لإثبات نسبة الأعمال إليهم».
قد يكتسب هذا النهج أهمية خاصة مع اتساع نطاق تطوير الذكاء الاصطناعي مفتوح المصدر وتزايد تعديل النماذج وإعادة توزيعها.
باحثون يضمّنون أكثر من 24,000 بصمة في نموذج واحد
سبق أن أظهرت Sentient Labs كيف يمكن لتقنيات إنشاء البصمات أن تعمل على نطاق واسع.
نجحت طريقة Perinucleus، التي عُرضت في مؤتمر NeurIPS 2025، في تضمين 24,576 بصمة في نموذج Llama-3.1-8B، مع تأثير طفيف للغاية على أداء النموذج.
كما صمدت بصمات كثيرة من بينها أمام الضبط الدقيق اللاحق، ما يشير إلى أن المعلومات المُعرِّفة قد تظل قابلة للكشف حتى بعد خضوع النموذج لمزيد من التدريب.
لكن القدرة على تضمين آلاف البصمات لا تعني بالضرورة قدرتها على مقاومة الإزالة المتعمدة.
كشف بحث عُرض في مؤتمر SaTML 2026 أن التقنيات القادرة على الصمود أمام التعديلات المعتادة للنماذج قد تظل عرضة للمهاجمين الذين يحاولون تحديدًا إزالة بصماتها أو التحايل عليها.
وكان نهج Perinucleus الخاص بـSentient من بين الأساليب المتأثرة.
تسلط النتائج الضوء على تحدٍ محوري في مجال بصمات الذكاء الاصطناعي: فإثبات وجود بصمة يختلف كثيرًا عن إثبات أنها تظل موثوقة عندما يحاول خصم إفشالها عمدًا.
معيار عام لاختبار الادعاءات المتعلقة بالبصمات
تهدف لوحة متصدري البصمات التي أُطلقت حديثًا إلى توفير بيئة موحدة لمقارنة الأساليب المختلفة.
يركز الإصدار الأولي على تقييم مدى فعالية أساليب إنشاء البصمات في تضمين بصمات قابلة للتعرّف مع الحفاظ على أداء النموذج الأساسي.
وسيوسّع إصدار مستقبلي نطاق هذه التقييمات لتشمل المتانة أمام الهجمات، ويقيس ما إذا كانت البصمات تظل قابلة للكشف بعد محاولات متعمدة لإزالتها أو التحايل عليها.
وهذا التمييز مهم، لأن التقنية التي تحقق أداءً جيدًا في ظروف مضبوطة قد لا تقدم بالضرورة دليلًا موثوقًا على المصدر في بيئات أكثر عدائية.
وبالتوازي مع لوحة المتصدرين، تطلق Sentient مكتبة mlprints مفتوحة المصدر، التي تجمع تقنيات إنشاء البصمات وأساليب الهجوم ضمن إطار تقييم مشترك.
تتيح المكتبة للباحثين إعادة إنتاج التجارب الحالية، وتطبيق أساليب بديلة لإنشاء البصمات، وتطوير هجمات جديدة في ظل ظروف اختبار قابلة للمقارنة.
ومن خلال إتاحة هذه الأدوات للعامة، تسعى Sentient إلى إرساء عملية أكثر شفافية لتقييم الادعاءات المتعلقة بمصدر نماذج الذكاء الاصطناعي.
أهمية ملكية النماذج في الذكاء الاصطناعي مفتوح المصدر
تتناول المبادرة أيضًا توترًا أوسع نطاقًا في مجال الذكاء الاصطناعي مفتوح المصدر.
يتيح المطورون الذين ينشرون أوزان النماذج للعامة للآخرين البناء على عملهم، لكن ذلك قد يصعّب تتبع كيفية نسخ تلك النماذج أو تعديلها أو دمجها في أنظمة أخرى لاحقًا.
يوفر إبقاء النماذج مغلقة تحكمًا أكبر في توزيعها، لكنه يحد من سهولة الوصول والتطوير التعاوني المرتبطين بالذكاء الاصطناعي مفتوح المصدر.
قد توفر البصمات نهجًا مختلفًا، إذ تتيح للمطورين مشاركة نماذجهم مع الاحتفاظ بوسيلة لإثبات مصدرها.
قد تدعم هذه الإمكانات في نهاية المطاف إثبات الملكية وإنفاذ التراخيص وترتيبات اقتصادية مرتبطة بإمكانية التحقق من مصدر النموذج.
لكن البحث يبيّن أيضًا أن إنشاء بصمات موثوقة لا يزال تحديًا تقنيًا لم يُحسم.
يتمثل هدف Sentient على المدى البعيد في تطوير بصمات ترتبط بقدرات النموذج ارتباطًا وثيقًا، بحيث يؤدي إزالتها أيضًا إلى الإضرار بفائدة النموذج.
في الوقت الحالي، تمثل لوحة متصدري البصمات محاولة لتحديد التقنيات الحالية التي يمكنها تقديم أدلة ذات دلالة على المصدر، وتلك التي لا تزال عرضة للتلاعب.
ومع إتاحة المعيار الأولي الآن والتخطيط لاختبارات خصومية في إصدار مستقبلي، قد يوفر المشروع للباحثين إطارًا مشتركًا لتقييم أحد التحديات الناشئة في حماية الملكية الفكرية للذكاء الاصطناعي.
يتوفر مزيد من المعلومات عن المبادرة على fingerprint.sentient.foundation.
إخلاء مسؤولية: تُقدَّم هذه المقالة لأغراض إعلامية فقط. ولا تُقدَّم بوصفها نصيحة قانونية أو ضريبية أو استثمارية أو مالية أو أي نوع آخر من المشورة، كما أنها غير معدّة لذلك.