تأمين سلسلة توريد نماذج الذكاء الاصطناعي: تطبيق Sigstore وSLSA في CI/CD

مقدمة: لماذا تحتاج نماذج الذكاء الاصطناعي إلى تأمين سلسلة التوريد؟

الأنظمة المعتمدة على الذكاء الاصطناعي تعتمد على سلاسل توريد معقدة تتضمن الشيفرة، الأوزان (النماذج)، مجموعات البيانات، وآليات البناء والنشر. هذا يفتح سطح هجوم واسعاً: نماذج مُزوّرة، تغييرات خفية في البيانات التدريبية، أو إدراج كود خبيث خلال مرحلتي البناء والنشر. بحث ومقالات حديثة تشير إلى أن «نماذج ML لديها مشكلة سلسلة توريد» وأن الحاجة لإثبات مصدر وشفافية النموذج أصبحت ملحّة.

الهدف من هذا المقال: تقديم نهج عملي لتطبيق Sigstore وSLSA (ومقترحات مثل in‑toto وSBOM) لحماية دورة حياة النماذج والبيانات، وشرح كيف تُدمَج هذه الأدوات في خطوط CI/CD فعلياً لتقليل مخاطر التلاعب أو التحايل.

المفاهيم الأساسية والأدوات

ما هو Sigstore؟

Sigstore هو مجموعة خدمات/أدوات تهدف لتسهيل توقيع والتحقق من أصالة الـartifacts (حزم، حاويات، ثنائيات، ونماذج) مع سجل شفافية (Rekor) وشهادة توقيع قصيرة الأجل (Fulcio). الأداة الشائعة للتعامل مع Sigstore في السطور العملية هي Cosign التي تدعم توقيع الحاويات والملفات وإرفاق attestations.

ما هو SLSA؟

SLSA (Supply‑chain Levels for Software Artifacts) هو إطار عمل وصافي مواصفات يُصنِّف ممارسات بناء البرمجيات حسب مستويات ثقة متدرجة، مع تركيز على إثبات provenance وattestations لعمليات البناء. يوفِّر SLSA لغة ومقاييس لبيان أن عملية البناء ونشر الـartifact تمت باتّباع ضوابط تقلّل مخاطر التلاعب.

مكونات مهمة أخرى

• in‑toto: معيار للـattestations يصف من نفّذ ماذا ومتى في سلسلة التوريد.
• SBOM: بيان مكونات البرمجيات (ويمكن تكييفه لوصف مكوّنات نماذج ML ونسخ الأطر والمكتبات).
• Rekor & Fulcio: سجلات الشفافية والسلطة المصدّرة للشهادات داخل Sigstore.

هذه اللبنات تسمح لك بإصدار توقيع لكل نموذج وبيان provenance يربط النسخة المحددة من النموذج بعملية تدريب/تحقق موثقة، ما يسهل التحقق عند نشر النموذج أو عند مراجعات الأمان لاحقاً.

منهج عملي: كيف توقع نموذج ML وتنتج Provenance داخل CI/CD

1) تحديد ما يجب توقيعه وإثباته

أمثلة عملية للـartifacts والإثباتات:

• ملف النموذج (weights) — توقيع ثنائي + hash
• سجل التدريب (training run id، commit SHA، بيئة التدريب، نسخ الأطر)
• ملف وصف مجموعة البيانات أو SBOM للبيانات (hash لكل مصدر بيانات مهم)
• بيانات التحقق (evaluation metrics) كـattestation

2) خط CI/CD نموذجي (موجز)

