تهدید پنهان هوش مصنوعی برای نهادهای دولتی
در سال‌های اخیر، بسیاری از دولت‌ها و نهادهای اجرایی در جهان به سمت استفاده گسترده از سامانه‌های مبتنی بر هوش مصنوعی حرکت کرده‌اند. از چت‌بات‌های پاسخگوی سازمانی گرفته تا سیستم‌های تحلیل اسناد، اتوماسیون اداری، تحلیل داده‌های عمومی و حتی ابزارهای تصمیم یار مدیریتی، همگی به تدریج در حال تبدیل شدن به بخشی از زیرساخت‌های حکمرانی دیجیتال هستند. اما همزمان با این تحول، تهدیدی نوظهور نیز در حال شکل گیری است که هنوز در بسیاری از ساختارهای اداری به درستی شناخته نشده: Prompt Injection یا تزریق پرامپت.
به عنوان پژوهشگر حوزه هوش مصنوعی، معتقدم Prompt Injection یکی از مهم‌ترین چالش‌های امنیتی نسل جدید سیستم‌های هوشمند محسوب می‌شود؛ تهدیدی که برخلاف حملات سنتی سایبری، مستقیماً منطق زبانی و سازوکار تصمیم‌گیری مدل‌های هوش مصنوعی را هدف قرار می دهد.
Prompt Injection دقیقاً چیست؟
در ساده‌ترین تعریف، Prompt Injection به مجموعه تکنیک‌هایی گفته می‌شود که در آن مهاجم تلاش می‌کند از طریق ورودی‌های متنی، رفتار مدل هوش مصنوعی را تغییر دهد یا محدودیت‌های آن را دور بزند. این دستورات ممکن است کاملاً آشکار باشند یا به شکل پنهان در یک متن، ایمیل، فایل PDF، سند اداری یا حتی محتوای یک وب‌سایت قرار داده شوند.
برخلاف نرم‌افزارهای سنتی که معمولاً بر اساس دستورات قطعی عمل می کنند، مدل های زبانی بزرگ اطلاعات را به شکل احتمالاتی و معنایی پردازش می‌کنند. همین ویژگی باعث می‌شود مهاجم بتواند با استفاده از زبان طبیعی، مدل را فریب دهد یا مسیر تصمیم گیری آن را تغییر دهد.
چرا این تهدید برای ساختارهای دولتی اهمیت بیشتری دارد؟
در بسیاری از سازمان‌های دولتی، اطلاعات حساس در جریان پردازش روزمره قرار دارند. پرونده‌های اداری، اطلاعات شهروندان، مکاتبات داخلی، گزارش‌های مدیریتی، داده‌های مالی و حتی اسناد امنیتی، همگی ممکن است در آینده توسط سیستم‌های مبتنی بر هوش مصنوعی تحلیل شوند.
حال تصور کنید یک سامانه هوش مصنوعی وظیفه خلاصه‌سازی نامه‌های اداری یا تحلیل اسناد داخلی را برعهده داشته باشد. اگر مهاجم بتواند داخل یکی از اسناد، دستور مخربی پنهان کند، مدل ممکن است:
- بخشی از اطلاعات محرمانه را افشا کند.
- محدودیت‌های امنیتی را نادیده بگیرد.
- خروجی‌های اشتباه یا گمراه کننده تولید کند.
- داده‌های حساس را در پاسخ‌های بعدی بازنشر دهد.
- به سامانه‌های متصل دستورات ناخواسته ارسال کند.
این مسئله زمانی خطرناک‌تر می‌شود که آیجنت‌های هوش مصنوعی وارد ساختارهای اجرایی شوند؛ یعنی سیستم‌هایی که فقط تولید متن نمی‌کنند، بلکه می‌توانند اقدام انجام دهند، ایمیل ارسال کنند، فرم ثبت کنند یا به پایگاه‌های داده متصل شوند.
تفاوت Prompt Injection با حملات سایبری سنتی
یکی از اشتباهات رایج این است که سازمان‌ها تصور می‌کنند با داشتن فایروال، آنتی ویروس یا سامانه‌های امنیت شبکه، در برابر تهدیدات هوش مصنوعی نیز ایمن هستند. در حالی که Prompt Injection اساساً یک حمله زیرساختی نیست، بلکه حمله به درک زبانی مدل است.
در واقع، مهاجم به جای نفوذ مستقیم به سرور، تلاش می‌کند خود مدل هوش مصنوعی را متقاعد کند که رفتاری متفاوت از سیاست‌های اصلی سیستم انجام دهد.
این تغییر پارادایم امنیتی، نیازمند بازتعریف بسیاری از استانداردهای امنیت اطلاعات در نهادهای دولتی است.
چرا بسیاری از سازمان‌ها هنوز آمادگی ندارند؟
واقعیت این است که سرعت توسعه ابزارهای هوش مصنوعی از سرعت تدوین استانداردهای امنیتی بیشتر بوده است. بسیاری از سازمان‌ها هنوز در مرحله آزمایشی استفاده از هوش مصنوعی قرار دارند و بخش مهمی از مدیران و کارشناسان، شناخت دقیقی از آسیب‌پذیری‌های این فناوری ندارند.
در بسیاری از پروژه‌ها، تمرکز اصلی روی افزایش بهره‌وری و کاهش هزینه‌ها قرار گرفته، در حالی که لایه‌های امنیتی مرتبط با مدل‌های زبانی هنوز به بلوغ کافی نرسیده‌اند.
همین مسئله می‌تواند در آینده نزدیک، سازمان‌ها را با بحران‌های اطلاعاتی و حقوقی جدی مواجه کند.
راهکار چیست؟
مقابله با Prompt Injection صرفاً با یک ابزار امنیتی ممکن نیست. این مسئله نیازمند رویکردی چندلایه است که شامل موارد زیر می شود:
- طراحی معماری امن برای هوش مصنوعی.
- محدودسازی سطح دسترسی مدل‌ها.
- فیلتر و پالایش ورودی‌ها.
- تست‌های امنیتی تهاجمی.
- نظارت انسانی بر تصمیمات حساس.
- آموزش تخصصی کارکنان و مدیران.
- تدوین استانداردهای حاکمیت هوش مصنوعی.
به اعتقاد بنده، در سال‌های آینده امنیت هوش مصنوعی به یکی از مهم‌ترین حوزه‌های راهبردی دولت‌ها تبدیل خواهد شد. سازمان‌هایی که امروز برای این تهدید آماده نشوند، در آینده هزینه‌های سنگین‌تری از نظر امنیت، اعتبار و اعتماد عمومی پرداخت خواهند کرد.