نموذج تنبؤ بالسلاسل الزمنية يتعلّم قول "لا" لهلوسة نموذج لغوي

تمكّن نظام تحكم يجمع بين نموذج لغوي كبير (Large Language Model) ونموذج تنبؤ يفهم قوانين الفيزياء، من إيقاف خمس هجمات سيبرانية من أصل خمس عشرة هجمة محاكاة على منصة اختبار لمعالجة المياه. والأهم من ذلك أن هذا النظام لم يُنفّذ ولو مرة واحدة إجراءً يخالف القوانين الفيزيائية التي تحكم عمل المحطة.

هذه النتيجة وردت في ورقة بحثية قُدّمت إلى أرشيف "آركايف" (arXiv) في 10 يوليو 2026، تصف بنية "عصبية-وكيلية" (Neuro-Agentic) مصممة لأمن إنترنت الأشياء الصناعي (Industrial IoT). تجمع هذه البنية بين مخطِّط قائم على نموذج لغوي، هو "جيمّناي 2.5 فلاش لايت" (Gemini 2.5 Flash-Lite) في تطبيق الورقة البحثية، ونموذج "تايمز إف إم" (TimesFM)، وهو نموذج أساس مُدرَّب مسبقًا للسلاسل الزمنية (Time-Series Foundation Model) من تطوير جوجل، لرصد ومواجهة الهجمات على أنظمة التقنية التشغيلية (Operational Technology) كتلك التي تُشغّل محطات المياه والمصافي وشبكات الطاقة.

لماذا يُعدّ السماح لنموذج لغوي بلمس أنظمة التحكم الصناعية أمرًا خطيرًا

تُطرح النماذج اللغوية الكبيرة بشكل متزايد كمحركات استدلال للدفاع الذاتي، قادرة على تفسير الشذوذ في قراءات المستشعرات واقتراح إجراءات تصحيحية أسرع من أي مشغّل بشري. لكن المشكلة تكمن في الموثوقية: يمكن لهذه النماذج أن "تهرطق" (Hallucinate) وتقترح تدخلًا يبدو منطقيًا لكنه مستحيل فيزيائيًا، كأن تأمر بضبط صمّام على وضعية تؤدي إلى انفجار أنبوب أو فيضان خزان. وفي بيئة صناعية حية، تنفيذ اقتراح من هذا النوع ليس خللًا برمجيًا هامشيًا، بل حادثة أمان حقيقية.

الحل الذي تقدمه الورقة البحثية يحمل اسم "حقن الفيزياء المضاد للواقع" (Counterfactual Physics Injection). قبل أن يصل أي إجراء يقترحه النموذج اللغوي إلى المُشغِّل الفعلي (Actuator)، يُمرَّر هذا الإجراء عبر محاكاة تستند إلى تنبؤات "تايمز إف إم" حول كيفية استجابة العملية الفيزيائية فعليًا. فإذا كانت النتيجة المتوقعة تخالف القيود الفيزيائية أو تبدو غير آمنة، يُرفض الإجراء قبل أن يصل إلى صمّام أو مضخة أو وحدة تحكم. باختصار: النموذج اللغوي يقترح، والنموذج الفيزيائي يقرر.

الاختبار على مجموعة بيانات صناعية حقيقية

قيّم الباحثون هذا النظام على مجموعة بيانات "معالجة المياه الآمنة" (Secure Water Treatment - SWaT)، وهي معيار مرجعي (Benchmark) صناعي شائع الاستخدام، مبني على محطة معالجة مياه حقيقية مصغّرة، وذلك في ظل سيناريوهات هجوم عشوائية (Stochastic) غير متوقعة. في هذا السياق، نجح النظام العصبي-الوكيلي في إيقاف خمس من الاختراقات المحاكاة، بمعدل نجاح بلغ 33.3%. وكانت نتائج المقارنة المرجعية أضعف: كاشف قائم على شبكة "إل إس تي إم" (LSTM) رصد 26.7% فقط، بينما لم تتجاوز شبكة الالتفاف الزمني (Temporal Convolutional Network - TCN) نسبة 13.3%.

لكن الرقم الأكثر لفتًا للنظر قد يكون الصفر: لم يتمكن أي إجراء ناتج عن هرطقة (Hallucination) من مخطِّط النموذج اللغوي من تجاوز حاجز حقن الفيزياء والوصول فعليًا إلى المحطة المحاكاة. وهذا التمييز أهم من نسبة منع الاختراقات الخام بالنسبة لأي جهة تقيّم مدى أمان نشر وكلاء مدفوعين بنماذج لغوية في بيئات التقنية التشغيلية، لأن نظامًا يوقف الهجمات أحيانًا لكنه قد يصدر أوامر خطيرة من عنده أحيانًا أخرى لا يُعدّ مكسبًا حقيقيًا.

يقع هذا العمل عند تقاطع اتجاهين يكتسبان زخمًا في أبحاث البنية التحتية الحرجة: استخدام نماذج الأساس المُدرَّبة على بيانات المستشعرات الزمنية لكشف الشذوذ، وتغليف وكلاء الاستدلال التوليدي (Generative Reasoning Agents) بطبقات تحقّق قبل السماح لهم بالتصرف. وتبقى مسألة قابلية تعميم "حقن الفيزياء المضاد للواقع" على بيئات صناعية أكثر تعقيدًا من محاكاة معالجة المياه سؤالًا مفتوحًا لم تحسمه الورقة البحثية بالكامل، لكن المنهجية المطروحة تقدّم نموذجًا ملموسًا لضبط الذكاء الاصطناعي الوكيلي (Agentic AI) في مجالات لا تكون الإجابة الخاطئة فيها مجرد خطأ، بل خطرًا فعليًا.