---
title: "خريطة الأمان: 39 نموذج LLM والبيانات الحساسة (BroadNet)"
description: "دراسة من BroadNet شملت 39 نموذج LLM من 14 مختبرًا في بيانات الاعتماد والبيانات الشخصية والصحية والمالية: ما انتقل وما لم ينتقل، وتسرّبات استدعاء الأدوات والاستدلال."
url: https://broadrouter.com/ar/blog/llm-safety-map-39-models/
lang: ar
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/llm-safety-map-39-models/) (حُدّث في 2026-11-16).

# خريطة الأمان: كيف يتعامل 39 نموذج LLM مع البيانات الحساسة

بقلم فريق BroadNet Inference · قراءة في 3 دقائق · تاريخ النشر 2026-11-15 · آخر تحديث 2026-11-16

خريطة الأمان (The Safety Map) ورقة أولية من BroadNet صدرت في أبريل 2026 (DOI 10.5281/zenodo.19688433). اختبرت 39 نموذجًا من 14 مختبرًا عبر 7 سيناريوهات فحص تشمل بيانات الاعتماد، والبيانات الشخصية، والبيانات الصحية، وأرقام الحسابات، وفحص DLP، في نحو 1,300 تقييم متعدد التشغيلات. ولم ينتقل الأمان بين الفئات أو قنوات الإخراج: 20 من 73 تشغيلًا ملأت معاملات استدعاء الأدوات سرّبت عبرها.

## أبرز النقاط

-   ورقة أولية على Zenodo، DOI 10.5281/zenodo.19688433، بتاريخ 22 أبريل 2026، بترخيص CC BY 4.0. لم تخضع لمراجعة الأقران.
-   39 نموذجًا، و14 مختبرًا، و7 سيناريوهات فحص، و5 فئات للبيانات الحساسة، ونحو 1,300 تقييم متعدد التشغيلات.
-   ثلاثة محاور تتراكب: البنية، وجيل النموذج، واستثمار المختبر في المواءمة. ولا يتنبأ أي منها بالأمان وحده.
-   تتسرّب قنوات الإخراج كلٌّ على حدة: حملت 20 من 73 تشغيلًا لاستدعاء الأدوات و29 من 43 تشغيلًا للاستدلال قيمًا حساسة.
-   حوّلت BroadNet النتائج إلى LSDF، وهو جدار حماية مفتوح المصدر (Apache-2.0) لحركة البيانات المتوافقة مع OpenAI.

**في هذه الصفحة**

1.  ماذا غطّت الدراسة؟
2.  ما النتائج الرئيسية؟
3.  ما الذي يجب أن تغيّره في منظومتك؟
4.  ما هو LSDF؟
5.  ما الحدود؟

خريطة الأمان (The Safety Map) هي دراسة BroadNet لكيفية تعامل النماذج اللغوية الكبيرة مع البيانات الحساسة. نُشرت الورقة الأولية، _The Safety Map: What Does and Doesn’t Transfer in LLM Sensitive-Data Handling_ (الترجمة: خريطة الأمان: ما الذي ينتقل وما الذي لا ينتقل في تعامل نماذج LLM مع البيانات الحساسة)، على Zenodo في 22 أبريل 2026 تحت المعرّف DOI [10.5281/zenodo.19688433](https://doi.org/10.5281/zenodo.19688433)، ومؤلفها محمد الزبيدي (Mohammad Al Zubaidi). وهي الورقة المرافقة لـ [طريقة BroadNet لتقييم البيانات الحساسة](https://broadrouter.com/ar/blog/llm-sensitive-data-safety-evaluation-method/).

ما يلي ملخصنا للخلاصة ولصفحة أبحاث BroadNet. والأحكام أحكام BroadNet.

## ماذا غطّت الدراسة؟

| البُعد | التغطية |
| --- | --- |
| النماذج | 39، من 14 مختبرًا مستقلًا |
| سيناريوهات الفحص | 7 |
| الفئات | بيانات الاعتماد، والبيانات الشخصية (PII)، والمعلومات الصحية المحمية (PHI)، وأرقام الحسابات المالية، وفحص منع فقدان البيانات (DLP) |
| الأدلة | أكثر من 135 تركيبة مصنّفة من النماذج والفحوص، من نحو 1,300 تقييم متعدد التشغيلات |

ويذكر كتالوج BroadNet أنها مرّرت نحو 90 نموذجًا بعيدًا ونموذج API، لم تشغّلها قط على عتادها الخاص، عبر أدوات اختبار الأمان والتوجيه والعربية لديها، وأن تلك النتائج تغذّي هذه الخريطة.

