معماری ترکیبی هوش مصنوعی لوکال و ابری برای نهادهای مالی

۶ دقیقه مطالعه
تصویر شاخص SNRTech درباره معماری ترکیبی هوش مصنوعی: ابر، دروازه امنیتی و سرور داخلی که با خطوط متصل‌اند.

مدیر فناوری یک سبدگردان می‌گوید: «همه چیز را لوکال کنیم؛ دیگر نگرانی نداریم.» مدیر عملیات می‌گوید: «مدل‌های ابری خیلی قوی‌ترند؛ چرا از آن‌ها استفاده نکنیم؟» هر دو حرف درست می‌زنند، و جلسه بدون نتیجه تمام می‌شود.

راه‌حل معمولاً انتخاب یکی از این دو نیست. بسیاری از سازمان‌ها هر کار را بر اساس حساسیت داده‌اش به جای مناسب می‌فرستند. این همان معماری ترکیبی (Hybrid) است: بخشی از کار روی مدل لوکال انجام می‌شود، بخشی روی سرویس ابری، و بین آن‌ها یک لایه کنترل قرار دارد.

در این مقاله این معماری را ساده توضیح می‌دهیم: چه اجزایی دارد، داده مشتری چگونه حفظ می‌شود و چه نکاتی را باید پیش از شروع بدانید. اگر هنوز درباره دلیل انتخاب مدل لوکال سؤال دارید، مقاله «چرا نهادهای مالی به هوش مصنوعی لوکال نیاز دارند؟» همین مجموعه را ببینید.

معماری ترکیبی یعنی چه؟

در معماری ترکیبی، سازمان برای هر نوع کار، بهترین محل اجرا را انتخاب می‌کند. محل اجرا یکی از سه حالت است:

  • لوکال: سرور خود سازمان، برای داده محرمانه.
  • ابری: سرویس بیرونی، برای کارهایی که داده حساسی ندارند یا داده آن‌ها پیش‌تر پاک‌سازی شده است.
  • لایه کنترل: نرم‌افزاری در مرز شبکه که تصمیم می‌گیرد هر درخواست به کجا برود.

ارزش این معماری در همان لایه سوم است. بدون آن، تصمیم به‌عهده تک‌تک کارمندان می‌ماند و دقیقاً همان صحنه چسباندن گزارش محرمانه در چت‌بات عمومی تکرار می‌شود.

اجزای اصلی یک معماری ترکیبی

۱. دروازه هوش مصنوعی (AI Gateway)

همه درخواست‌های کاربران ابتدا به یک دروازه داخلی می‌رسند. دروازه هویت کاربر را می‌شناسد، نقش او را بررسی می‌کند و از هر درخواست یک رد ثبت می‌کند. مدیر انطباق با این گزارش‌ها می‌تواند بپرسد چه کسی، چه موقع، چه چیزی پرسید.

۲. طبقه‌بندی و پاک‌سازی داده

دروازه محتوای درخواست را بررسی می‌کند. اگر متن شامل نام مشتری، کد ملی، شماره حساب یا کد بورسی باشد، دو راه وجود دارد: درخواست به مدل لوکال می‌رود، یا اطلاعات شناسایی با نشانه‌های بی‌معنا جایگزین می‌شود (مثلاً «مشتری-۱») و فقط متن پاک‌سازی‌شده بیرون می‌رود. جواب که برگشت، نشانه‌ها دوباره با مقدار واقعی عوض می‌شوند.

این بخش حساس‌ترین قسمت پروژه است. دقت آن باید با نمونه واقعی داده خودتان سنجیده شود، چون هیچ فیلتری صددرصد نیست.

۳. مدل لوکال

مدل لوکال کارهای محرمانه را انجام می‌دهد: خلاصه گزارش‌های داخلی، پاسخ به پرسش درباره پرتفوی یک مشتری، جست‌وجو در مستندات انطباق.

۴. مدل ابری

مدل ابری برای کارهایی است که به توان زیاد نیاز دارند و داده حساس ندارند. مثال: بازنویسی متن عمومی، ترجمه، یا توضیح یک مفهوم مالی.

۵. بازیابی اطلاعات (RAG) روی داده خودتان

در روش RAG، اسناد سازمان در یک پایگاه داده داخلی نگه‌داری می‌شوند و فقط تکه‌های مرتبط با هر پرسش به مدل داده می‌شوند. اسناد شما هرگز کامل به بیرون نمی‌روند. اگر مدل لوکال این کار را بکند، حتی همان تکه‌ها هم داخل شبکه می‌مانند.

داده مشتری در این مسیر چگونه حفظ می‌شود؟

حفاظت از داده فقط یک ویژگی نیست و چند لایه کنار هم دارد:

  • قاعده پیش‌فرض بسته: هر نوع داده‌ای که صراحتاً مجاز نشده باشد، فقط به مدل لوکال می‌رسد.
  • فهرست داده ممنوع برای بیرون: مثلاً اطلاعات حساب و معاملات مشتری هرگز به سرویس ابری نمی‌رود.
  • ثبت رخداد: هر درخواست و مسیر آن ثبت می‌شود تا بعداً قابل بازرسی باشد.
  • کنترل دسترسی: کارمند فقط به پاسخ‌هایی دسترسی دارد که از قبل حق دیدن داده‌هایشان را دارد.
  • کلیدها در اختیار سازمان: رمزها و کلیدهای دسترسی به سرویس‌های بیرونی در گاوصندوق داخلی نگه‌داری می‌شوند.

