جدول المحتويات
نظام الذكاء الاصطناعي المعزول عن الشبكة (air-gapped) يعمل على خوادم لا يربطها أي مسار شبكي بالإنترنت. ولتشغيله، تُنزَّل ملفات النموذج وبرمجيات الاستدلال وصور الحاويات والحزم على جهاز متصل، ثم تُفحص، وتُنقل عبر إجراء نقل مضبوط، ويُضبط كل مكوّن بحيث لا يحاول الاتصال بالخارج أبدًا. وتسلك التحديثات المسار نفسه.
أهم النقاط
- لا يحتاج النموذج اللغوي الكبير إلى الإنترنت ليعمل. بل يحتاج إلى ملفات أوزانه وخادم استدلال واعتمادياتهما على قرص محلي.
- كل ما يعبر العزل يجب أن تُحسب بصمته ويُفحص ويُسجَّل. فضّلوا ملفات safetensors، لأن ملفات النماذج المبنية على pickle قد تنفّذ شيفرة عند تحميلها (Hugging Face).
- يجب إبلاغ المكتبات بأنها تعمل دون اتصال. فأدوات Hugging Face توفر الإعداد
HF_HUB_OFFLINE، وvLLM يجمع إحصاءات الاستخدام ما لم تعطّلوها (vLLM). - العزل يقلّل الخطر لكنه لا يلغيه. فقد وصل مهاجمون إلى أنظمة حكومية معزولة عبر ذاكرات USB (ESET).
- الجزء الصعب هو إجراء التحديث لا التثبيت الأول. وثّقوه، واختبروه على نظام تجريبي، وعيّنوا له مسؤولًا.
ماذا يعني العزل التام عن الشبكة لنظام ذكاء اصطناعي؟
النظام المعزول لا يملك أي اتصال شبكي بالإنترنت أو بشبكات أقل ثقة. ولا تدخل البيانات أو تخرج إلا عبر إجراء متعمَّد: وسائط قابلة للإزالة، أو جهاز نقل أحادي الاتجاه، أو محطة نقل مخصصة.
وفي نظام الذكاء الاصطناعي، يقع النموذج ومحرك الاستدلال وفهرس المستندات كلها داخل المنطقة المعزولة، ويصل إليها المستخدمون من داخل المنطقة نفسها. ولا شيء يتصل بالخارج: لا تحقق من الترخيص، ولا قياس عن بُعد (telemetry)، ولا تنزيل تلقائي للنماذج.
وهذا أشد خيارات النشر صرامة بين الخيارات التي يقارن بينها دليلنا للذكاء الاصطناعي السيادي داخل المنشأة. وهو يناسب الاستخدامات القريبة من أنظمة التحكم، وبيانات الهندسة المصنّفة، والمواقع النائية التي لا تتوفر على اتصال موثوق. أما الخادم داخل المنشأة المزوّد باتصال إنترنت مضبوط، فكثير مما في هذا المقال اختياري بالنسبة إليه.
ما الذي يجب إدخاله عبر العزل؟
مساعد LLM العامل أكثر من مجرد ملف نموذج. فكل العناصر التالية يجب إدخالها عند التثبيت الأول، ثم كلما تغيّرت.
| المكوّن | أمثلة | طريقة التحزيم | متى يتغيّر |
|---|---|---|---|
| أوزان النموذج | نموذج LLM، نموذج التضمين، أداة إعادة الترتيب (reranker) | ملفات safetensors مع ملفات الإعداد والمقطّع (tokenizer) | عندما تقررون الترقية |
| خادم الاستدلال | vLLM، NVIDIA NIM | صورة حاوية محفوظة في أرشيف tar | عند صدور إصلاح أمني أو ميزة لازمة |
| اعتماديات Python | مكتبات استخراج المستندات والبحث | ملفات wheel تُجمع بالأمر pip download | مع كل إصدار للتطبيق |
| نظام التشغيل وطبقة GPU | حزم Linux، برنامج تشغيل NVIDIA، CUDA | مرآة محلية للحزم أو حزمة من المورّد | وفق دورة إصلاحات نظام التشغيل والمورّد |
| التطبيق | سلسلة البحث، واجهة المستخدم، الموصّلات | صور حاويات | مع كل إصدار |
| المحتوى | الأدلة والإجراءات والتقارير | مستندات تُفهرس داخل المنطقة | كلما تغيّرت مستنداتكم |
وتغطي أداتان قياسيتان معظم عمل التحزيم. فالأمر docker image save يحفظ صورة أو أكثر في أرشيف tar يمكن استعادته لاحقًا بالأمر docker load (Docker). والأمر pip download يحلّ الاعتماديات وينزّل الحزم تمامًا كما يفعل pip install، ويحفظها في مجلد يمكن استخدامه لاحقًا للتثبيت دون اتصال (pip).
