الذكاء الاصطناعي الخفي وأمن المتصفح: حماية البيانات عند استخدام الموظفين لأدوات الذكاء الاصطناعي
- تتسبب «الذكاء الاصطناعي الخفي» بالفعل في حدوث انتهاكات للأمن. فقد أبلغت واحدة من كل خمس مؤسسات عن تعرضها لانتهاك أمني بسبب «الذكاء الاصطناعي الخفي» في عام 2025، في حين لم تبلغ سوى 37% منها عن ذلك.
- يُعد المتصفح نقطة التحكم الرئيسية. حيث يصل الموظفون إلى ChatGPT وGemini وClaude وCopilot عبر متصفحات الويب — مما يجعل SWG،.
- إن الحظر التام لأدوات الذكاء الاصطناعي يؤدي إلى نتائج عكسية. فالحظر الشامل يدفع المستخدمين إلى استخدامها سراً.
- تتطلب الأطر اتخاذ إجراءات فورية. ويُحدد تقرير NIST AI 600 1 تسرب خصوصية البيانات باعتباره خطرًا متميزًا مرتبطًا بالذكاء الاصطناعي من الجيل الجديد (GenAI).
- هذه التكلفة قابلة للقياس. فقد تسببت «الذكاء الاصطناعي الخفي» في تكاليف إضافية متعلقة بانتهاكات الأمان بلغت في المتوسط 670,000 دولار (IBM، 2025).
- الحوكمة التي تفتقر إلى آليات التنفيذ الفنية محكوم عليها بالفشل. 97% من المؤسسات التي أبلغت عن حدوث خرق متعلق بالذكاء الاصطناعي لم تكن تمتلك آليات وصول مناسبة إلى أنظمة الذكاء الاصطناعي.
- منحنى المخاطر حاد. تتوقع شركة «غارتنر» أنه بحلول عام 2030، ستواجه أكثر من 40% من الشركات مشكلات تتعلق بالأمن أو الامتثال.
اكتشف فريق التسويق لديكم مؤخرًا أن 40% من الموظفين يقومون بلصق بيانات العملاء في أدوات ذكاء اصطناعي غير معتمدة خلال ساعات العمل العادية — وذلك عبر نفس المتصفح الذي يستخدمونه لتطبيقات SaaS المعتمدة. ولم تكن هناك أي برامج ضارة متورطة في الأمر. ولم يتم اختراق أي حاجز أمني. فقد قام أحد المحللين بنسخ قائمة عملاء من Salesforce، ولصقها في روبوت دردشة عام لتوليد أفكار للتجزئة، ثم قام بتنزيل النتائج، ومزامنة الملف مع مساحة التخزين السحابية الشخصية. وكان المتصفح بمثابة مساحة العمل، ونقطة الدخول، وقناة التسريب — كل ذلك في آن واحد.
أصبح «الذكاء الاصطناعي الخفي» — أي الاستخدام غير المصرح به لأدوات الذكاء الاصطناعي دون رقابة أو حوكمة من جانب قسم تكنولوجيا المعلومات — إحدى أكثر مشكلات أمن البيانات إلحاحًا التي قد يواجهها مسؤول أمن المعلومات، والمتصفح هو المكان الذي تحدث فيه هذه المشكلة.
سيناريو الذكاء الاصطناعي «الظل» الذي يجب أن يخشاه كل مسؤول أمن المعلومات
إليكم ما يبدو عليه حادث «الذكاء الاصطناعي الخفي» النموذجي — ولماذا يصعب للغاية اكتشافه باستخدام وسائل الرقابة التقليدية.
