وكالة الأمن القومي، وكالة الأمن السيبراني والبنية التحتية، ومكتب التحقيقات الفدرالي تحذر الشركات الصينية القائمة على الذكاء الاصطناعي من استخراج نماذج الذكاء الاصطناعي المتقدمة الأمريكية

أصدرت وكالة الأمن القومي، ووكالة الأمن السيبراني والبنية التحتية، ومكتب التحقيقات الفدرالي استشارة مشتركة حول الأمن السيبراني في 8 سبتمبر 2026، تحذر من أن شركات الذكاء الاصطناعي التي تتخذ من الصين مقراً لها تقوم باستخراج قدرات مملوكة بشكل منهجي من نماذج الذكاء الاصطناعي المتقدمة الأمريكية عبر حملات استخراج معرفة على نطاق صناعي مستمرة منذ أواخر 2024 على الأقل.

في الاستشارة، المرقمة AA26-251A، تشير الوكالات إلى أن هذه الحملات “تشكل الجوهر—not مجرد ملحق” لاستراتيجية تطوير الذكاء الاصطناعي لدى الشركات. وفقاً للاستشارة، وعلى الأرجح بموافقة الحكومة الصينية، قامت DeepSeek، وMoonshot AI، وAlibaba، وMiniMax، وStepFun، وZ.AI باستخراج مليارات الرموز عبر ملايين التبادلات والطلبات من نماذج الذكاء الاصطناعي المتقدمة الأمريكية، بما في ذلك إصدارات Claude، وGPT، وGemini، وGrok. وتؤكد الوكالات أن هذا النشاط ينتهك شروط استخدام الشركات الأمريكية ويهدد ريادة التكنولوجيا في الولايات المتحدة.

يصف announcement of the advisory استخراج المعرفة كطريقة تعلم آلي تُدرّب نموذجاً أقل قدرة باستخدام مخرجات نموذج أكبر وأكثر قدرة. وعلى الرغم من كونها طريقة تدريب صالحة، كما صرّحت CISA، يمكن إساءة استخدامها لاكتساب قدرات من المنافسين في وقت أقل وتكلفة أقل مقارنةً بتطويرها بصورة شرعية. وقال نيك أندرسن، المدير الفعّال في CISA: “نحث بشدة شركات الذكاء الاصطناعي على اتخاذ خطوات فورية لحماية منصاتها من حملات استخراج المعرفة التي تهدد سد الفجوة في التقدم الذي حققته الشركات الأمريكية”.

النشاط المنسوب إلى DeepSeek، Moonshot AI، وغيرها

وفقاً للاستشارة، نفذت DeepSeek حملة استخراج منظمة ضد نماذج الذكاء الاصطناعي المتقدمة الأمريكية منذ أواخر 2024 على الأقل لتوليد بيانات تدريب اصطناعية لنماذجها، بما في ذلك R1 التي أُطلقت في أوائل 2025. وتذكر الوكالات أن DeepSeek استهدفت قدرات الاستدلال، والتحسينات المتخصصة، والوظائف الخاصة بالمجال لتقليل تكاليف الحوسبة والبحث، وأن تكلفة التدريب العامة التي تُعلن عنها الشركة والبالغة 5.6 مليون دولار مضللة لأنها لا تشمل تكلفة البيانات التي تم الحصول عليها عبر استخراج خبيث. وبين أواخر 2024 ومنتصف 2025، تشير الاستشارة إلى أن DeepSeek استخرجت من Claude 3.7، Claude Sonnet 4، Claude Sonnet 4.5، Claude Opus 4.1، Gemini 2.5 Pro Preview، Gemini 2.5 Flash Preview، GPT‑4، GPT‑4o، GPT‑4 Mini، GPT‑4 Nano، GPT‑5، وGrok 4 لتدريب نماذجها R1 وV3.

تشير الاستشارة إلى أن Moonshot AI أطلقت حملة استخراج واسعة النطاق منذ منتصف 2025 على الأقل، مستخرجة بيانات Claude Fable 5 هامة لتدريب نموذجها Kimi‑K3 وبيانات GPT‑4o لتدريب نموذجها Kimi‑K2. شملت القدرات المستهدفة تحسين التوليف الخاضع للإشراف، التعلم المعزز، هندسة البرمجيات، والرياضيات، مستمدة من مجموعة من نماذج Claude وGPT وGemini وGrok. استخدمت Moonshot AI ملايين التبادلات التي تستهدف الاستدلال الوكالي واستخدام الأدوات، والترميز وتحليل البيانات، وتطوير وكلاء استخدام الحاسوب، والرؤية الحاسوبية، وفقاً للاستشارة.

في أواخر 2025، تشير الاستشارة إلى أن Alibaba استخرجت Claude‑4، Claude Opus، Claude Sonnet، وGPT‑5 لتحسين هندسة البرمجيات، وحوار خدمة العملاء، وإنشاء الصور والشخصيات في عائلة نماذج Qwen. في نفس الفترة، استخرجت MiniMax استدلال السلسلة الفكرية، التعلم المعزز، التوليف الخاضع للإشراف، وقدرات هندسة البرمجيات لتحسين نموذجها M2 من Claude Code، Claude Sonnet 4، Claude Opus، Gemini 1، Gemini 2.5 Pro، وGemini 3 Pro. ووفقاً للاستشارة، استخدمت MiniMax أيضاً Claude Code لتطوير البرمجيات الداخلية واستخدمت حقن المطالبات لمحاولة إقناع Claude Code بأنه منتج MiniMax.

