پرش به محتوای اصلی
پرش به محتوای مقاله

پروژه SAM امنیت ارتباطات عامل‌های هوش مصنوعی را با مدل Zero-Trust تأمین می‌کند

·۲۷ مرداد ۱۴۰۵۴ دقیقه مطالعه۱ بازدید
شبکه همتابه‌همتای بدون‌پیکربندی و بدون‌اعتماد برای عامل‌های هوش مصنوعی
شبکه همتابه‌همتای بدون‌پیکربندی و بدون‌اعتماد برای عامل‌های هوش مصنوعی
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

جایگزینی APIهای عمومی و ریسکی با یک لایه P2P رمزنگاری‌شده که اجازه می‌دهد عامل‌ها بدون دسترسی مستقیم به اینترنت، ابزارهای یکدیگر را فراخوانی کنند.

تصور کنید یک تیم از عامل‌های هوش مصنوعی روی سخت‌افزارهای مختلف — از یک رزبری‌پای در خانه تا یک سرور ابری یا دستگاه‌های اندرویدی — باید با هم همکاری کنند، اما هیچ‌کدام نباید درهای شبکه خود را به روی اینترنت باز کنند. پیش از این، چنین همکاری‌هایی نیازمند نقاط انتهایی (Endpoints) عمومی و ریسک‌پذیر بود، اما پروژه Sovereign Agent Mesh (SAM) اکنون این شکاف امنیتی حیاتی را می‌پوشاند تا همکاری بین‌عاملی بدون ریسک نشت داده‌ها ممکن شود. این رویکرد در راستای مفاهیم هوش مصنوعی حاکمیتی برای حذف ریسک نشت داده در سازمان‌ها است که بر کنترل کامل داده‌ها تأکید دارد. این پروژه که تحت لایسنس Apache-2.0 منتشر شده، یک لایه P2P امن فراهم می‌کند که به عامل‌های خودمختار اجازه می‌دهد ابزارها را میان سرورهای ابری، لپ‌تاپ‌ها و دستگاه‌های لبه (Edge) به اشتراک بگذارند، بدون آنکه APIهای خصوصی را در معرض اینترنت عمومی قرار دهند. لازم به ذکر است که این پروژه ارتباطی با مدل "Segment Anything" ندارد و یک محصول رسمی تحت پشتیبانی گوگل نیست.

بسیاری از استقرار‌های سازمانی هوش مصنوعی امروز با مشکل «مرز شبکه» دست‌وپنجه نرم می‌کنند. طبق مستندات این پروژه، وقتی یک عامل (Agent) در یک مرکز داده خصوصی می‌خواهد ابزاری را در یک سرور ابری فراخوانی کند، مهندسان معمولاً مجبورند پورت‌های فایروال را باز کنند یا اسکریپت‌های داخلی را در وب منتشر کنند. SAM این آسیب‌پذیری را با یک شبکه مش (Mesh) با پیکربندی صفر و مدل اعتماد صفر (Zero-Trust) جایگزین می‌کند؛ چیزی شبیه به یک VPN خصوصی که به‌طور اختصاصی برای پروتکل زمینهٔ مدل (MCP) محدوده یافته و طراحی شده است.

زمینه و استقرار

SAM برای سازمان‌هایی طراحی شده که عامل‌های آن‌ها در محیط‌های ابری، مراکز داده و لپ‌تاپ‌ها پراکنده‌اند. این ابزار بهترین گزینه برای سازمان‌های مهندسی بازار متوسط و سازمان‌های بزرگ است، به‌ویژه در صنایع تحت نظارت و رگوله شده مانند:

  • خدمات مالی و بهداشت و درمان
  • بخش عمومی و دفاعی
  • ناوگان‌های لبه در صنایع صنعتی یا رباتیک

این تمرکز بر توزیع پردازش در لبه، یادآور رویکرد HART OS در انتقال استنتاج هوش مصنوعی از ابر به شبکه‌ای از دستگاه‌های محلی است که انعطاف‌پذیری عملیاتی را افزایش می‌دهد.