يقوم مدير منتجات في شركة متوسطة الحجم متخصصة في التكنولوجيا المالية بنسخ بيانات شكاوى العملاء من نظام إدارة علاقات العملاء (CRM) التابع للشركة، ثم يفتح علامة تبويب جديدة في المتصفح، ويلصقها في روبوت دردشة يعمل بالذكاء الاصطناعي من الفئة المجانية، وذلك لإعداد مسودة تحليل للاتجاهات من أجل المراجعة الفصلية. وتسمح شروط خدمة روبوت الدردشة لمزود الخدمة باستخدام المدخلات لتدريب النماذج. وتشمل البيانات الأسماء وأرقام الحسابات وتفاصيل المعاملات. يقوم مدير المنتج بتنزيل الملخص الذي أنشأه الذكاء الاصطناعي، ويرسله عبر البريد الإلكتروني إلى ثلاثة من زملائه، ويحفظ نسخة منه في مجلد شخصي على Google Drive.
لم يتم تشغيل أي جدار حماية. ولم يقم أي وكيل نقطة نهاية بالإبلاغ عن النص الملصق. ولا تقوم سياسة منع تسرب البيانات (DLP) التي تراقب مرفقات البريد الإلكتروني بفحص عمليات الحافظة التي تتم عبر المتصفح. ويلاحظ نظام CASB عملية المزامنة مع Google Drive، لكنه لا يملك أي رؤية لما تم لصقه في علامة تبويب روبوت الدردشة قبل عشر دقائق.
هذا ليس مجرد افتراض. فقد كشف تقرير شركة «منلو سيكيوريتي» لعام 2025 عن تسجيل 155,005 محاولة نسخ و313,120 محاولة لصق في أدوات الذكاء الاصطناعي العام (GenAI) خلال شهر واحد، مما يوضح كيف يقوم الموظفون بشكل روتيني بنقل البيانات الحساسة إلى أدوات الذكاء الاصطناعي عبر حافظة المتصفح. وكشفت دراسة استقصائية أجرتها شركة Gartner شملت 302 من قادة الأمن السيبراني في الفترة من مارس إلى مايو 2025 أن 69% من المؤسسات تشك أو لديها أدلة على أن الموظفين يستخدمون أدوات GenAI العامة المحظورة.
المتصفح هو المكان الذي تخرج منه البيانات، مما يجعله المكان الذي يجب عليك فرض الرقابة عليه.
لماذا تفشل الأساليب الأمنية القديمة في مواجهة «الذكاء الاصطناعي الخفي»؟
صُممت البنى الأمنية التقليدية لحماية البيانات المخزنة في قواعد البيانات، والبيانات التي يتم نقلها بين الخوادم، والبيانات التي يتم الوصول إليها عبر نقاط النهاية الخاضعة للإدارة. وتقوم «شادو إيه آي» بتحطيم كل واحد من هذه الافتراضات.

يعتمد تصفية الويب القائمة على النطاقات على النطاقات نفسها، وليس على البيانات. ويمكن للأنظمة القديمة secure web gateway حظر موقع chat.openai.com حسب فئة عنوان URL، لكن الموظفين ينتقلون ببساطة إلى أحد أكثر من 6,500 نطاق GenAI و3,000 تطبيق تم رصدها عبر بيئات المؤسسات (Menlo Security، 2025). حظر نطاق واحد هو بمثابة لعبة «ضرب الخلد». أما حظرها جميعًا فيشل الإنتاجية ويدفع المستخدمين إلى استخدام أجهزتهم الشخصية.
تراقب أنظمة DLP الخاصة بنقاط النهاية الملفات، وليس الإجراءات التي تتم على الحافظة. فعندما يقوم مهندس مبيعات بنسخ جدول بيانات خاص بمسار المبيعات من نظام CRM معتمد ولصق محتوياته في أداة ذكاء اصطناعي تعمل عبر المتصفح، فإن نظام DLP الخاص بنقاط النهاية الذي يراقب عمليات حفظ الملفات والكتابة على أجهزة USB ومرفقات البريد الإلكتروني لا يلاحظ شيئًا — لأنه لم يتم إنشاء أي ملف. فقد خرجت البيانات عبر حقل نصي في المتصفح، وهو مسار لا تقوم معظم وكالات DLP القديمة بفحصه.