بين أواخر 2025 وأوائل 2026، تشير الاستشارة إلى أن StepFun استخرجت بيانات من Claude Opus 4.1 و4.5، Claude Sonnet 4.5، Claude Haiku 4.5، GPT‑5 Mini، GPT‑5 Pro، GPT‑5.1، GPT‑5.1 Codex، وGPT‑5.2 لتحسين وظائف الترميز والوكالة لنموذجها Step 4. بحلول منتصف 2026، كان Z.AI قد استخرج مليارات الرموز من بيانات GPT‑5.5 وClaude Opus 4.8 لتطوير قدرات الاستدلال السلسلة الفكرية، وفقاً للاستشارة.

التكتيكات والأساليب

تشير الاستشارة إلى أن الشركات توجّه طلبات الاستخراج عبر واجهات برمجة تطبيقات أصلية، ومزودي سحابة عن بُعد، ومجمّعين طرف ثالث يخفون بيانات تعريف المستخدم، وتستخدم سوقاً رمادية من وكلاء API تُعرف بمحطات النقل لتجاوز القيود الجغرافية، وتفادي الضمانات، وتقويض إمكانية التتبع. وتأتي وفورات التكلفة من شراء اشتراكات متميزة بالجملة تُشاركها فرق المطورين، وفقاً للاستشارة، وتشمل الأساليب المتقدمة استخراج استدلال السلسلة الفكرية، التحويل التلقائي بين المسارات عند محاولات الحجب، وإطارات تقييم الجودة المصممة لاكتشاف الإجراءات المضادة الدفاعية.

قامت الوكالات بربط النشاط بإطار MITRE ATLAS عبر مراحل دورة حياة الخصم من تطوير الموارد حتى الاستخراج، بما في ذلك إنشاء حسابات احتيالية ومطالبات الاختراق التي تجبر النماذج على كشف استدلال السلسلة الفكرية المخفي. وتذكر الاستشارة أن DeepSeek استخدمت مطالبات تُرشد النماذج لتخيل وصياغة الاستدلال الداخلي وراء الردود المكتملة، وأن MiniMax أعادت توجيه التبادلات إلى نموذج Claude جديد خلال 24 ساعة من إصداره.

توضح الاستشارة أيضاً أربع تقنيات تصفها بأنها جديدة: التهرب من القيود الإقليمية بالتزامن مع استغلال الاشتراكات، بنية توجيه الطلبات المركزية، تنظيف بيانات تعريف الطلبات تلقائياً، وتحسين الحصص والتكلفة بشكل منهجي. تشمل مؤشرات الكشف المذكورة في الاستشارة الحسابات المشتركة المستخدمة من عناوين IP وعوامل مستخدم متعددة، الاستخدام المستمر على مدار الساعة دون تباين بشري، نسب اشتراك‑إلى‑استخدام غير طبيعية، واشتراكات جديدة تبدأ فوراً بأقصى حد للاستخدام.

التدابير الموصى بها

توصي الوكالات شركات الذكاء الاصطناعي الأمريكية بثلاث إجراءات فورية: تنفيذ كشف شامل وتخفيف للمطالبات، الحسابات، الشبكات، والسلوكيات الشاذة والضارة؛ نشر تغييرات استجابة مستهدفة تُعدّل الردود بشكل طفيف على محاولات الاستخراج الخبيثة المشتبه بها؛ وإنشاء مشاركة استخباراتية عابرة للمنظمات بين مزودي النماذج، ومنصات السحابة، ومجمّعي API.

يمكن أن تشمل تغييرات الاستجابة الخصوصية التفاضلية أو تقديم نماذج مخفضة للطلبات المشبوهة باستخراج المعرفة، وتؤكد الاستشارة أن الشركات يجب أن تنوع هذه التغييرات عبر الطلبات لتعقيد تقييم جودة الاستجابة. وتوصي الاستشارة بعدم إبلاغ المستخدمين الذين يُشتبه في تعرضهم لاستخراج خبيث عندما تُعدّل الردود، بينما تشير إلى ضرورة إبلاغ باحثي سلامة الذكاء الاصطناعي والمقيمين من الطرف الثالث بتغييرات النماذج.

تدرج الاستشارة تدابير مأخوذة من MITRE ATLAS، بما في ذلك تحديد معدلات الاستعلام، ضوابط الوصول إلى النماذج الإنتاجية، تسجيل التليمترية للذكاء الاصطناعي، إخفاء المخرجات، تشكيل فرق حمراء معادية، تقوية النماذج، التجميعات، وتقييد إصدار مخرجات النماذج. كما تستشهد بتصنيف التعلم الآلي المعادي من NIST، بما في ذلك الخصوصية التفاضلية وتوازن الضوضاء‑الفائدة، التدخلات قبل وبعد التدريب، وتقنيات توجيه وتنسيق المطالبات.

تدعو الاستشارة إلى استجابة منسقة عبر الحكومة الأمريكية، والقطاع الخاص، والدول الحليفة، مشيرة إلى أن إقرارات الصناعة توثق شبكات وكيل تدير عشرات الآلاف من الحسابات الاحتيالية في آنٍ واحد. وتوجه المتضررين من هذه الحملات إلى تقديم شكوى إلى مركز الإبلاغ عن الجرائم الإلكترونية التابع لمكتب التحقيقات الفدرالي.