التعلم الآلي مقابل الكلمات المفتاحية: كيف تكتشف Microsoft Purview المحادثات الخطرة

By Mirko Peters · 2026-08-13

مرحباً بعودتكم إلى المدونة! إذا سبق لكم إدارة البنية التحتية لتقنية المعلومات أو الامتثال في مؤسسة حديثة، فأنتم تدركون مدى التغيّر الجذري الذي شهدته طريقة التواصل في بيئة العمل خلال العقد الأخير. لم تعد المراسلات المؤسسية محصورة في برنامج البريد الإلكتروني للشركة، ضمن هياكل رسمية وتنسيق متوقع. فاليوم، يتواصل الموظفون عبر منظومة رقمية واسعة تشمل رسائل Microsoft Teams، والردود الفورية في القنوات، ون

Automatically translated with AI from the original post. Read the English original

مرحباً بعودتكم إلى المدونة! إذا سبق لكم إدارة البنية التحتية لتقنية المعلومات أو الامتثال في مؤسسة حديثة، فأنتم تدركون مدى التغيّر الجذري الذي شهدته طريقة التواصل في بيئة العمل خلال العقد الأخير. لم تعد المراسلات المؤسسية محصورة في برنامج البريد الإلكتروني للشركة، ضمن هياكل رسمية وتنسيق متوقع. فاليوم، يتواصل الموظفون عبر منظومة رقمية واسعة تشمل رسائل Microsoft Teams، والردود الفورية في القنوات، ونقاشات Viva Engage، والتعاون عبر الأجهزة المحمولة، وحتى التفاعلات المعقدة مع أدوات الذكاء الاصطناعي مثل Microsoft 365 Copilot. ورغم أن هذه البيئة المرنة ترفع الإنتاجية والمرونة والابتكار بشكل ملحوظ، فإنها تفرض في المقابل نمطاً جديداً كلياً من المخاطر في مكان العمل.

تواجه المؤسسات تحديات معقدة تتراوح بين التحرش في بيئة العمل والسلوك غير اللائق، وبين تسريب البيانات الحساسة، والمخالفات التنظيمية، وتهديدات الداخل، وتضارب المصالح. ولحماية المؤسسة من هذه المخاطر لا بد من مراقبة متينة، إلا أن أساليب المراقبة التقليدية لم تعد قادرة على مواكبة دقائق الحوار البشري الحديث. في هذه المقالة، سنتعمق في التقنية التي تقف خلف مراقبة الاتصالات في Microsoft Purview. وسنستعرض كيف تتجاوز نماذج التعلم الآلي المتقدمة والمصنِّفات المتطورة مطابقة الكلمات المفتاحية البسيطة، لفهم المخاطر السلوكية المعقدة، مع احترام خصوصية المستخدمين والحفاظ على بيئة عمل رقمية آمنة.

مقدمة في مخاطر التواصل في بيئة العمل الحديثة

لفهم سبب الحاجة إلى تقنيات الكشف الحديثة، ينبغي أولاً أن ننظر بعناية إلى مشهد التهديدات داخل مساحات العمل الرقمية الحديثة. في الماضي، كان مسؤولو الامتثال وفريق الموارد البشرية يعتمدون على عمليات التدقيق الدورية، وأخذ عينات عشوائية من رسائل البريد الإلكتروني، أو البلاغات المباشرة لاكتشاف سوء السلوك في العمل. غير أن منصات الدردشة سريعة الإيقاع مثل Microsoft Teams تعمل بشكل أقرب إلى المحادثات الشفهية منها إلى الرسائل التقليدية أو المذكرات الرسمية. فالناس يستخدمون العامية والرموز التعبيرية والنكات الداخلية والاختصارات والصياغات غير الرسمية، وكل ذلك قد يغيّر تماماً المقصود من الرسالة.