تحتوي حلول CASB التي لا توفر تغطية عبر الوكيل المدمج على نقاط عمياء. يمكن لحلول CASB القائمة على واجهة برمجة التطبيقات (API) مراقبة الأنشطة في تطبيقات SaaS المصرح بها مثل Salesforce أو Microsoft 365، لكنها تفتقر إلى الرؤية فيما يتعلق بروبوت الدردشة المجاني الذي يصل إليه الموظف عبر علامة تبويب في المتصفح. وبدون وكيل إعادة توجيه أو فحص مدمج، تظل جلسة الذكاء الاصطناعي «الخفية» غير مرئية.
تؤدي الأساليب التي تعتمد على التدريب وحده إلى ما يُسمى بـ«مسرحية الامتثال». فالمنظمات التي تعتمد حصريًّا على التدريب التوعوي أو رسائل البريد الإلكتروني التحذيرية أو السياسات المكتوبة تفشل باستمرار في منع تسرب البيانات — وذلك لعدم وجود تدابير تقنية لإنفاذ هذه السياسات. وتؤكد بيانات شركة IBM لعام 2025 المتعلقة بانتهاكات الأمن هذه الفجوة: فقد افتقرت 97% من المنظمات التي أبلغت عن انتهاك متعلق بالذكاء الاصطناعي إلى ضوابط وصول مناسبة للذكاء الاصطناعي.
القاسم المشترك: تفتقر كل المقاربات الفاشلة إلى إمكانية الرؤية المباشرة، على مستوى المتصفح، للبيانات التي يرسلها الموظفون إلى أدوات الذكاء الاصطناعي في الوقت الفعلي.
ما الذي تغير: أصبح المتصفح مساحة العمل المؤسسية
تضافرت ثلاثة عوامل لتجعل المتصفح الخط الأمامي الجديد لحماية البيانات.

التحول الأول: أدوات الذكاء الاصطناعي مدمجة في المتصفح. تعمل كل من ChatGPT وClaude وGemini وعشرات الأدوات المتخصصة في مجال الذكاء الاصطناعي بشكل كامل داخل المتصفح. وعلى عكس تطبيقات SaaS التقليدية التي تتطلب تكامل نظام تسجيل الدخول الموحد (SSO) وإعداد الخدمات، لا تتطلب معظم روبوتات الدردشة التي تعمل بالذكاء الاصطناعي سوى التسجيل عبر بريد إلكتروني مجاني — أو لا تتطلب أي حساب على الإطلاق. يمكن لمحلل الموارد البشرية لصق تقييمات أداء الموظفين في روبوت الدردشة والحصول على ملخص في غضون ثوانٍ، كل ذلك ضمن جلسة Chrome قياسية على جهاز كمبيوتر محمول مُدار.
التحول الثاني: نقل البيانات يتم عن طريق النسخ واللصق، وليس نقل الملفات. وفقًا لاستطلاع «Shadow AI» الذي أجرته شركة IBM (فبراير 2026)، يستخدم 80% من العاملين في المكاتب الأمريكية الذكاء الاصطناعي في أداء مهامهم، لكن 22% فقط يعتمدون حصريًّا على الأدوات التي يوفرها صاحب العمل. أما البقية، فيستخدمون حسابات شخصية، وخدمات مجانية، وملحقات المتصفح. تنتقل البيانات عبر عمليات الحافظة — النسخ، واللصق، والسحب والإفلات — التي تتجاوز تمامًا أنظمة منع تسرب البيانات (DLP) التي تركز على الملفات.
المحطة 3: الأجهزة غير المدارة ووصول المقاولين يزيدان من المخاطر. يمكن للمقاول الذي يصل إلى Salesforce عبر وكيل عكسي من جهاز كمبيوتر محمول شخصي أن ينسخ سجلات العملاء، ويفتح علامة تبويب جديدة لأداة ذكاء اصطناعي عامة، ويلصق البيانات — كل ذلك في جلسة متصفح واحدة. لا يوجد وكيل نقطة نهاية للتفتيش، ولا ملف تعريف إدارة الأجهزة المحمولة (MDM) لفرضه، ولا تحكم على مستوى الشبكة إذا كان المتصل يستخدم اتصال Wi-Fi منزلي. تعد جلسة المتصفح نفسها نقطة التنفيذ الوحيدة التي تنطبق بغض النظر عن حالة الجهاز.
