في عالم يتزايد فيه خطر الاحتيال الإلكتروني، يعتبر تطوير أنظمة فعّالة للكشف عن الهجمات أمرًا حيويًا. "CyberCane" هو نظام مبتكر يندمج فيه التحليل الرمزي مع تقنيات استرجاع المعلومات المدعومة بالذكاء الاصطناعي (RAG) لترسيخ مبدأ حماية الخصوصية.

يتطلب الكشف عن الاحتيال تحت ظروف صارمة الوصول إلى نظام قادر على تحقيق توافقات معقدة، مثل تقليل الأخطاء الكاذبة إلى أقل حد ممكن وضمان شرح شفّاف لفريق العمل من غير الخبراء، بالإضافة إلى الامتثال لمعايير تنظيمية صارمة.

تأتي الحلول التقليدية، مثل أنظمة القواعد، بعوائق في مواكبتها للأشكال الجديدة من الاحتيال، كما أن أنظمة الكشف التي تعتمد على نماذج اللغات الضخمة (LLMs) تنتهك قوانين الخصوصية بسبب نقل البيانات الحساسة بلا حذف.

قمنا بتقديم CyberCane كإطار عمل ذكي-رمزي يجمع بين تحليل رمزي حاسم واسترجاع معلومات معزز بالذكاء الاصطناعي. يعتمد النظام على مسارين: فهي تطبق قواعد رمزية خفيفة على بيانات البريد الإلكتروني، ثم تعالج الحالات الحدودية باستخدام تصنيف دلالي بواسطة RAG مع القدرة على حذف البيانات الحساسة واسترجاعها من قاعدة بيانات مخصصة للاحتيال.

كما نقدم "PhishOnt"، وهو مصدر OWL يمكّن من تصنيف الهجمات بطريقة قابلة للتحقق باستخدام سلاسل استدلال رسمية.

أظهرت التقييمات على مجموعة بيانات DataPhish2025 (12.3 ألف بريد إلكتروني؛ مزيج بين البشر والنماذج اللغوية) وNazario/SpamAssassin تحقيق زيادة ملحوظة تصل إلى 78.6 نقطة في استرجاع التهديدات الناتجة عن الذكاء الاصطناعي، مع دقة تتجاوز 98% ومعدل خطأ يصل إلى 0.16%.

في تطبيقات الرعاية الصحية، يتوقع أن يقدم CyberCane عائدًا استثماريًا يصل إلى 542 مرة، حيث تدعم نقاط التشغيل القابلة للتعديل مستويات مختلفة من تحمل المخاطر.

لمن يرغب في التجربة، يمكنكم زيارة موقع التنفيذ مفتوح المصدر الخاص بـ CyberCane على GitHub [https://github.com/sbhakim/Cybercane].

ما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات.