«دروازه حریم خصوصی»؛ رویکرد جدید پراپلسیتی برای مدیریت داده‌های حساس

تصور کنید یک وکیل یا تحلیلگر مالی بتواند اسناد محرمانه قراردادها یا پرونده‌های حقوقی دارای امتیاز محرمانه را بدون ارسال حتی یک بایت داده حساس به ابر، با هوش مصنوعی تحلیل کند. در ۱ سپتامبر ۲۰۲۶، شرکت Perplexity قابلیت محاسبات ترکیبی (Hybrid Compute) را برای اپلیکیشن مک عرضه کرد؛ سیستمی که وظایف را به‌طور پویا بین مدل‌های ابری پیشرفته (Frontier Models) و استنتاج (Inference) محلی روی دستگاه تقسیم می‌کند.

این تغییر در حالی رخ می‌دهد که سازمان‌ها برای ایجاد تعادل بین قدرت مدل‌های زبانی بزرگ (LLM) — که استدلال‌های برتری ارائه می‌دهند — و قوانین سخت‌گیرانه اقامت داده‌ها (Data Residency) در تقلا هستند. در حالی که مدل‌های ابری قدرت استدلال بالاتری دارند، اما برای کارهای حرفه‌ای یک گلوگاه امنیتی ایجاد می‌کنند. Perplexity با انتقال «لایه حریم خصوصی» به لبه (Edge)، سعی دارد تضاد میان کاربردی بودن ابزار و محرمانه ماندن اطلاعات را حل کند. این رویکرد در ادامه تلاش‌های این شرکت برای بهینه‌سازی پردازش محلی در برابر ابری صورت می‌گیرد تا امنیت داده‌های حساس در محیط‌های سازمانی تضمین شود.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، کنترل روی داده‌های ورودی کلید پذیرش هوش مصنوعی در محیط‌های سازمانی است. طبق اعلام این شرکت، این ویژگی برای مشترکان Pro، Max و Enterprise در دسترس است. برای استفاده از آن، داشتن مک با تراشه اپل (Apple Silicon)، سیستم‌عامل macOS 15 یا جدیدتر و حداقل ۲۴ گیگابایت حافظه یکپارچه (Unified Memory) الزامی است. کاربران می‌توانند بین سه مدل محلی انتخاب کنند: Gemma 4 E4B، Qwen3.6 35B-A3B یا یک مدل اختصاصی که توسط Perplexity پس از آموزش (Post-trained) بهینه شده است.

تفکیک ابر و دستگاه

هماهنگی این جریان کاری بر عهده Perplexity Computer است که وظایف را بر اساس ماهیت داده‌ها تقسیم می‌کند. این هماهنگی تضمین می‌کند که کاربران مجبور نباشند وظایف خود را به پرامپت‌های جداگانه تقسیم کنند یا اطلاعات را به‌صورت دستی بین ابزارهای مختلف جابه‌جا کنند.

• بخش ابری: مسئول استدلال‌های پیشرفته، جست‌وجوی وب و برنامه‌ریزی‌های سطح بالا است.
• بخش محلی: پردازش فایل‌های خصوصی، اطلاعات حساس و اجرای دستورات روی دستگاه را بر عهده دارد.

وظایف می‌توانند از هر جایی شروع شوند. به دلیل یکپارچگی با آیفون، کاربران می‌توانند دستورات را از راه دور ارسال کنند، در حالی که مدل محلی روی یک مک مینی (Mac mini) اختصاصی که همیشه روشن است، آن‌ها را اجرا می‌کند. Perplexity به‌طور خاص مک مینی و مک استودیو را به‌دلیل عملکرد تراشه‌های اپل و حافظه یکپارچه برای پردازش‌های عامل‌محور (Agentic) ایده‌آل دانست. این قابلیت در واقع تکامل یافته‌ی همان استراتژی است که در آن پرتپلکسی با Portable Computer استنتاج عامل‌های هوش مصنوعی را محلی کرد تا سرعت و حریم خصوصی افزایش یابد. نکته مهم این است که کارهای پردازش شده توسط مدل محلی، از اعتبار ابری (Cloud Credits) کاربر کم نمی‌کنند.

نصب و پیاده‌سازی

راه‌اندازی این سیستم شامل یک فرآیند سه مرحله‌ای است. اول، کاربران آخرین نسخه اپلیکیشن Perplexity برای مک را نصب می‌کنند. دوم، یک مدل محلی را تنها با یک کلیک دانلود می‌کنند که به هیچ تنظیمات محیطی (Runtime) جداگانه‌ای نیاز ندارد. در نهایت، آن‌ها مدل‌سِلکتور (Model Selector) را باز کرده، حالت "Hybrid" را انتخاب می‌کنند و مدل‌های محلی و ابری خاص خود را برای آن وظیفه تعیین می‌کنند.