ما تقوله الأطر المرجعية: NIST و OWASP حول مخاطر البيانات في مجال الذكاء الاصطناعي العام (GenAI)
يُشير كلا الإطارين المرجعيين لهذا الموضوع — NIST AI 600 1 وقائمة OWASP Top 10 الخاصة بنماذج اللغة الكبيرة (LLMs) — إلى أن تعرض البيانات للخطر من خلال التفاعلات مع الذكاء الاصطناعي التوليدي (GenAI) يمثل خطرًا جسيمًا يتطلب ضوابط تقنية، وليس إجرائية فحسب.
صدر «ملف تعريف الذكاء الاصطناعي التوليدي NIST AI 600 1» في 26 يوليو 2024، ويحدد 12 مخاطرةً تنفرد بها تقنية الذكاء الاصطناعي التوليدي أو تتفاقم بفعلها، ويقدم أكثر من 200 إجراءً مقترحًا لإدارة المخاطر. ومن بين هذه المخاطر، تُدرج خصوصية البيانات كمخاطرةٍ متميزة: فقد يؤدي استخدام أنظمة الذكاء الاصطناعي التوليدي وتدريبها إلى تسرب البيانات الشخصية أو استخدامها دون إذن أو إزالة طابعها المجهول. وتتطلب وظيفة «الحوكمة» (Govern) في الملف التعريفي —التي تُعتبر أساسية— من المؤسسات وضع سياسات وإرشادات واضحة لتطوير ونشر الذكاء الاصطناعي التوليدي، لضمان الاستخدام الأخلاقي والمسؤول. وبالنسبة لفرق الأمن، يعني هذا أن السياسة يجب أن تكون مصحوبة بضوابط تقنية تضمن تطبيقها، لا سيما في النقطة التي يتفاعل فيها الموظفون مع الذكاء الاصطناعي التوليدي: المتصفح.
على صعيد أمن التطبيقات، تصنف قائمة «أهم 10 مخاطر» الصادرة عن منظمة OWASP الخاصة بنماذج اللغة الكبيرة (LLM) (2025) «الكشف عن المعلومات الحساسة» (LLM02:2025) باعتباره خطرًا بالغ الأهمية، مشيرةً إلى أن المعلومات الحساسة تشمل المعلومات الشخصية القابلة للتعريف (PII)، والتفاصيل المالية، والسجلات الصحية، والبيانات التجارية السرية، وبيانات الاعتماد الأمنية، والوثائق القانونية. وهذا الخطر ذو اتجاهين: تتدفق البيانات إلى نموذج اللغة الكبير (LLM) عندما يقوم الموظفون بلصق المحتوى، ويمكن أن تتدفق البيانات إلى الخارج إذا كان النموذج قد حفظ بيانات التدريب أو إذا قام نظام RAG باسترداد سجلات غير مصرح بها. وتتعرض نماذج اللغة الكبيرة (LLMs)، خاصةً عندما تكون مدمجة في التطبيقات، لخطر الكشف عن البيانات الحساسة أو الخوارزميات الخاصة أو التفاصيل السرية من خلال مخرجاتها، مما يؤدي إلى الوصول غير المصرح به إلى البيانات وانتهاكات الخصوصية وانتهاكات الملكية الفكرية.
يؤكد كل من NIST و OWASP معًا أن المؤسسات لا يمكنها التعامل مع مسألة تعرض بيانات الذكاء الاصطناعي من الجيل الجديد (GenAI) على أنها مجرد مشكلة تتعلق بالسياسات. فالمتصفح، الذي يتفاعل من خلاله الموظفون مع هذه الأدوات، هو المكان الذي يجب أن تُطبق فيه الضوابط التقنية لتلبية متطلبات كلا الإطارين.