علاوة على ذلك، يجعل الحجم الهائل للبيانات المتولدة يومياً المراقبة اليدوية مستحيلة. فالموظفون يرسلون ملايين الرسائل التي تتراوح بين الأحاديث الجانبية غير الرسمية، والاستراتيجيات المالية شديدة السرية، وبيانات PII (Personally Identifiable Information) الخاصة بالعملاء، والملكية الفكرية. وعندما تحدث سلوكيات سيئة، أو تحرش، أو تداول داخلي، فإنها غالباً ما تكون مدفونة في أعماق سلاسل محادثات ضخمة ومتشعبة. تحتاج المؤسسات إلى أنظمة آلية قادرة على تصفية الضجيج، ورصد المخاطر الحقيقية، وتقديم رؤى قابلة للتنفيذ لفرق الامتثال دون إغراقها بالإنذارات الخاطئة. وهنا نصل إلى الخلل الجوهري في بنى الامتثال التقليدية: الاعتماد المفرط على مطابقة الكلمات المفتاحية الجامدة.

قيود مطابقة الكلمات المفتاحية التقليدية

لسنوات طويلة، اعتمدت المراقبة الآلية للمحتوى تقريباً بشكل حصري على قوائم كلمات ثابتة وتعبيرات نمطية (Regular Expressions). فإذا كتب الموظف كلمة أو عبارة محظورة محددة، يُطلق النظام تنبيهاً. ورغم أن هذا الأسلوب سهل الإعداد، فإنه يعاني من قصور تشغيلي كبير في بيئات العمل الواقعية.

أولاً، تعاني مطابقة الكلمات المفتاحية التقليدية من معدل إنذارات خاطئة مرتفع بشكل معروف. تخيّلوا نهج موارد بشرية مصمماً لرصد النقاشات المتعلقة بالتحرش في بيئة العمل أو العدائية. قد يُعلِّم فلتر الكلمات الثابت رسالة لمجرد احتوائها على كلمات مثل "fight" أو "pressure" أو "target" أو "deal"، حتى لو استُخدمت هذه الكلمات في سياق إدارة مشاريع بريء تماماً، مثل "علينا أن نقاتل لنفوز بهذا العميل الجديد" أو "الفريق تحت ضغط كبير لتسليم إصدار برنامج الربع الثالث". وسرعان ما يغرق مسؤولو الامتثال في التنبيهات، فيؤدي ذلك إلى إرهاق من كثرة التنبيهات، فتُغفل المخاطر الحقيقية عن طريق الخطأ.

ثانياً، يتميز المتسللون والموظفون الساخطون بقدرة كبيرة على الابتكار. فهم يستطيعون بسهولة تجاوز مرشحات الكلمات المفتاحية الأساسية عبر الأخطاء الإملائية المتعمدة، وكتابة الأحرف بصيغة leetspeak، واستخدام الرموز التعبيرية والاستعارات أو اللغة المشفّرة. فإذا كان المرشح مبرمجاً للبحث عن مصطلحات محظورة محددة، يكفي أن يغيّر المتسلل المدسوس بضعة أحرف أو أن يستخدم مرادفاً حتى يفلت من الرصد تماماً. ومن الواضح أن حماية المؤسسة الحديثة تتطلب تجاوز القوائم الجامدة والانتقال إلى الفهم السياقي الحقيقي.

كيف تفهم المصنّفات القابلة للتدريب السياق السلوكي

هنا تُحدث الأنظمة الذكية وتعلّم الآلة تحولاً جذرياً. إذ تعتمد Microsoft Purview على مصنّفات متقدمة قابلة للتدريب لرصد أنماط أوسع من السلوك البشري ونية التواصل، بدلاً من مجرد البحث عن تطابقات حرفية دقيقة.

المصنّف القابل للتدريب هو نموذج تعلّم آلي يمكن تدريبه على التعرف على أنواع محددة من المحتوى، وذلك بتزويده بعينات من البيانات. فبدلاً من إخبار النظام بـ "ابحث عن هذه الكلمات بالتحديد"، يزوّد المستخدم النموذج بأمثلة للتطابقات الإيجابية، أي الرسائل التي تمثل تحرشاً أو ألفاظاً نابية أو تهديداً أو مخالفات تنظيمية، وبأمثلة للتطابقات السلبية، أي المراسلات التجارية الآمنة والروتينية. ثم تحلل الخوارزمية الدلالات الكامنة وبنى الجمل والنبرة والعلاقات السياقية بين الكلمات.