نکته مهم: این قواعد را کد می‌نویسد، نه توصیه‌نامه. پس باید آزمایش شوند.

ربط این معماری با نظارت و الزامات بازار سرمایه

مکنا طبق گزارش روزنامه تعادل برای دسترسی به اطلاعات طبقه‌بندی‌شده، به‌ویژه داده معاملاتی و پس از معامله، دستورالعملی تدوین کرده و هر شرکت دارای مجوز را ملزم می‌داند پیش از بهره‌برداری، تأیید امنیتی سامانه‌های خود را از مکنا بگیرد. هر معماری که این داده‌ها را به سرویس بیرونی نزدیک کند، باید در این چارچوب بررسی شود.

از طرف دیگر، رئیس سازمان بورس در روز کارگزار (مهر ۱۴۰۵) اعلام کرد که ضوابط استفاده از هوش مصنوعی ابلاغ شده است. متن کامل ضوابط در منابعی که ما دیدیم موجود نبود. پس نمی‌گوییم کدام بخش معماری ترکیبی مجاز است یا نیست. این قضاوت با متن رسمی و واحد انطباق شماست.

یک نکته کاربردی: معماری ترکیبی به شما امکان می‌دهد هر تصمیم ناظر را با تغییر یک قاعده در دروازه اجرا کنید، بدون بازنویسی کل سیستم. اگر فردا مشخص شود نوعی داده نباید بیرون برود، فقط قاعده آن را بسته می‌کنید.

ریسک‌ها و محدودیت‌های معماری ترکیبی

پیچیدگی بیشتر

دو محیط اجرا یعنی دو برابر نگه‌داری. دروازه، مدل لوکال، پایگاه داده و اتصال ابری هر کدام باید پایش شوند.

خطای پاک‌سازی

اگر الگوریتم تشخیص اطلاعات شخصی یک مورد را از دست بدهد، آن مورد به بیرون می‌رود. به همین دلیل برای داده بسیار حساس، قاعده «اصلاً بیرون نرود» از «پاک‌سازی و بیرون فرستادن» امن‌تر است.

کیفیت متفاوت پاسخ‌ها

مدل لوکال و مدل ابری پاسخ‌های هم‌سطح نمی‌دهند. کاربر ممکن است تفاوت را حس کند. باید مشخص کنید کدام کار به کدام مدل می‌رسد و چرا.

هزینه تغییر

اگر امروز سیستم را با یک ارائه‌دهنده ابری ببندید، فردا تغییرش گران می‌شود. دروازه را طوری بسازید که عوض کردن مدل پشت آن آسان باشد.

نقشه راه ساخت در چهار مرحله

1. بررسی داده: انواع داده و سطح حساسیت هر کدام را فهرست کنید.

2. نمونه اولیه محدود: یک کار مشخص را با دروازه و یک مدل لوکال اجرا کنید.

3. افزودن مسیر ابری: فقط برای کارهای غیرحساس، با ثبت کامل رد درخواست‌ها.

4. بازبینی امنیتی و انطباق: پیش از استفاده سازمانی، با واحد امنیت و انطباق معماری را مرور کنید.

یک نمونه اولیه سریع می‌تواند ایده را نشان بدهد، ولی راه‌اندازی عملیاتی کار دیگری است. مقاله وایب کدینگ چیست؟ درباره همین تفاوت نمونه سریع و نرم‌افزار قابل اعتماد توضیح می‌دهد.

سؤالات متداول

آیا معماری ترکیبی برای سازمان کوچک هم لازم است؟

اگر سازمان شما با داده مشتری کار می‌کند و کارکنان از هوش مصنوعی استفاده می‌کنند، حتی در اندازه کوچک هم باید مرز داده را مشخص کنید. شروع می‌تواند ساده باشد: یک دروازه و یک مدل لوکال.

آیا می‌شود فقط با پاک‌سازی داده، از مدل ابری استفاده کرد؟

برای بعضی کارها می‌شود، اما پاک‌سازی بی‌نقص نیست. برای داده بسیار حساس، ما ماندن در سازمان را پیشنهاد می‌کنیم.

ابری یعنی حتماً خارج از کشور؟

نه. «ابری» فقط یعنی سرویس را شخص دیگری اجرا می‌کند. هر ارائه‌دهنده را از نظر محل پردازش و شرایط قرارداد بررسی کنید.

چقدر طول می‌کشد؟

زمان به دامنه کار بستگی دارد. نمونه محدود معمولاً زودتر آماده می‌شود و سیستم کامل باید پس از آزمایش و بازبینی امنیتی وارد کار شود. عدد دقیق را پس از بررسی نیازهای شما برآورد می‌کنیم.

جمع‌بندی

معماری ترکیبی به شما اجازه می‌دهد از توان هوش مصنوعی استفاده کنید، بدون آنکه داده مشتری به دست یک کارمند، یک ابزار یا یک سرویس بی‌کنترل بیفتد. کلید کار، لایه کنترل و قاعده‌های روشن درباره داده است.

SNRTech نرم‌افزار اختصاصی، عامل‌های هوشمند و اپلیکیشن‌های ابری می‌سازد. اگر می‌خواهید معماری مناسب سازمان خود را بررسی کنیم، با ما در ارتباط باشید.

دیدگاه‌ها

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.