ما يجب على فرق الأمن فعله الآن: ضوابط على مستوى المتصفح لمواجهة «الذكاء الاصطناعي الخفي»
يتطلب التعامل مع «الذكاء الاصطناعي الخفي» تطبيق ضوابط متعددة المستويات على مستوى المتصفح، حيث تغادر البيانات المؤسسة فعليًّا. وفيما يلي نهج تدريجي يستند إلى الأساليب التي أثبتت فعاليتها.
المرحلة الأولى: استكشاف وتصنيف استخدامات الذكاء الاصطناعي (الأسبوعان 1 و2)
قبل تطبيق السياسة، تحتاج إلى رؤية واضحة. قم بنشر بوابة أمان الويب ( secure web gateway ) المزودة بتصنيف عناوين URL المدعوم بالذكاء الاصطناعي لتحديد كل نطاق من نطاقات الذكاء الاصطناعي من الجيل الجديد (GenAI) الذي يصل إليه الموظفون. قم بربط سجلات بوابة أمان الويب (SWG) مع اكتشاف «التكنولوجيا الخفية» (shadow IT) الذي توفره منصة CASB لإنشاء قائمة جرد: ما هي أدوات الذكاء الاصطناعي المستخدمة، ومن يستخدمها، وكم مرة، ومن أي أنواع الأجهزة.
سيناريو عملي: اكتشف فريق الأمن في إحدى مؤسسات تمويل الرعاية الصحية أن 12 أداة ذكاء اصطناعي غير معتمدة تتلقى بيانات من الحافظة من المنسقين السريريين، والذين يقومون بتلخيص ملاحظات حالات المرضى لتسريع عملية توثيق الفرز. وبدون الكشف على مستوى مجموعة العمل للأمن (SWG)، كان هذا النشاط غير مرئي لأن هذه الأدوات تعمل عبر المتصفح ولا تتطلب تثبيت أي برامج.
المرحلة الثانية: تطبيق سياسة منع تسرب البيانات (DLP) المدمجة في المتصفح (الأسبوعان 3 و4)
بمجرد معرفة أدوات الذكاء الاصطناعي المستخدمة، قم بتطبيق سياسات « data loss prevention » التي تفحص المحتوى عند نقطة التفاعل — قبل وصول البيانات إلى خدمة الذكاء الاصطناعي. يمكن لنظام DLP المدمج، الذي يتم نشره عبر منصة SWG أو SSE سحابية، فحص عمليات اللصق، وإرسال حقول النماذج، وتحميل الملفات إلى عناوين URL الخاصة بـ GenAI. يجب أن تكون إجراءات السياسة متدرجة:
منع تحميل البيانات الخاضعة للتنظيم (المعلومات الشخصية المحددة، والمعلومات الصحية المحمية، ومعايير أمن بطاقات الدفع) إلى أي أداة تعمل بالذكاء الاصطناعي.
يتم إخطار مستخدمي Coach الذين يحاولون لصق شفرة المصدر أو الوثائق الداخلية من خلال نافذة منبثقة تظهر في الوقت الفعلي تشرح المخاطر وتقدم بديلاً معتمدًا.
السماح بالاستفسارات العامة التي لا تحتوي على محتوى حساس.
مثال: يقوم مهندس في شركة لوجستية بلصق قائمة شحن تحتوي على عناوين العملاء في أداة تلخيص تعمل بالذكاء الاصطناعي. ويقوم نظام DLP المدمج في التطبيق باكتشاف نمط المعلومات الشخصية (PII)، ويمنع عملية اللصق، ويعرض إشعارًا يقول: «يحتوي هذا المحتوى على عناوين العملاء. يرجى استخدام مساحة عمل الذكاء الاصطناعي المعتمدة من المؤسسة بدلاً من ذلك». ويتم إعادة توجيه المهندس، دون معاقبته — ولا تغادر البيانات المؤسسة أبدًا.