ولا تنسوا جانب المستندات. فمساعد البحث في المستندات يحتاج إلى أداة استخراج ونموذج تضمين يعملان محليًا أيضًا. وتذكر Docling، وهي أداة لتحويل المستندات منشورة برخصة MIT، ضمن ميزاتها التشغيل المحلي للبيانات الحساسة والبيئات المعزولة عن الشبكة (Docling). ويتناول دليلنا لنظام RAG على أدلة الصيانة هذه السلسلة.
كيف تعمل البرمجيات دون إنترنت؟
كثير من أدوات الذكاء الاصطناعي تفترض أنها متصلة. فهي تتحقق من وجود إصدارات أحدث للنموذج، أو تنزّل الملفات الناقصة عند أول استخدام، أو ترسل إحصاءات الاستخدام. وفي البيئة المعزولة تفشل هذه الاتصالات، أحيانًا بعد تأخير، وأحيانًا بخطأ عند الإقلاع. لذا اضبطوا كل مكوّن صراحةً.
التنزيل في الجانب المتصل، والتحميل من القرص في الجانب المعزول. تصف وثائق Transformers هذا المسار: نزّلوا مستودع النموذج مسبقًا باستخدام snapshot_download، ثم اضبطوا HF_HUB_OFFLINE=1 لمنع اتصالات HTTP بالمنصة (Hub)، أو حمّلوا النموذج مع local_files_only=True (Hugging Face Transformers). وفي وضع عدم الاتصال لا تُستخدم إلا الملفات المخزنة مؤقتًا، ويظهر خطأ إذا كان أحد الملفات ناقصًا (huggingface_hub). وهذا الخطأ مفيد: فهو ينبّهكم أثناء الاختبار إلى أن عنصرًا ما لم يُنقل.
تعطيل القياس عن بُعد. يجمع vLLM افتراضيًا إحصاءات استخدام مجهولة الهوية، منها تفاصيل العتاد وبنية النموذج. ويؤدي ضبط VLLM_NO_USAGE_STATS=1 أو DO_NOT_TRACK=1 إلى إيقاف ذلك (vLLM). وتحترم مكتبات Hugging Face الإعداد HF_HUB_DISABLE_TELEMETRY=1 (huggingface_hub). صحيح أن البيانات لا يمكنها الخروج أصلًا، لكن التعطيل يتفادى محاولات اتصال فاشلة ويوضح النية للمدققين.
اعتماد إجراءات العزل التي يوفرها المورّدون حيثما وُجدت. توثّق NVIDIA نشرًا في بيئة معزولة لحاويات NIM الخاصة بنماذج LLM: نزّلوا ملف تعريف النموذج (profile) إلى ذاكرة تخزين مؤقت على جهاز متصل، ثم انسخوا هذه الذاكرة إلى النظام المعزول، وشغّلوا الحاوية دون مفتاح NGC API (NVIDIA NIM).
اختبار الإقلاع البارد مع فصل كابل الشبكة. قبل التشغيل الفعلي، شغّلوا المنظومة كاملة على خادم تجريبي دون أي اتصال شبكي. عندها يظهر كل تنزيل خفي على شكل خطأ.
كيف تُفحص ملفات النموذج قبل إدخالها؟
بمجرد أن يصبح الملف في الداخل، يميل الجميع إلى الوثوق به. لذا يجب أن يتم الفحص قبل النقل.
