باحثون يحوّلون أمن الشبكات الكمومية إلى "لعبة خصومة"... ثم يستدعون نموذجاً لغوياً لتفسير النتائج

دراسة جديدة تعيد تعريف أمن الشبكات الكمومية المعتمدة على التشابك (Entanglement) بوصفها "مشكلة قطّاع الطرق" (Bandit Problem)، حيث تتنافس خوارزمية توجيه المسارات ضد خصم يتربص بالشبكة، وذلك عبر عشرات المخططات الشبكية المحاكاة. الورقة البحثية، المقدَّمة إلى ورشة IEEE QCE26 حول التقاء الحوسبة الكمومية والذكاء الاصطناعي التوليدي (Q-GenAI) في 10 يوليو 2026، تفحص مدى صلابة بروتوكول إيكرت-91 (Ekert-91 / E91) عندما يستطيع خصم انتقائي مهاجمة وصلات محددة داخل شبكة مكررات كمومية (Quantum Repeater Network). واللافت أن الباحثين لم يتوقفوا عند التحليل الرياضي، بل أضافوا طبقة جديدة: نموذج لغوي (LLM) مهمته تفسير أسباب نجاح أو فشل قرارات التوجيه.

يقوم التصميم الأساسي للدراسة على معاملة اختيار المسار كمشكلة "قطّاع طرق متعدد الأذرع خصومي" (Adversarial Multi-Armed Bandit): طرف مدافع يختار مساراً عبر الرسم البياني للشبكة الكمومية، بينما خصم يُطلق عليه اسم "إيف" (Eve) يقرر أين يعترض. أجرى الباحثون هذه المباراة الافتراضية عبر 50 بنية شبكية منظمة، وتابعوا مدى بقاء الوصلات المتشابكة سليمة تبعاً لموقعها داخل الرسم البياني للشبكة.

عندما تنهار "الاختناقات" وتتماسك باقي المسارات بهدوء

أهم ما توصلت إليه الدراسة يتعلق بما يحدث تحت نموذج هجوم بسطح واحد، أي حين تستطيع "إيف" اختراق سطح هجوم واحد فقط في كل جولة. النتيجة كانت صادمة بالنسبة للمسارات المصنّفة كـ"اختناقات" (Bottleneck)، وهي مسارات لا تملك أي تكرار احتياطي (Redundancy): معدل بقائها ينهار إلى الصفر فور استهدافها. لا يوجد هنا تدهور تدريجي؛ الاتصال يفشل مباشرة وبالكامل.

أما المسارات غير المصنّفة كاختناقات، فسلوكها مختلف تماماً. هذه المسارات تتبع ما وصفه الباحثون بـ"مبدأ التغطية 1-1/N"، حيث يمثل الرمز N عدد المسارات البديلة المتوفرة. وكلما زاد التكرار الاحتياطي، ارتفعت المتانة بشكل مباشر ومقيس رياضياً، وهو ما يمنح مهندسي الشبكات معياراً رقمياً واضحاً لتحديد قدر التنوع في المسارات اللازم لضمان استمرار توزيع التشابك حتى في ظل تدخل نشط من خصم.

اختبار النموذج المتعلَّم في مواجهة الحل النظري الأمثل

للتأكد من أن نهج التوجيه القائم على "قطّاع الطرق" يتعلم استراتيجية فعلية ذات معنى، وليس مجرد حفظ لأنماط رسومات بيانية محددة (Overfitting)، قارن الفريق سلوك البقاء المتعلَّم بحل المصفوفة الكاملة بأسلوب "مينيماكس" (Minimax)، وهو المرجع النظري الأمثل للعب الخصومي. النتيجتان تقاربتا بشكل لافت، بمعامل ارتباط بيرسون (Pearson Correlation Coefficient) بلغ 0.99، وهو ما يشير إلى أن السياسة المتعلَّمة تقترب من التوجيه الدفاعي الأمثل تقريباً، دون الحاجة لحل مشكلة المينيماكس الكاملة مباشرة.

تفسير قرارات النموذج بواسطة شجرة القرار والنماذج اللغوية

لم تتوقف الورقة عند آليات التوجيه، بل تناولت أيضاً قابلية التفسير (Interpretability). بنى الفريق نماذج شجرة قرار (Decision Trees) لتفسير النتائج على مستوى الرسم البياني، والهجوم، والمسار، ثم قاسوا مدى دقة تمثيل هذه الأشجار للسلوك الفعلي لنموذج "قطّاع الطرق" الأساسي. وفي خطوة موازية، صمّم الباحثون مطالبات نصية منظمة (Structured Prompts) تُغذّى بملخصات "أدلة الشجرة" إلى نماذج لغوية محلية، لتوليد تفسيرات باللغة الطبيعية توضح سبب نجاة بعض مسارات المكررات الكمومية أو انهيارها تحت الهجوم.

هذا الدمج بين نظرية التعلم الخصومي التقليدية والتفسير المولَّد بواسطة نماذج لغوية كبيرة يعكس اتجاهاً أوسع: استخدام الذكاء الاصطناعي التوليدي ليس لتشغيل المحاكاة الفيزيائية نفسها، بل لجعل مخرجات نماذج أمن الشبكات المعقدة مفهومة لمشغّلين بشريين. وفي مجال الشبكات الكمومية على وجه التحديد، حيث لا يزال الحدس بشأن توزيع التشابك ومخاطر التنصت موضع جدل بين المتخصصين، فإن وجود طبقة أوتوماتيكية تترجم إحصاءات مستوى البنية الشبكية إلى تفسيرات مقروءة قد يكون له وزن لا يقل عن وزن خوارزمية التوجيه نفسها.