المرحلة الثالثة: عزل جلسات الذكاء الاصطناعي عالية المخاطر (الأسابيع 4–6)
بالنسبة لأدوات الذكاء الاصطناعي التي لا يمكن حجبها بالكامل — نظرًا لاعتماد وحدات الأعمال عليها —remote browser isolation يتم عرض الجلسة على حاوية مستضافة في السحابة. يرى الموظف أداة الذكاء الاصطناعي ويتفاعل معها بشكل طبيعي، ولكن يمكن التحكم في عمليات الحافظة والتنزيلات والتحميلات على مستوى دقيق. تتيح RBI نهج «القراءة دون تسريب»: حيث يمكن للموظفين استخدام المحتوى الذي تولده أداة الذكاء الاصطناعي دون القدرة على لصق البيانات الحساسة في الأداة أو تنزيل مخرجات الذكاء الاصطناعي إلى نقاط نهاية غير خاضعة للإدارة.
لنفترض أن هناك فريقًا معنيًّا بعمليات الاندماج والاستحواذ في إحدى شركات الخدمات المالية يحتاج إلى استخدام أداة بحث قائمة على الذكاء الاصطناعي لتلخيص المستندات المودعة لدى الجهات الرقابية. تتيح تقنية RBI لهم استخدام الأداة بحرية، مع منع لصق شروط الصفقات الداخلية أو تنزيل الملخصات التي أنشأها الذكاء الاصطناعي والتي تحتوي على تحليلات خاصة بالشركة. وعند انتهاء الجلسة، يتم إتلاف الحاوية، ولا تبقى أي بيانات على جهاز المستخدم النهائي.
المرحلة الرابعة: الإدارة والتكرار (جاري)
إنشاء مجلس إدارة للذكاء الاصطناعي يتولى مراجعة بيانات القياس عن بُعد الخاصة بـ SWG و DLP شهريًّا. تتبع الأدوات الجديدة للذكاء الاصطناعي التي تظهر، وانتهاكات السياسات الأكثر تكرارًا، وما إذا كانت البدائل المعتمدة تلبي احتياجات المستخدمين. تعديل السياسات مع تطور المشهد — لأن عدد خدمات الذكاء الاصطناعي من الجيل الجديد (GenAI) آخذ في الازدياد، وليس في التناقص.
الطابع الملح: لماذا يؤدي الانتظار إلى تفاقم المخاطر
كل شهر من التأخير يزيد من المخاطر بثلاث طرق.
الجانب المالي: تسببت خروقات شركة «شادو إيه آي» في تسريب معلومات تعريفية شخصية للعملاء بنسبة 65%، وهي نسبة تفوق المتوسط العالمي البالغ 53% (IBM، 2025)، مما أدى إلى ارتفاع التكاليف لكل سجل والغرامات التنظيمية. وعندما تكون البيانات المتسربة هي تلك التي توليها الجهات التنظيمية أكبر قدر من الاهتمام، فإن المخاطر المالية تتفاقم إلى ما هو أبعد بكثير من مجرد الاستجابة الأولية للحادث.
الجوانب التنظيمية: تتطلب كل من اللائحة العامة لحماية البيانات (GDPR) وقانون خصوصية المستهلك في كاليفورنيا (CCPA) وقانون نقل التأمين الصحي والمسؤولية (HIPAA) من المؤسسات الحفاظ على السيطرة على معالجة البيانات الشخصية. فعندما يقوم موظف بلصق سجلات المرضى في أداة ذكاء اصطناعي لم تخضع للتدقيق، ومستضافة في ولاية قضائية لا توجد معها اتفاقية ملاءمة، تكون المؤسسة هي «المسؤول عن المعالجة» وتتحمل المسؤولية القانونية. ويضيف قانون الاتحاد الأوروبي للذكاء الاصطناعي التزامات إضافية تتعلق بالشفافية وتقييم المخاطر لاستخدام الذكاء الاصطناعي العام (GenAI)، وهي التزامات لا يمكن للذكاء الاصطناعي الظل (shadow AI) الوفاء بها بحكم تعريفه.