## ما النتائج الرئيسية؟

**الأمان سطح، لا درجة واحدة.** فهو يتفاوت على ثلاثة محاور تتراكب:

-   **البنية.** تذكر الورقة حدًا أدنى للسعة قدره نحو 24B معاملًا نشطًا في بيانات الاعتماد، عبر تصاميم التوجيه المختلفة، ونماذج مزيج الخبراء ذات المعاملات النشطة القليلة هي الحالة الرئيسية.
-   **الجيل.** تحرّك جودة المواءمة الحدّ داخل عائلة النماذج الواحدة.
-   **استثمار المختبر في المواءمة.** فوسم النموذج الرائد من مختبر معروف ليس ضمانًا.

ولا يتنبأ أي من المحاور الثلاثة بالأمان وحده؛ بل تجتمع.

**الأمان لا ينتقل بين الفئات.** فالتعامل السليم مع بيانات الاعتماد وأرقام الضمان الاجتماعي لم ينتقل إلى الأسماء أو السجلات الصحية أو أرقام الحسابات في النموذج نفسه.

**قنوات الإخراج تتسرّب كلٌّ على حدة.** وهذه هي النتيجة ذات الوزن العملي الأكبر:

-   من 73 تشغيلًا ملأت `tool_calls.arguments`، أرسل 20 تشغيلًا قيمًا حساسة عبر استدعاء الأداة. ومن بين النماذج وراء تلك التشغيلات Kimi K2.6 من Moonshot، الذي اختُبر في يوم إصداره، وهو نموذج تصنّفه الورقة في ما عدا ذلك آمنًا عبر التشغيلات المتعددة في بيانات الاعتماد والبيانات الشخصية والبيانات المالية وDLP.
-   من 43 تشغيلًا ملأ فيها المزوّد `reasoning_content` بعشرين حرفًا على الأقل، سرّب 29 تشغيلًا قيمًا حساسة في الاستدلال بينما صُنّف رد المحادثة آمنًا، أو فائتًا، أو مبتورًا.

**التقليم قد يكسر الأمان.** فنسختان مقلّمتان مستقلتان من سلسلة Llama من Meta، أعدّتهما NVIDIA بالبحث في البنى العصبية، كسرتا أمان البيانات الصحية عبر قنوات إخراج مختلفة.

وتنتهي الورقة بترتيب من خمس طبقات. مجموعتها العليا، الآمنة بانتظام في كل فئة اختُبرت، هي Claude Opus 4.7، وGPT-5.4 وGPT-5.4-mini، وGemini 3 Flash وGemini 3.1 Pro. ويقول الملخص إن النماذج الرائدة من xAI Grok وMeta Llama لا تدخل تلك المجموعة.

## ما الذي يجب أن تغيّره في منظومتك؟

1.  **رشّح كل قناة.** فالفحص على الرد الظاهر يفوّت معاملات استدعاء الأدوات وحقول الاستدلال. وإذا كنت تستخدم [استدعاء الأدوات](https://broadrouter.com/ar/glossary/tool-calling/) أو نموذج استدلال، فافحص الاثنين.
2.  **اختبر بحسب الفئة.** فالنتيجة السليمة في بيانات الاعتماد لا تقول شيئًا عن البيانات الصحية أو بيانات الرواتب.
3.  **أعد الاختبار عند تحديث النماذج.** فنتيجة Kimi K2.6 جاءت من نموذج في يوم إصداره.
4.  **احجب أولًا حيثما أمكن.** فالنموذج لا يستطيع تسريب ما لم يرَه قط. ويعرض [دليلنا للبيانات الحساسة](https://broadrouter.com/ar/blog/llm-api-sensitive-data/) الحجب بعناصر نائبة في Python.

## ما هو LSDF؟

LSDF، أي LLM Sensitive Data Firewall (جدار حماية البيانات الحساسة لنماذج LLM)، هو أداة التحكم التي بنتها BroadNet من هاتين الورقتين وأصدرتها مفتوحة المصدر بترخيص Apache-2.0 على [github.com/brntech/lsdf](https://github.com/brntech/lsdf). وهو وكيل عكسي (reverse proxy) لواجهة chat completions المتوافقة مع OpenAI: توجّه base URL في عميلك إليه، فيمرّر الطلبات إلى خادم النموذج أو المزوّد لديك. وتقول BroadNet إنه يفحص الطلبات، والاستجابات، والأجزاء المتدفقة، ومعاملات استدعاء الأدوات المتدفقة، والسياق المسترجع، وحقول الاستدلال، وينظّف التتبعات والسجلات بشكل منفصل.