بر اساس مستندات گیت‌هاب، SAM از طریق سه فایل اجرایی (Binary) اصلی عمل می‌کند. sam-control-plane وظیفه ثبت هویت، صدور توکن و توزیع سیاست‌ها را بر عهده دارد. sam-router نقاط بوت‌استرپ libp2p و لایه‌های مسیریابی GossipSub را مدیریت می‌کند و در نهایت sam-node به‌عنوان کلاینت P2P، انتقال داده در مش، قابلیت اتصال خود-ترمیم‌شونده (Self-healing) و یک رابط HTTP محلی برای MCP را فراهم می‌کند.

معرفی Dyna-2: مدل جهان-عمل رباتیکی با پیش‌آموزش بر یک میلیون ساعت ویدیوی انسانی

جزئیات فنی

برای آنلاین کردن یک گره، کاربر دستور sam-node join و سپس sam-node run را اجرا می‌کند. لایه شبکه از libp2p روی پورت‌های ۵۰۰۱/udp و ۵۰۰۲/tcp استفاده می‌کند، در حالی که API محلی MCP به‌طور پیش‌فرض روی پورت ۸۰۸۰ فعال می‌شود.

جزئیات فنی این سیستم بر چهار محور استوار است:

  • ترجمه هویت: سیستم یک OIDC JWT را تأیید کرده و ادعاهای (Claims) آن را به حقایق Datalog تبدیل می‌کند که سپس در یک توکن Biscuit مهر و موم می‌شوند. برای مثال، یک ادعای "sub" به user(...) و گروه‌ها به group(...) تبدیل می‌شوند، در حالی که شناسه همتا (Peer ID) به صورت client_peer_id(...) متصل می‌گردد.
  • مجوزدهی آفلاین: این قابلیت به گره‌ها اجازه می‌دهد درخواست‌ها را به‌صورت آفلاین تأیید کنند؛ یعنی یک گره توکن را بر اساس قوانین محلی ارزیابی می‌کند بدون آنکه برای هر درخواست واحد، نیاز به تماس با کنترل‌پلین داشته باشد.
  • اجرای سخت‌گیرانه: دسترسی‌ها بر اساس سیاست سخت‌گیرانه «رد پیش‌فرض» (default-deny) مدیریت می‌شوند. حتی کاتالوگ شناسایی سیستم (system://sam.catalog) برای دسترسی به یک مجوز صریح، مانند حقیقت قابلیت granted_service_exact(...) نیاز دارد. سرویس‌ها از قرارداد type://name پیروی می‌کنند و از پشتیبانی Wildcard (مانند mcp://* یا mcp://build-runner.*) بهره می‌برند.
  • خط لوله دو مرحله‌ای: هر درخواست از یک خط لوله عبور می‌کند که ابتدا اتصال را در برابر حافظه‌های توقف (Ban) و ابطال (Revocation) می‌سنجد و سپس دو مرحله تأیید Biscuit را اجرا می‌کند: یکی برای هویت خودِ گره و دیگری برای توکن فراخواننده.

کنترل خروجی و سندباکسینگ

برای جلوگیری از نشت اعتبارنامه‌ها، SAM از sam-box و nano-init استفاده می‌کند. فرآیند nano-init به‌عنوان PID 1 در سندباکس اجرا شده و متغیرهای محیطی پروکسی را تنظیم می‌کند. برای ابزارهایی که این متغیرها را نادیده می‌گیرند، از LD_PRELOAD برای قلاب کردن (Hook) فراخوانی سیستم C connect() روی پورت‌های ۸۰ و ۴۴۳ استفاده می‌شود.

ترافیک از طریق یک سوکت دامنه یونیکس (Unix domain socket) به درگاه sam-box می‌رسد. درگاه توکن Biscuit را تأیید کرده، اعتبارنامه واقعی را از یک فایل secrets.yaml تزریق می‌کند و درخواست را به HTTPS ارتقا می‌دهد. این سازوکار تضمین می‌کند که سندباکس عامل هرگز کلیدهای واقعی و حساس را در اختیار ندارد. در این زمینه، مقایسه V8 Isolate در برابر سندباکس‌های لینوکسی نشان می‌دهد که انتخاب لایه ایزولاسیون چه تأثیری بر مدیریت حافظه و سرعت اجرای عامل‌ها دارد.