عندما يرسل موظف رسالة في Microsoft Teams أو يتعاون في مجتمع Viva Engage، يقيّم المصنّف القابل للتدريب السياق الدلالي بكامله. ويستطيع أن يرصد العدائية أو المفاوضات الحادة أو التقرب غير اللائق حتى في غياب أي من "كلمات التحفيز" التقليدية. ومن خلال النظر إلى تدفق المحادثة، بما في ذلك الرسائل السابقة واللاحقة، يبني النظام صورة دقيقة للنية، مما يقلل بدرجة كبيرة من الإنذارات الخاطئة ويرصد المحاولات المتطورة لتجاوز ضوابط الامتثال.

رصد المعلومات الحساسة والبيانات المهيكلة

بينما تتطلب المخاطر السلوكية، كالتحرش والتهديدات الداخلية، تعلّم الآلة لتفسير النبرة والنية، تحتاج حماية البيانات المهيكلة إلى نوع مختلف من الدقة. فيجب على المؤسسات أن تبقى يقظة باستمرار تجاه الكشف العرضي أو المتعمد عن المعلومات الحساسة، مثل أرقام بطاقات الائتمان، وأرقام الهوية الوطنية، والسجلات الصحية، وبيانات المعلومات المالية الخاصة.

لمعالجة ذلك، تستخدم Microsoft Purview أنواع المعلومات الحساسة (SITs) القوية. وعلى عكس المصنّفات السلوكية الضبابية، تعتمد أنواع المعلومات الحساسة على صيغ رياضية دقيقة، والتحقق من المجموع الاختباري (checksum)، والتعرف على الأنماط لرصد البيانات المهيكلة. فعلى سبيل المثال، لا يكتفي نوع المعلومات الحساسة الخاص ببطاقات الائتمان بالبحث عن رقم مكوّن من 16 خانة، بل يتحقق من معرّف الجهة المصدرة ويتحقق من المجموع الاختباري للتأكد من أنه رقم بطاقة حقيقي وليس رقماً تسلسلياً عشوائياً لبرنامج ما.

علاوة على ذلك، تجمع Purview بين أنواع المعلومات الحساسة وتحليل التقارب وقواميس الكلمات المفتاحية. فالرسالة التي تذكر اسم شخص وعنوانه قد تكون بريئة تماماً، لكن إذا احتوت الرسالnة نفسها على رقم جواز سفر ومعلومات تحويل مالي ضمن نطاق قريب، يدرك النظام ارتفاع مستوى الخطر. كما تتيح إمكانات التعرف الضوئي على الحروف (OCR) فحص الصور المشاركة في المحادثات أو المستندات المرفوعة، لضمان ألا تفلت البيانات الحساسة المخفية داخل لقطات الشاشة أو الإنفوجرافيك من ضوابط المؤسسة.

الموازنة بين الرصد الآلي والمراجعة البشرية والخصوصية

من أهم جوانب تطبيق برنامج امتثال فعّال إدراكُ أن الأدوات الآلية تولّد إشارات، لا أحكاماً نهائية. فالذكاء الاصطناعي وتعلّم الآلة بارعان في تضييق ملايين الرسائل إلى قائمة مختصرة من المخاطر المحتملة، لكن لا ينبغي لهما أبداً أن يكون لهما القول الفصل في الإجراءات التأديبية بحق الموظفين.

صُممت Microsoft Purview وفق مبدأ الحوكمة المسؤولة والمراجعة البشرية. فعندما تتطابق رسالة مع نهج امتثال مُعدّ، تدخل إلى سير عمل مراجعة آمن قائم على الأدوار. ويستطيع مراجعون بشريون مدرَّبون، مثل مسؤولي الامتثال أو أخصائيي الموارد البشرية أو المستشارين القانونيين، فحص الرسالة المُعلَّمة ضمن سياقها الكامل في المحادثة. فيمكنهم الاطلاع على سجل الخيط، وتقييم الحوار المحيط، والحكم على ما إذا كانت مخالفة النهج قد وقعت فعلاً.