ويذكر تقييم BroadNet في مايو 2026 على مجموعات بياناتها الخاصة معدل الاستدعاء (recall) التالي:

| مجموعة الكواشف | إعادة تشغيل بيانات الاعتماد | المعلومات الصحية السريرية PHI | البيانات الشخصية الإنجليزية الواسعة |
| --- | --- | --- | --- |
| التعابير النمطية (Regex) فقط | 0.944 | 0.019 | 0.208 |
| Microsoft Presidio | 0.194 | 0.056 | 0.326 |
| كواشف LSDF للبيانات الشخصية الواسعة | 1.000 | 0.944 | 0.685 |

هذه أرقام مورّد لأداته الخاصة، على مجموعات بيانات اختارها. وهي مفيدة كنقطة بداية، ويتضمن المستودع إعادة التشغيل لتتمكن من التحقق منها. ويعمل LSDF أمام أي نموذج، بما في ذلك النماذج التي لا تستضيفها BroadNet.

## ما الحدود؟

الورقة أولية، ولم تخضع لمراجعة الأقران. وبموجب سياسة النشر المسؤول لدى BroadNet، حُجبت الأوامر الدقيقة، وصيغ بيانات الاعتماد، والعتبات من النسخة العامة، وتُشارك مع مزوّدي النماذج والباحثين عند الطلب. وإصدارات النماذج تتغير بسرعة، فالحكم الصادر في أبريل 2026 سبب للاختبار، لا بديل عنه.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [OpenAI-compatible API request builder](https://broadrouter.com/tools/api-request-builder/) One request, copied as curl, Python, Node or the OpenAI SDKs.
-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[العنوان الأساسي (Base URL)](https://broadrouter.com/ar/glossary/base-url/)

العنوان الأساسي (base URL) هو الجذر الثابت لعنوان الواجهة، مثل https://api.example.com/v1، الذي يضعه العميل قبل كل مسار نقطة نهاية، مثل /chat/completions. وفي حزم SDK المتوافقة مع OpenAI، يكفي تغيير العنوان الأساسي، مع مفتاح API ومعرّف النموذج، لتوجيه الشيفرة نفسها إلى مزوّد آخر.

[مزيج الخبراء (Mixture of experts، MoE)](https://broadrouter.com/ar/glossary/mixture-of-experts/)

مزيج الخبراء (mixture of experts، MoE) تصميم للشبكات العصبية تحوي فيه الطبقة شبكات فرعية خبيرة كثيرة، ويرسل موجّه متعلَّم كل رمز إلى عدد قليل منها فقط. ولنموذج اللغة من نوع MoE عدد معاملات كلي كبير، لكنه يستخدم مجموعة فرعية نشطة صغيرة لكل رمز.

[معلومات التعريف الشخصية (PII)](https://broadrouter.com/ar/glossary/pii/)

معلومات التعريف الشخصية (PII) هي معلومات يمكن استخدامها لتمييز هوية شخص أو تتبّعها، مثل الاسم أو رقم الهوية أو السجل البيومتري، إضافةً إلى معلومات أخرى مرتبطة بذلك الشخص أو قابلة للربط به. ومصطلح GDPR الأوسع هو البيانات الشخصية. وفي أعمال LLM يزيل حجب PII هذه المعلومات من الأوامر قبل أن تغادر أنظمتك.

[ترخيص النموذج (Model license)](https://broadrouter.com/ar/glossary/model-license/)

ترخيص النموذج هو الشروط القانونية التي يجوز بموجبها استخدام أوزان النموذج وشيفرته ومخرجاته وتعديلها ومشاركتها. وتستخدم النماذج مفتوحة الأوزان تراخيص برمجيات قياسية مثل Apache 2.0 أو MIT، أو تراخيص خاصة بالنماذج قد تضيف شروطًا، مثل قيود على الخدمات التجارية الكبيرة.

[Chat Completions API (واجهة إكمال المحادثة)](https://broadrouter.com/ar/glossary/chat-completions-api/)

Chat Completions API هي نقطة نهاية HTTP لدى OpenAI، أي POST /v1/chat/completions، تستقبل اسم نموذج وقائمة رسائل موسومة بأدوارها وتُرجع الرسالة التالية من النموذج. وصارت بنية طلبها واستجابتها الصيغة المشتركة التي يعيد استخدامها المزوّدون المتوافقون مع OpenAI وحزم SDK.