1. مَرحلة البناء/التدريب تبدأ من commit/PR مع OIDC (مثلاً GitHub Actions OIDC) لتفويض short‑lived identity.
2. بعد نهاية التدريب، تُنشَأ شهادة توقيع قصيرة الأجل (keyless أو مفاتيح مُدارة) وتوقّع الـmodel artifact عبر Cosign وحفظ السجل في Rekor.
3. توليد in‑toto attestation أو SLSA Provenance يصف خطوات التدريب، مخرجاتها، وبيانات البيئة (container image used, framework versions, dataset hashes).
4. دفع النموذج، الشهادة، والـattestations إلى Registry/Model Store (OCI registry أو سجل داخلي) مع سياسات توقيع مُلزمة عند النشر.
5. عند النشر: عملية التحقق تقرأ التوقيع والإثباتات من Rekor/attestation وتتحقق من أن الهوية، توقيع المطوّر/السير، وبيانات البناء تتوافق مع سياسة المؤسسة.

الخطوات أعلاه تُطبِّق توصيات Sigstore وSLSA لربط إثبات الأصالة provenance بالـartifact نفسه، ما يجعل من الصعب إدخال نسخة مزورة دون أثر.

نصائح عملية للدمج الفعّال وتخطيط السياسات

• ابدأ بمشروع تجريبي صغير: اختبر توقيع ونشر نموذج بسيط (مثلاً: تصنيف صور) واكمل تحقق التوقيعات قبل نشره إلى بيئة staging.
• استخدم OIDC وKeyless signing: تجنّب إدارة مفاتيح طويلة الأمد داخل CI بتفعيل GitHub Actions OIDC أو مكافئها مع Cosign لطلب شهادات قصيرة العمر من Fulcio.
• أنتج SBOM للبيانات: قدم hashes لمصادر البيانات المهمة، وتكرّسات preprocessing scripts كجزء من Provenance.
• حدد SLSA Target Level: حدد مستوى SLSA الذي تستهدفه (العديد من المؤسسات تبدأ بالسعي نحو SLSA Build Level 3 للثقة العملية).
• اجعل التحقق إلزامياً في بيئة النشر: رفض تحميل أي نموذج غير موقع أو بلا attestation مطابقة للسياسة.
• مراقبة الشفافية والتدقيق: راصد Rekor وأحداث التوقيع لاكتشاف توقيعات غير متوقعة أو توقيعات من هويات غير مصرح بها.

اعتماد سياسات صارمة وبناء خط تحقق موثّق يقلّل مخاطر الهجمات من داخل المؤسسة أو من مزوِّري الطرف الثالث، كما يسهّل الاستجابة الأمنية والحصول على دلائل لإثبات النزاهة خلال التحقيقات.

خاتمة وقائمة تحقق سريعة للتنفيذ

خلاصة: دمج Sigstore (Cosign, Fulcio, Rekor) مع ممارسات SLSA وin‑toto يوفِّر مساراً عملياً لإضافة توقيع، إثبات provenance، وفرض سياسات في خطوط CI/CD لنماذج الذكاء الاصطناعي — ما يقلّل مخاطر نشر نماذج مخترقة أو مزوّرة. منشورات وأحداث تبنّي هذه الأدوات في منصات توزيع الحزم ونُهج نماذج الشركات أظهرت نموًّا ملحوظًا في اعتمادها.

قائمة تحقق سريعة

• تحديد artifacts وملفات metadata المطلوب توقيعها (نموذج، dataset SBOM، سجلات التدريب).
• تفعيل OIDC في CI للوصول إلى Sigstore بدون مفاتيح طويلة الأمد.
• إعداد Cosign لتوقيع الملفات وإرسال السجلات إلى Rekor.
• توليد in‑toto/SLSA attestations في نهاية كل build/training.
• تطبيق سياسة تحقق إلزامية عند نشر النماذج في الإنتاج.
• مراقبة سجلات Rekor وتنبيهات التغيّر غير المصرح به.

مصادر لمتابعة القراءة والتطبيق العملي متاحة في توثيق Sigstore وSLSA الرسميين، فضلاً عن أمثلة ومقالات تطبيقية تُظهر كيف بدأت المنصات الكبرى بإدماج هذه الأدوات في مسارات التوزيع الحديثة.