من الناحية التشغيلية: أظهر تقرير صادر عن شركة «مينلو سيكيوريتي» ارتفاعًا بنسبة 68% في استخدام الذكاء الاصطناعي التوليدي «الخفي» عبر المؤسسات خلال عام واحد. وستواجه المؤسسات التي تؤجل اليوم تطبيق الضوابط على مستوى المتصفح أثرًا أكبر وأكثر ترسخًا للذكاء الاصطناعي «الخفي» عندما يصبح فرض هذه الضوابط أمرًا لا مفر منه في نهاية المطاف — كما أن إعادة تدريب عشرات الآلاف من الموظفين الذين أدمجوا الذكاء الاصطناعي في سير عملهم اليومي أصعب بكثير من توجيه سلوكهم في مرحلة مبكرة.
تعمل منصة SSE من شركة « Skyhigh Security » على توحيد حلول SWG وCASB وDLP وRBI وZTNA تحت محرك سياسات واحد — مما يتيح اكتشاف الذكاء الاصطناعي «الخفي»، وفرض حماية البيانات على مستوى المتصفح، وإدارة استخدام الذكاء الاصطناعي عبر الأجهزة المدارة وغير المدارة من خلال وحدة تحكم واحدة. ويكتسب هذا التكامل أهمية كبيرة لأن المخاطر الأمنية الناجمة عن «مساعدي الذكاء الاصطناعي» والأدوات ذات الصلة تمتد عبر نقاط إنفاذ متعددة، كما أن الضوابط المجزأة تترك ثغرات سيكتشفها الموظفون — سواء عن غير قصد أو غير ذلك.
المصادر
- Menlo Security. كيف يُشكّل الذكاء الاصطناعي بيئة العمل الحديثة (يوليو 2025). https://www.menlosecurity.com/resources/how-ai-is-shaping-the-modern-workspace-report
- جارتنر. جارتنر تحدد نقاط الضعف الحرجة في مجال الذكاء الاصطناعي من الجيل الجديد (GenAI) التي يجب على مديري تكنولوجيا المعلومات معالجتها على وجه السرعة (19 نوفمبر 2025). https://www.gartner.com/en/newsroom/press-releases/2025-11-19-gartner-identifies-critical-genai-blind-spots-that-cios-must-urgently-address0
- شركة IBM ومعهد بونيمون. تقرير تكلفة خرق البيانات لعام 2025 (يوليو 2025). https://www-api.ibm.com/adobe/assets/urn:aaid:aem:607b9590-38e0-4c91-b433-aa8a17f5b5e8/original/as/cost-of-a-data-breach-2025-full-report.pdf
- IBM. هل يؤدي تزايد اعتماد الذكاء الاصطناعي بين القوى العاملة في الولايات المتحدة إلى ظهور مخاطر خفية متعلقة بالذكاء الاصطناعي؟ (3 نوفمبر 2025). https://www.ibm.com/think/insights/rising-ai-adoption-creating-shadow-risks
- المعهد الوطني للمعايير والتقنية (NIST). NIST AI 600-1: إطار عمل إدارة مخاطر الذكاء الاصطناعي: ملف تعريفي للذكاء الاصطناعي التوليدي (يوليو 2024). https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence
- OWASP. قائمة «أهم 10 ثغرات أمنية» لتطبيقات نماذج اللغة الكبيرة (LLM) لعام 2025: LLM02:2025 الكشف عن المعلومات الحساسة (2025). https://genai.owasp.org/llmrisk/llm022025-sensitive-information-disclosure/
- الاتحاد الأوروبي. اللائحة (EU) 2016/679 (اللائحة العامة لحماية البيانات) (27 أبريل 2016). https://eur-lex.europa.eu/eli/reg/2016/679/oj
- وزارة العدل، مكتب المدعي العام. قانون خصوصية المستهلك في كاليفورنيا (CCPA). https://oag.ca.gov/privacy/ccpa
- وزارة الصحة والخدمات الإنسانية الأمريكية (HHS). قانون HIPAA للمهنيين. https://www.hhs.gov/hipaa/for-professionals/index.html
- الاتحاد الأوروبي. اللائحة (الاتحاد الأوروبي) رقم 2024/1689 (قانون الذكاء الاصطناعي) (13 يونيو 2024). https://eur-lex.europa.eu/eli/reg/2024/1689/oj