تصور کنید مهندسی در یک شرکت ساخت ماهواره هستید که می‌خواهد از قدرت استدلال مدل‌های زبانی استفاده کند، اما یک نشت کوچک داده‌ای می‌تواند به معنای خیانت به امنیت ملی و جریمه‌های میلیاردی باشد. این بن‌بست امنیتی باعث شده بسیاری از پیشروترین شرکت‌های دفاعی، هوش مصنوعی را به‌طور کامل ممنوع کنند. Consus که توسط اریک، مهندس سابق SpaceX و Castelion تأسیس شده است، با هدایت درخواست‌های هوش مصنوعی از طریق زیرساختی که محدودیت‌های ITAR (قوانین کنترل صادرات تسلیحات آمریکا) و استانداردهای اطلاعات طبقه‌بندی‌نشده‌ی کنترل‌شده (CUI) را پاس می‌کند، این مشکل را حل کرده است.
به نقل از مستندات شرکت، Consus به‌تازگی ممیزی معادل‌سازی FedRAMP را بر اساس ۴۱۰ کنترل امنیتی سطح High به پایان رسانده است. FedRAMP High سخت‌گیرانه‌ترین خط‌مشی دولت آمریکا برای سرویس‌های ابری است که داده‌های حساس را پردازش می‌کنند. دستیابی به این مجوز، پیش‌شرط لازم برای پردازش اطلاعات CUI است.
در پوشش پیشین ما از امنیت مدل‌های بازمتن، دیدیم که کنترل داده‌ها در محیط‌های باز دشوار است؛ اما در بخش دفاعی، ریسک‌ها بسیار فراتر از حریم خصوصی است. در این بخش‌های به‌شدت تنظیم‌شده، ترس از اینکه ارائه‌دهندگان مدل‌ها از داده‌های حساس برای آموزش استفاده کنند یا قوانین صادرات نقض شود، اغلب منجر به ممنوعیت کامل ابزارهای AI می‌شود. طبق گزارش اریک، برخی تولیدکنندگان ماهواره حتی استفاده از ابزارهای AI برای کارهای غیرحساس را ممنوع کرده‌اند، زیرا ترس از شکست در ارزیابی‌های سایبری یا از دست دادن قراردادهای دولتی جدید بر هر چیزی پیشی دارد.
شکاف ابری دولتی (GovCloud Gap)
بیشتر شرکت‌های هوافضا و دفاعی در هر سه ابر دولتی اصلی (AWS، Azure و گوگل) حضور ندارند، اما مدل‌های پیشرو بین این ارائه‌دهندگان پخش شده‌اند. برای مثال، مدل GPT-5.6 Sol فقط در Azure Government و مدل Claude Opus 5.5 از طریق Bedrock در AWS GovCloud در دسترس است.
برای تیم‌های کوچک، دسترسی به این پلتفرم‌ها دشوار است. برای سازمان‌های بزرگ‌تر، GovCloud تنها به آن‌ها اجازه می‌دهد برخی از کنترل‌های مورد نیاز برای داده‌های حساس را به ارث ببرند، اما نه همه آن‌ها را. برای استفاده از هر دو مدل، یک شرکت مجبور است دو محیط ابری دولتی مجزا را راه‌اندازی و ایمن کند که هزینه‌های عملیاتی بسیار بالایی دارد.
Consus به عنوان یک لایه‌ی استنتاج (Inference) — شبیه به یک مترجم امن که پیام را می‌گیرد، بررسی می‌کند و سپس به مقصد می‌فرستد — عمل می‌کند که به جریان‌های کاری موجود متصل می‌شود. بر اساس پست شرکت در ۱۳ اکتبر ۲۰۲۶، این پلتفرم به ابزارهایی مثل ChatGPT، Claude و عامل‌های متن‌باز مانند Pi یا Open WebUI و همچنین برنامه‌های سفارشی ساخته شده توسط سازمان‌ها متصل می‌شود.