تُعدّ الضمانات المدمجة لحماية الخصوصية بالأهمية نفسها. فمراقبة الموظفين قد تتحول بسرعة إلى مصدر للجدل إذا لم تُوضع ضوابط واضحة. يدعم Purview ميزات مثل إخفاء الهوية (Pseudonymization)، حيث يمكن إخفاء أسماء المستخدمين عن المراجعين حتى يتم الوصول إلى حدّ تصعيد محدد، بما يضمن أن تظل التحقيقات عادلة ومتناسبة ومحترمة لحقوق الخصوصية، مع الحفاظ على المساءلة الصارمة وسجلات التدقيق.

دمج الامتثال للاتصالات ضمن منظومة Microsoft Purview الأوسع

لا تنجح إدارة الامتثال الفعّالة في معزل عن غيرها. فمراقبة المحادثات في بيئة العمل ليست سوى جزء واحد من لغز أوسع بكثير يتعلق بحوكمة البيانات والأمان. تدمج Microsoft Purview الامتثال للاتصالات بسلاسة مع مجموعة واسعة من الخدمات المكملة في منظومة Microsoft 365.

على سبيل المثال، تسجّل سجلات التدقيق التي يوفرها Microsoft Purview Audit الإجراءات الإدارية وأنشطة المستخدمين عبر المستأجر. كما تتيح أدوات البحث عن المحتوى للمحققين تحديد رسائل البريد الإلكتروني والمستندات وعناصر التعاون ذات الصلة في البيئة بأكملها. وعندما تتصاعد مسألة امتثال إلى نزاع قانوني رسمي، يساعد Microsoft Purview eDiscovery فرق الشؤون القانونية على الحفاظ على الأدلة وإدارة الأطراف المعنية (Custodians) وإنشاء حالات مراجعة آمنة. وفي الوقت نفسه، تعمل نهج منع فقدان البيانات (DLP) بشكل استباقي على حظر عمليات نقل البيانات الخطرة على مستوى الأجهزة الطرفية أو السحابة، بينما يراجع الامتثال للاتصالات الديناميكيات الشخصية لما يُقال فعلاً.

تشكّل هذه القدرات المتكاملة معاً منصة امتثال شاملة تمكّن المؤسسات من حماية البيانات الحساسة، والالتزام باللوائح الصناعية المعقدة، وتعزيز ثقافة مؤسسية صحية وآمنة.

الخاتمة: بناء بيئة عمل رقمية أكثر أماناً وامتثالاً

مع استمرار تطور أدوات التعاون الرقمي، يجب أن تتطور أيضاً الاستراتيجيات التي نستخدمها لتأمينها. لم يعد الاعتماد على قوائم الكلمات المفتاحية القديمة كافياً لحماية المؤسسات الحديثة من المخاطر السلوكية والتحرش وتسريب البيانات والعقوبات التنظيمية. فمن خلال الجمع بين القوة الدلالية لمصنِّفات التعلم الآلي القابلة للتدريب، وأنواع المعلومات الحساسة الدقيقة، وسير عمل المراجعة البشرية المنظّمة، يمنح Microsoft Purview المؤسسات الرؤية التي تحتاجها دون المساس بخصوصية المستخدمين أو إغراق فرق الامتثال بالإنذارات الكاذبة.

إذا كنت ترغب في التعمق أكثر في كيفية تطبيق هذه الأدوات ضمن مؤسستك، فتأكد من الاطلاع على الحلقة ذات الصلة من البودكاست: Communication Compliance - Simply Explained. في هذه الحلقة، نشرح هذه المفاهيم بلغة واضحة، ونقدم لمسؤولي تقنية المعلومات ومحللي الأمان ومختصي الامتثال إرشادات عملية لبناء بيئات عمل رقمية أكثر أماناً وامتثالاً.