آمادگی برای تولید

اگرچه یک شبکه آزمایشی عمومی در bananas.sam-mesh.dev وجود دارد، اما پروژه برای بارهای کاری واقعی، «حالت DIY» یا میزبانی شخصی را توصیه می‌کند تا کنترل کامل داده‌ها و سیاست‌ها حفظ شود.

برای کسانی که قصد پیاده‌سازی فعلی را دارند، پروژه موارد زیر را فراهم کرده است:

  • باینری‌های Go و یک اسکریپت نصب
  • ایمیج‌های داکر از طریق ghcr.io
  • یک Helm chart در مسیر charts/sam-mesh و راهنمای استقرار در کوبرنتیز برای محیط تولید
  • پشتیبانی بومی از اندروید و iOS

این چرخش به سمت اشتراک‌گذاری ابزارهای غیرمتمرکز و تأییدشده با رمزنگاری، این فرض را می‌شکند که عامل‌ها برای امن بودن باید حتماً در یک VPC واحد باشند. با انتقال مجوزدهی به لبه از طریق توکن‌های Biscuit، کنترل‌پلین دیگر یک نقطه شکست واحد (Single Point of Failure) برای اجرای ابزارها در زمان واقعی نیست.

برای کاربر نهایی، این به معنای تبدیل عامل‌ها به یک ناوگان «کارگر گرم» (pooled warm worker) است. یک عامل مدیر می‌تواند همتایان را از طریق DHT شناسایی کرده و وظایف را با استفاده از تخصیص اجاره سنکرون (Synchronous lease assignment)، توکن‌های حصاردهی (Fencing tokens) و اخراج با مهلت (Grace eviction) واگذار کند. اگر کارگری در دسترس نباشد، یک مکانیزم پشتیبان POOL_BUSY فعال می‌شود. کارگران یک توکن HMAC کوتاه‌مدت را به‌صورت آفلاین تأیید می‌کنند و هر درخواست دیگری پاسخ NO_LEASE دریافت می‌کند.

توسعه‌دهندگان می‌توانند این سیستم را با Gemini، Claude Code، Claude Desktop، Google Antigravity و OpenClaw ادغام کنند. استفاده از دستور sam-node skill install یک فایل SKILL.md می‌نویسد که به یک عامل اجازه می‌دهد خودش گره را آنلاین کند، هرچند فرآیند اولیه ورود و ثبت‌نام (Enrollment) به‌طور عمدی یک فرآیند انسانی باقی مانده است.

گام بعدی شما

  • اگر در حال توسعه سیستم‌های چندعاملی هستید، مستندات SAM در گیت‌هاب را برای جایگزینی APIهای عمومی با لایه P2P بررسی کنید.
  • برای محیط‌های حساس، استقرار کنترل‌پلین را به‌صورت میزبانی شخصی (Self-hosting) پیاده‌سازی کنید تا مالکیت کامل داده‌ها حفظ شود.
  • قابلیت sam-node skill install را برای تعریف مهارت‌های جدید عامل‌ها در محیط توزیع‌شده آزمایش کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این پروژه با حذف نیاز به باز کردن پورت‌های شبکه، استقرار عامل‌های AI را در صنایع با امنیت بالا (مانند دفاعی و مالی) ممکن می‌کند. اعتبار این رویکرد از به‌کارگیری استانداردهای رمزنگاری مدرن و مدل Zero-Trust برای مدیریت دسترسی‌ها می‌آید.

تأثیر برای ایران

به‌دلیل متن‌باز بودن پروژه (Apache-2.0) و پشتیبانی از میزبانی شخصی، توسعه‌دهندگان ایرانی می‌توانند بدون وابستگی به سرویس‌های ابری تحریم‌شده، زیرساخت‌های امن برای عامل‌های AI خود ایجاد کنند.

·نگاه ما
تحریریه دات‌هوش

SAM با جابه‌جایی منطق مجوزدهی از سرور مرکزی به لبه (Edge)، معماری عامل‌های هوش مصنوعی را از مدل‌های متمرکز به سمت ساختارهای توزیع‌شده سوق می‌دهد. این رویکرد باعث می‌شود وابستگی به یک کنترل‌پلین واحد از بین برود و مقیاس‌پذیری سیستم‌های عامل‌محور در محیط‌های ناهمگون سخت‌افزاری به‌شدت افزایش یابد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.