80,000 عقدة ترحيل LLM تعمّي ضوابط الوصول الإقليمية

مقدمة تحليلية

كشفت بيانات Team Cymru عن بنية تحتية للذكاء الاصطناعي تضم أكثر من 80,000 عقدة ترحيل للنماذج اللغوية الكبيرة (LLM)، في تحليل نشر بتاريخ 2026-09-22، والذي جمعته Dev.to بتاريخ 2026-09-23T02:49:28Z. هذه الشبكة المعقدة، التي تعمل عبر بوابات مثل Claude Relay Service (CRS) و sub2api، تتجاوز بفعالية آليات التحقق من هوية المستخدم والضوابط الإقليمية المفروضة على خدمات AI الرائدة مثل OpenAI و Anthropic Claude و Google Gemini و xAI. في فترة مسح أولية دامت ثمانية أيام، وثقت Team Cymru وجود 10,867 محطة نقل CRS/sub2api مؤكدة. وقد توسع هذا العدد لاحقًا ليتجاوز 80,000 عقدة ترحيل عند تغطية نطاق أوسع من علامات برامج البوابات والترحيل.

حجم البيانات المتداول يعكس مدى المشكلة، حيث رُصد حوالي 14 تيرابايت من التحميلات و7 تيرابايت من التنزيلات في مجموعة ترحيل أمريكية محددة على مدار ثمانية أيام. تشير هذه الأرقام إلى نشاط مكثف، إلا أن محتوى الاستفسارات المشفرة لم يكن مرئيًا، ولم يتم تأكيد منشأ بيانات الاعتماد، مما يجعل أغراض الاستخدام مثل استخلاص النموذج مجرد استنتاجات غير مؤكدة.

التحليل التقني

تتأسس هذه البنية التحتية على مبدأ تجميع بيانات الاعتماد والتوجيه متعدد المناطق. يقوم مشغلو الترحيل بتجميع حسابات الاشتراك، ومفاتيح API، ورموز OAuth، ورموز الجلسة في مجمعات. تُحصَل هذه البيانات بطرق متنوعة تشمل المشاركة، وإعادة البيع، وإساءة استخدام العروض الترويجية، أو السرقة، وإن كان التوزيع الدقيق لهذه الطرق لا يزال مجهولاً وفقاً لـ Team Cymru. يرسل المستخدمون، وخصوصًا من مواقع مثل الصين وهونج كونج، طلباتهم إلى بوابات الترحيل باستخدام برمجيات مثل CRS أو sub2api.

تقوم البوابة بعد ذلك باختيار بيانات اعتماد من المجمع وتحول حركة المرور إلى محطات ترحيل، كثيرًا ما تكون في مناطق مثل الولايات المتحدة. تتصل محطات الترحيل هذه بخدمات AI الرئيسية مثل OpenAI و Anthropic و Google و xAI باستخدام بيانات اعتماد صالحة. تُعاد الاستجابات إلى المستخدمين عبر نفس المسار. هذه الآلية تضعف ضوابط مقدمي الخدمة بشكل جوهري: فالمزودون يرون عناوين IP لمحطات الترحيل وحسابات مشتركة بدلاً من المستخدمين الفعليين، مما يؤدي إلى:

• إضعاف تحديد الهوية الإقليمية.
• إضعاف تحديد هوية المستخدم.
• إضعاف ضوابط تحديد المعدل.

في أحد الأمثلة المحددة، قامت حوالي 4,000 عنوان IP من الصين وهونج كونج بإرسال ما يقرب من 14 تيرابايت من البيانات إلى 304 محطات نقل مقرها الولايات المتحدة، وتلقت أكثر من 7 تيرابايت خلال ثمانية أيام. وقد أظهرت 17 محطة ترحيل متصلة بـ Anthropic وحده حجم تحميلات بلغ 81 جيجابايت وتنزيلات 1.4 جيجابايت خلال نفس الفترة، مما يدعم فرضية الاستخدام المكثف. تهدف إجراءات التخفيف لمنع هذا السلوك إلى فصل مفاتيح API ورموز الجلسة حسب حالة الاستخدام والمستخدم، وتقصير فترات صلاحيتها، وتدويرها بانتظام، وإلغائها فورًا عند الشك. يجب على المسؤولين رصد المؤشرات مثل استخدام حسابات فردية أو مفاتيح API من عدة عناوين IP وASNs، والوصول غير المتناسق جغرافيًا، والاستهلاك غير الطبيعي للرموز.

السياق وتأثير السوق

يمثل هذا الانتشار الواسع للبنية التحتية للترحيل تحديًا مباشرًا لنموذج عمل مزودي خدمات AI وسياستهم التشغيلية. فبينما كان النموذج السابق يعتمد على وصول مباشر وشفافية في تحديد هوية المستخدم وموقعه، فإن النظام الحالي يعمّي هذه المعايير. يؤثر هذا بشكل خاص على استراتيجيات التسعير والامتثال التنظيمي التي تعتمد على تحديد المنطقة. المنافسون الكبار في السوق مثل OpenAI مع نماذجها المختلفة، وAnthropic بـ Claude، وGoogle بـ Gemini، وxAI بنماذجها الناشئة، يواجهون جميعاً نفس التهديد.

لم تعد آلياتهم الداخلية كافية للتحقق من الاستخدام الشرعي مقابل الاستخدام المتحايل. بالنسبة لمالكي بيانات الاعتماد الشرعية، تظهر الآثار السلبية في شكل زيادة في الفواتير، أو تحديد معدل الوصول، أو سجل استخدام غير مألوف. هذا يخلق سوقًا رمادية لبيانات اعتماد AI، حيث يتم إعادة بيعها أو استخدامها بما يتجاوز الشروط التعاقدية. الأثر الاقتصادي يمتد إلى استهلاك حصص الخدمة المخصصة، مما قد يؤدي إلى تعليق الحسابات الشرعية.

فرضية استخلاص النماذج أو تقطيرها (model distillation)، التي تشير إليها Team Cymru بسبب حركة التحميلات الكبيرة (مثل 81 جيجابايت إلى Anthropic)، تمثل تهديدًا وجوديًا لمزايا الملكية الفكرية لمطوري النماذج الحدودية، على الرغم من أن الهدف الفعلي لم يُؤكد بسبب عدم القدرة على رؤية محتويات الاستفسارات المشفرة. هذا يقلل من قدرة مقدمي الخدمات على فرض قيود الاستخدام السليم والتحكم في تكاليف الحوسبة.