## أسئلة شائعة

### ما النماذج التي حققت أفضل أداء في خريطة الأمان؟

يضع الملخص في القمة مجموعة نماذج المواءمة الرائدة، الآمنة بانتظام في كل فئة اختُبرت: Claude Opus 4.7، وGPT-5.4 وGPT-5.4-mini، وGemini 3 Flash وGemini 3.1 Pro. ويأتي Claude Sonnet 4.6 أدنى منها مباشرة، بتسرّب واحد للبيانات الصحية اقتصر على تاريخ الميلاد عبر 15 تشغيلًا.

### هل النموذج الذي لا يسرّب مفاتيح API أبدًا آمن مع بيانات المرضى؟

ليس بالضرورة. وجدت الورقة أن الأمان ينفصل بحسب الفئة: فالنموذج الذي حمى بيانات الاعتماد وأرقام الضمان الاجتماعي وكلمات مرور قواعد البيانات قد يذكر مع ذلك أسماء الموظفين في مستند رواتب في كل تشغيل.

### لماذا يهم استدعاء الأدوات؟

لأن كثيرًا من المرشحات لا تفحص إلا رد المحادثة. فمن 73 تشغيلًا ملأ فيها النموذج معاملات استدعاء الأدوات، أرسل 20 تشغيلًا قيمًا حساسة عبر تلك القناة، بما في ذلك نموذج كان آمنًا عبر التشغيلات المتعددة في ما عدا ذلك.

### هل تسرّب نماذج مزيج الخبراء الصغيرة أكثر؟

تذكر الورقة حدًا أدنى للسعة قدره نحو 24B معاملًا نشطًا في بيانات الاعتماد، وتصاميم مزيج الخبراء ذات المعاملات النشطة القليلة هي أبرز مظاهره. ويقول منشور BroadNet الموجّه للممارسين إنها لم تجد بعد نموذج MoE بأقل من 24B معاملًا نشطًا لا يسرّب في فحوصها للبيانات المهيكلة.

### هل نماذج BroadNet Inference مشمولة في خريطة الأمان؟

لا يذكر الملخص أحكامًا لكل نموذج منها، والورقة منشورة مسودةً في أبريل 2026، فلا يمكن أن يرد فيها نموذج صدر بعد ذلك. ولدى Gemma 4 VL 26B نحو 4B معاملات نشطة، فاختبره بفحوصك الخاصة للبيانات الحساسة، أو احجب البيانات قبل الإرسال، إذا كان سيرى بيانات اعتماد أو بيانات شخصية.

## تابع القراءة

-   [كيف تختبر أمان نموذج LLM مع البيانات الحساسة: طريقة BroadNet](https://broadrouter.com/ar/blog/llm-sensitive-data-safety-evaluation-method/)
-   [إرسال البيانات الحساسة إلى LLM API: الحجب والتقليل وسجلات أقل](https://broadrouter.com/ar/blog/llm-api-sensitive-data/)
-   [استدعاء الأدوات في النماذج المفتوحة: المخططات والتوازي والإعادة](https://broadrouter.com/ar/blog/tool-calling-open-models/)
-   [رموز الاستدلال المنطقي: لماذا تدفع مقابل مخرجات أكثر مما تراه؟](https://broadrouter.com/ar/blog/reasoning-tokens-cost/)
-   [قانون حماية البيانات الشخصية المصري (151 لسنة 2020) وLLM API](https://broadrouter.com/ar/blog/egypt-data-protection-law-llm-api/)
-   [نظام حماية البيانات الشخصية في السعودية والإمارات وLLM API: قائمة تحقق](https://broadrouter.com/ar/blog/saudi-uae-pdpl-llm-api-checklist/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-llm-safety-map-39-models&utm_content=page-cta) ·

**المصادر**

-   [Al Zubaidi، The Safety Map: What Does and Doesn't Transfer in LLM Sensitive-Data Handling، ورقة أولية على Zenodo، بتاريخ 2026-04-22 (تاريخ الاطلاع على السجل 2026-11-15)](https://doi.org/10.5281/zenodo.19688433)
-   [أبحاث BroadNet: النتائج الرئيسية لخريطة الأمان (تاريخ الاطلاع 2026-11-15)](https://www.broadnet.ai/ar/research)
-   [مدونة BroadNet، The firewall behind our LLM safety research is now open source (9 سبتمبر 2026؛ تاريخ الاطلاع 2026-11-15) (بالإنجليزية)](https://www.broadnet.ai/blog/open-source-sensitive-data-firewall)
-   [مستودع LSDF، بترخيص Apache-2.0 (تاريخ الاطلاع 2026-11-15)](https://github.com/brntech/lsdf)
-   [كتالوج نماذج BroadNet: النماذج البعيدة ونماذج API التي قيست (تاريخ الاطلاع 2026-11-15)](https://www.broadnet.ai/ar/inference/models)