مکانیزم دروازه حریم خصوصی

قلب این معماری، یک «دروازه حریم خصوصی» محلی است که مانند یک فیلتر عمل می‌کند. پیش از آنکه هرگونه داده‌ای به ابر برسد، یک طبقه‌بند (Classifier) روی دستگاه، جزئیات حساس مانند شماره حساب‌ها، آدرس‌ها و شناسنامه‌های دولتی را شناسایی می‌کند.

این شرکت این طبقه‌بند را PII-Tracer می‌نامد؛ یک رمزگذار دوطرفه (Bidirectional Encoder) با ۰.۶ میلیارد پارامتر که بر پایه ساختار Qwen3 بنا شده است. این دروازه می‌تواند جزئیات حساس را ماسک کند، درخواست را کاملاً رد کند یا مقادیر شناسایی شده را با جایگزین‌های موقت عوض کند؛ مقادیری که تنها پس از بازگشت پاسخ از ابر به مک، دوباره بازیابی می‌شوند. سخت‌گیرانه‌ترین سطح حفاظت برای اطلاعات مربوط به اعتبارنامه‌ها (Credentials)، شماره کارت‌های پرداخت و شناسنامه‌های دولتی اعمال می‌شود.

برای اعتبارسنجی این سیستم، شرکت محک PII-TRACE را معرفی کرد که شامل ۱۳,۱۴۸ گفتگوی مصنوعی در ۱۳ زبان مختلف است. Perplexity ادعا می‌کند که PII-Tracer بالاترین امتیاز F1 کاراکتری را در میان ۱۲ سیستم ارزیابی‌شده به دست آورده است. برخلاف مدل‌های بسته ابری، PII-Tracer می‌تواند متن‌های بررسی‌نشده را کاملاً به‌صورت محلی پردازش کند. این شرکت مدل را به‌صورت باز در Hugging Face منتشر کرده و آراویند سرینیواس، مدیرعامل شرکت، تایید کرد که طبقه‌بند PII مورد استفاده برای مسیریابی حجم کاری نیز متن‌باز خواهد شد.

کاربردهای سازمانی و حرفه‌ای

برای مدیران بخش Enterprise، این سیستم کنترل‌های دقیقی (Granular Control) اضافه می‌کند. سازمان‌ها می‌توانند قوانین جهانی تعیین کنند که چه داده‌هایی حتماً باید محلی بمانند، چه مواردی می‌توانند ماسک شوند و چه چیزهایی پیش از ارسال به ابر نیاز به تایید کاربر داشته باشند. همچنین مدیران می‌توانند دقیقاً بازرسی (Audit) کنند که چه زمانی اطلاعات از یک دستگاه خارج شده است.

Perplexity چندین کاربرد حرفه‌ای را برجسته کرد:

• تیم‌های سرمایه‌گذاری: تطبیق اسناد محرمانه قراردادها با گزارش‌های عمومی ثبت شده در بازار.
• آژانس‌های تبلیغاتی: مقایسه پیش‌نویس‌های خلاقانه با تحقیقات وب، در حالی که دارایی‌های تحت embargo (محدودیت انتشار) روی مک می‌مانند.
• وکلای دادگاه: تحقیق درباره رویه‌های قضایی در ابر، در حالی که خلاصه‌ی فایل‌های دارای امتیاز محرمانه را به مدل محلی ارجاع می‌دهند.

این قابلیت تکامل یافته‌ی ویژگی "Personal Computer" است که در آوریل ۲۰۲۶ معرفی شد و برای اولین بار به مشترکان Max اجازه می‌داد اپلیکیشن با فایل‌های محلی مک تعامل کند. حالا در آخرین نسخه، کاربران می‌توانند یک مدل محلی فشرده را برای اجرای وظایف روی دستگاه اضافه کنند.

این حرکت نشان‌دهنده یک روند گسترده‌تر به سمت «رایانش لبه‌ای عامل‌محور» (Agentic Edge Computing) است. Perplexity با سپردن بررسی حریم خصوصی به یک مدل کوچک و تخصصی (۰.۶ میلیارد پارامتر)، نیاز به اعتماد به ارائه‌دهنده ابری برای داده‌های خام PII را از بین می‌برد. این سیستم، مک را از یک ترمینال ساده به یک گاوصندوق امن تبدیل می‌کند که نشت داده‌های خود را مدیریت می‌کند.

برای کاربر حرفه‌ای، این بدان معناست که «مالیات حریم خصوصی» در حال حذف شدن است. وکلای دادگاه و بانکداران سرمایه‌گذاری اکنون می‌توانند از استدلال‌های پیشرفته روی اسناد عمومی استفاده کنند و هم‌زمان خلاصه‌های اسناد محرمانه را صرفاً روی سخت‌افزار خود نگه دارند.

باید منتظر ماند و دید آیا رقبای جست‌وجوی AI نیز مسیریابی‌های ترکیبی مشابهی را اتخاذ می‌کنند یا خیر؛ چرا که نبرد برای پذیرش سازمانی اکنون بیش از آنکه به نمرات خام بنچمارک وابسته باشد، به حاکمیت داده‌ها (Data Sovereignty) گره خورده است.