معماری فنی و انطباق
برای تضمین رعایت دقیق پروتکل‌های امنیتی، Consus مکانیزم‌های خاصی را اجرا می‌کند:
- پسوندهای انطباق: هر درخواست به یک نقطه اتصال واحد و سازگار با OpenAI می‌رسد که در آن کلیدها تأیید و خط‌مشی‌ها اجرا می‌شوند. نام هر مدل باید حتماً یک پسوند انطباق داشته باشد (مثلاً
gpt-5.6-sol:fedramp-highیاclaude-opus-5-5:itar). نام‌های ساده مدل به‌طور خودکار رد می‌شوند و سیستم هرگز درخواست‌ها را به نقاط اتصال تجاری معمولی پروکسی نمی‌کند. - عدم ذخیره‌سازی داده‌ها (Zero Data Retention): سیستم داده‌های مشتری را در حالت استراحت (at rest) ذخیره نمی‌کند. پرامپت‌ها و پاسخ‌ها فقط برای مدت زمان درخواست در حافظه می‌مانند و هرگز روی دیسک نوشته یا لاگ نمی‌شوند. این سیاست عدم ذخیره‌سازی به‌طور سخت‌گیرانه هم در Consus و هم در زیرساخت‌های ارائه‌دهندگان زیرین اجرا می‌شود.
- نقطه اتصال واحد: کاربران به‌جای مدیریت محیط‌های مجزای AWS GovCloud و Azure Government، تنها با یک نقطه اتصال در ارتباط هستند و Consus کارهای انطباقی را برای هر ارائه‌دهنده در پشت صحنه مدیریت می‌کند.
- تأیید هویت: به‌دلیل قوانین ITAR که مستلزم دانستن دقیق هویت فرد پشت هر کلید است، Consus به‌صورت خودکار (Self-serve) نیست. شرکت هر سازمان را تأیید کرده و پیش از صدور کلیدهای API، یک قرارداد رسمی منعقد می‌کند.
برای سازمان‌های بزرگ، یک پورتال مدیریتی (Consus Portal) برای کنترل هزینه‌ها، مدیریت کلیدها و تعریف لیست مدل‌های مجاز (Allowlists) برای کاربران فراهم شده است. هزینه این سرویس از یک هزینه انطباق ۴۰ دلار ماهانه به‌ازای هر کاربر، به‌علاوه هزینه توکنها (Token) — تکه‌های کوچکی از متن که مدل تکه‌تکه می‌خورد — شروع می‌شود. اگرچه داده‌های مشتری ذخیره نمی‌شوند، اما Consus متادیتای هر درخواست و پاسخ را برای اهداف صورت‌حساب و ممیزی نگه می‌دارد.
این رویکرد فرض قدیمی را که شرکت‌های دفاعی باید سیلوهای ایزوله و اختصاصی خودشان را برای استفاده از AI بسازند، تغییر می‌دهد. Consus با انتزاع لایه انطباق، به این شرکت‌ها اجازه می‌دهد امنیت FedRAMP High را بدون سربار عملیاتی مدیریت چندین ابر دولتی به ارث ببرند.
در واقع، این سیستم انطباق را از یک سد راه به یک ابزار آماده‌به‌کار (Plug-and-play) تبدیل کرده است. این اتفاق می‌تواند پذیرش AI در تولید ماهواره و محموله‌های امنیت ملی را شتاب ببخشد؛ جایی که شکاف بین قابلیت‌های تجاری و پذیرش قانونی در بیشترین حد خود بود.
کارشناسان امنیتی و مهندسان صنایع تنظیم‌شده اکنون می‌توانند معماری این پلتفرم را از طریق مستندات امنیتی Consus بررسی کنند تا اثربخشی این مدل انطباق مبتنی بر پروکسی را ارزیابی نمایند.
گام بعدی شما
- مهندسان زیرساخت باید معماری مبتنی بر پروکسی (Proxy-based) را برای جداسازی لایه انطباق از لایه مدل بررسی کنند.
- بررسی مستندات امنیتی Consus برای ارزیابی اثربخشی مدل Zero Data Retention در محیط‌های حساس.
- مقایسه هزینه لایه‌های واسط امن در برابر هزینه راه‌اندازی محیط‌های GovCloud اختصاصی.
اما تأثیر این مدل بر حاکمیت داده‌های ملی در کشورهای دیگر حتی پیچیده‌تر است — به تحلیل ما درباره هوش مصنوعی حاکمیتی مراجعه کنید.
گفتگو