تفضيل safetensors. يمكن لصيغة pickle، وهي الصيغة الافتراضية لأوزان PyTorch، أن تنفّذ شيفرة عشوائية عند تحميل الملف، وتنصح Hugging Face بتحميل النماذج من مستخدمين ومؤسسات موثوقة (Hugging Face). أما safetensors فصيغة صُممت لتخزين الموتّرات (tensors) بأمان، على خلاف pickle (safetensors). وإذا كان النموذج منشورًا بملفات pickle فقط (.bin أو .pt)، فابحثوا عن مصدر آخر أو حوّلوه داخل بيئة اختبار معزولة (sandbox).
التحقق من البصمات على الجانبين. احسبوا بصمات SHA-256 على الجهاز المتصل مباشرة بعد التنزيل، ثم مرة أخرى داخل البيئة المعزولة بعد النقل. وأي اختلاف يعني أن الملف تغيّر في الطريق.
توقيع ما تعتمدونه. تشير قائمة OWASP لأهم 10 مخاطر في تطبيقات LLM إلى أن النماذج المنشورة لا تقدّم ضمانات قوية بشأن مصدرها، وتوصي بفحوص سلامة عبر التوقيع وبصمات الملفات، إضافة إلى قائمة مكونات البرمجيات (SBOM) (OWASP LLM03:2025). ويمكن لأداة Sigstore مفتوحة المصدر لتوقيع النماذج أن توقّع مجلد النموذج بمفتاحكم الخاص وتتحقق منه بواسطة ملف مفتاح عام (Sigstore model-transparency).
مسك سجل. لكل عنصر: الاسم، والإصدار، والمصدر، والبصمة، ومن اعتمده، وتاريخ دخوله.
هل يكفي العزل لحماية نظام ذكاء اصطناعي؟
لا. فهو يلغي المسار الشبكي لكنه ينشئ مسارًا ماديًا. فقد وثّق باحثو ESET مجموعة تُدعى GoldenJackal استخدمت أدوات مصممة خصيصًا لاختراق أنظمة معزولة عبر ذاكرات USB: في سفارة لدولة من جنوب آسيا في بيلاروسيا منذ أغسطس 2019 على الأقل، وفي هيئة حكومية في إحدى دول الاتحاد الأوروبي من مايو 2022 إلى مارس 2024 (ESET).
ويعدّد النمط الذي نشره المركز الوطني للأمن السيبراني البريطاني (NCSC) لاستيراد البيانات بأمان إلى نظام عالي الأمان ضوابطَ مسار الإدخال: تحويل المحتوى لإزالة أي عنصر قد يكون نشطًا، والتحقق منه، وقطع البروتوكول، وفرض تدفق أحادي الاتجاه، مثلًا بواسطة صمام ثنائي للبيانات (data diode) (NCSC). ويوضح المركز أن التدفق أحادي الاتجاه لا يوقف ثغرة مخبأة في المحتوى، لكنه يصعّب التحكم عن بُعد وتسريب البيانات.
| طريقة النقل | آلية العمل | الخطر الرئيسي | الضوابط |
|---|---|---|---|
| الوسائط القابلة للإزالة | ذاكرة USB أو قرص يُنقل بين المنطقتين | برمجية خبيثة على الوسيط؛ ضياع الوسيط | وسائط مخصصة ومسجلة في الجرد؛ محطة فحص؛ التحقق من البصمات عند الوصول |
| محطة النقل | جهاز مخصص يفحص المحتوى وينسخه بين المنطقتين | اختراق المحطة نفسها | محطة مقوّاة ومحدّثة؛ تسجيل كل عملية نقل |
| الصمام الثنائي للبيانات | جهاز لا يسمح بمرور البيانات إلا في اتجاه واحد | المحتوى الخبيث يمر رغم ذلك | تحويل المحتوى والتحقق منه قبل وصوله إلى الصمام |
وتبقى البرمجيات داخل البيئة المعزولة معرّضة للثغرات. ففي أكتوبر 2026 وحده نشر مشروع vLLM عدة تنبيهات أمنية، صُنّف أحدها عالي الخطورة (التنبيهات الأمنية لـ vLLM، اطُّلع عليها في نوفمبر 2026). فالعزل يمنح وقتًا لتطبيق الإصلاحات، لكنه لا يلغي الحاجة إليها.
وإذا كان نظام الذكاء الاصطناعي يقرأ بيانات المصنع، فأبقوا هذا المسار للقراءة فقط وأحادي الاتجاه، كما هو موضح في مقال دمج الذكاء الاصطناعي مع أنظمة SCADA وOT.
كيف يُحدَّث نظام ذكاء اصطناعي معزول خطوة بخطوة؟
- تحديد ما يجب تحديثه. راجعوا الإصلاحات الأمنية لخادم الاستدلال ونظام التشغيل وبرامج التشغيل وفق دورة ثابتة، مع مسار عاجل للثغرات عالية الخطورة. ولا تُرقّوا النموذج إلا عندما يُظهر التقييم تحسنًا.
- تجميع الحزمة على جهاز بناء متصل. نزّلوا ملفات النموذج، واحفظوا صور الحاويات، واجمعوا ملفات wheel الخاصة بـ Python، وثبّتوا الإصدارات بدقة.
- الفحص والتسجيل. افحصوا الملفات بحثًا عن البرمجيات الخبيثة، وتأكدوا من صيغة safetensors، واحسبوا البصمات، ووقّعوا الحزمة، وحدّثوا السجل.
- النقل عبر المسار المضبوط. استخدموا وسائط مخصصة أو جهاز نقل أحادي الاتجاه. وتحققوا من البصمات والتواقيع عند الوصول.
- التثبيت على نظام تجريبي داخل البيئة المعزولة. يجب أن يطابق بيئة الإنتاج: نوع GPU نفسه، وبرامج التشغيل نفسها، والإعدادات نفسها.
- التقييم قبل التبديل. شغّلوا مجموعة الاختبار المكوّنة من أسئلة حقيقية، بالعربية والفرنسية والإنجليزية، على الإصدارين القديم والجديد. وقارنوا جودة الإجابات وزمن الاستجابة واستهلاك الذاكرة.
- التبديل مع إمكانية التراجع. احتفظوا بالنموذج والصور السابقة على القرص لتتمكنوا من التراجع بسرعة.
- إعادة بناء الفهرس إذا تغيّر نموذج التضمين. المتجهات الناتجة عن نماذج تضمين مختلفة غير متوافقة، لذا فإن نموذج تضمين جديد يعني إعادة فهرسة كل المستندات.
ما حجم البيانات المنقولة؟
تستحوذ أوزان النموذج على الحجم الأكبر. فالقاعدة التقريبية التي تعطيها Hugging Face هي نحو 2 غيغابايت لكل مليار معامل بدقة bfloat16، أي أن نموذجًا من 70 مليار معامل يمثّل نحو 140 غيغابايت من الأوزان (Hugging Face). والإصدارات المكمّمة بـ 8 بت و4 بت أصغر حجمًا. اختاروا وسائط وإجراءات تستوعب مئات الغيغابايتات، وخصّصوا وقتًا لحساب البصمات وفحص ملفات بهذا الحجم. ولجانب GPU، راجعوا مقال تحديد العتاد وحجم GPU لنموذج LLM داخل المنشأة.
ما الذي لاحظناه في KABAS AI
تعمل DALILE، منصتنا للمستندات الصناعية، دون اتصال بالكامل على خوادمكم الخاصة، ولا تحتاج إلى أي وصول إلى الإنترنت. والتصميم وفق هذا القيد يقود إلى ثلاث توصيات عملية.
الاتفاق على إجراء التحديث مع فريق الأمن قبل التثبيت الأول. عادةً ما يحدد فريق الأمن في الموقع مسار النقل والجهات المعتمِدة والوسائط. ويصبح نظام الذكاء الاصطناعي مستخدمًا إضافيًا لهذا الإجراء، لذا حدّدوا معه منذ البداية صيغة الحزم والفحوص والوتيرة.
التخطيط للمستندات لا للنماذج فقط. ترقيات النموذج متباعدة. أما الأدلة والإجراءات والتقارير التي يجيب منها المساعد فتتغير باستمرار، وتحتاج إلى روتين خاص بها لاستخراجها وفهرستها داخل المنطقة.
الإبقاء على النظام التجريبي بعد بدء التشغيل. ففيه يُختبر كل تحديث مع فصل كابل الشبكة، وفيه يُتدرَّب على التراجع.
وعند تقييم المورّدين، اسألوا كيف يعمل منتجهم دون اتصال وما الميزات التي تتوقف؛ ويعرض دليلنا لاختيار مورّد ذكاء اصطناعي صناعي الأسئلة اللازمة. ويمكن لـفريق الاستشارات لدينا المساعدة في تصميم البنية وإجراء التحديث لموقع معزول.
المصادر
- Hugging Face: Pickle scanning and the risks of pickle files
- Hugging Face: Safetensors documentation
- Hugging Face Transformers: Installation and offline mode
- Hugging Face Hub: Environment variables
- Hugging Face: Optimizing LLMs for speed and memory
- vLLM: Usage stats collection
- vLLM: GitHub security advisories
- NVIDIA: Air gap deployment for NVIDIA NIM for LLMs
- Docker: docker image save
- pip: pip download
- Docling on GitHub
- OWASP Top 10 for LLM Applications 2025: LLM03 Supply Chain
- Sigstore: Model transparency and model signing
- ESET Research: Mind the (air) gap, GoldenJackal gooses government guardrails, 2024
- NCSC: Pattern for safely importing data
الأسئلة الشائعة
هل يمكن لنموذج لغوي كبير أن يعمل دون اتصال بالإنترنت؟
نعم. فبمجرد وجود أوزان النموذج وخادم الاستدلال واعتمادياتهما على قرص محلي، لا يحتاج الاستدلال نفسه إلى أي شبكة. لكن بعض المكتبات تحاول التحقق من التحديثات أو إرسال إحصاءات الاستخدام، لذلك يجب ضبط كل مكتبة للعمل دون اتصال واختبارها بعد فصل كابل الشبكة.
كم مرة يجب تحديث نظام ذكاء اصطناعي معزول عن الشبكة؟
لا توجد فترة واحدة صحيحة. يجب مراجعة الإصلاحات الأمنية لخادم الاستدلال ونظام التشغيل وبرامج تشغيل GPU وفق دورة ثابتة، مع مسار عاجل للثغرات عالية الخطورة. أما ترقية النموذج فلا تتم إلا عندما يُظهر تقييم على أسئلتكم الخاصة أن النموذج الجديد أفضل.
هل إدخال النماذج عبر ذاكرة USB آمن؟
يمكن أن يكون آمنًا مع ضوابط. فالوسائط القابلة للإزالة طريق هجوم معروف نحو الشبكات المعزولة، لذا استخدموا وسائط مخصصة ومسجلة في الجرد، وافحصوا المحتوى على محطة منفصلة، وتحققوا من بصمات الملفات وتواقيعها على الجانبين، وفضّلوا صيغة safetensors على ملفات النماذج المبنية على pickle.
ما هو الصمام الثنائي للبيانات (data diode) وهل أحتاج إليه؟
الصمام الثنائي للبيانات جهاز لا يسمح بمرور البيانات إلا في اتجاه واحد. ويقدّم المركز الوطني للأمن السيبراني البريطاني (NCSC) التحكم في التدفق أحادي الاتجاه بوصفه جزءًا من مسار استيراد آمن، إلى جانب تحويل المحتوى والتحقق منه. وهو يصعّب التحكم عن بُعد وسرقة البيانات، لكنه لا يمنع مرور محتوى خبيث، لذلك تبقى الملفات بحاجة إلى فحص.
هل يمكن إضافة مستندات جديدة إلى مساعد ذكاء اصطناعي يعمل دون اتصال؟
نعم. ففي بنية RAG تُحلَّل المستندات الجديدة وتُفهرس داخل المنطقة المعزولة دون أن تغادرها. ويجب أن تعمل أداة استخراج المستندات ونموذج التضمين (embedding) محليًا أيضًا. وإذا غيّرتم نموذج التضمين، فلا بد من إعادة بناء فهرس المستندات بالكامل.



