خطر لو رفتن اسناد محرمانه پنتاگون

تصمیم جدید پنتاگون برای واگذاری طبقه‌بندی ۱۴۰ میلیون صفحه سند محرمانه به الگوریتم‌های خودکار، می‌تواند به‌جای کاهش بوروکراسی، خطرات امنیتی و رخنه اطلاعاتی را افزایش دهد.

گروه علم و پیشرفت خبرگزاری فارس - روز ۷ اکتبر ۲۰۲۶، پایگاه اطلاعاتی دفاع‌اسکوپ از طرح آزمایشی پنتاگون برای استفاده از هوش مصنوعی در طبقه‌بندی و مدیریت اطلاعات حساس نظامی خبر داد؛ طرحی که استیو فاینبرگ، معاون وزیر جنگ آمریکا، در یادداشتی در روز ۵ اکتبر ابلاغ کرده بود.

بر اساس این طرح قرار است طی شش ماه آینده، استقرار محدود سامانه‌ای به نام «محیط مدیریت خودکار طبقه‌بندی» (ACME) آغاز شود؛ سامانه‌ای که نیروی هوایی آمریکا توسعه داده است.

اگر آزمایش موفق باشد، این فناوری در نهایت می‌تواند به مرجع دیجیتال اصلی تصمیم‌های اولیه طبقه‌بندی اطلاعات در کل وزارت جنگ ایالات متحده تبدیل شود؛ مسئولیتی که تاکنون بر عهده نیروهای انسانیِ رده‌بالا و دارای اختیار رسمی بوده است.

دلیل این تغییر سوای علاقه ویژه پنتاگون به فناوری‌های جدید و ایجاد دسترسی و حاکمیت گسترده بر بازار این فناوری، سازوکار پیچیده و ناکارآمد فعلی است که با صدها مقام مجاز طبقه‌بندی، نرم‌افزارهای قدیمی و حجم بزرگی از اسناد روبه‌روست.

در درخواست اطلاعاتی منتشرشده در اوت، وزارت جنگ ایالات متحده از خطاهای پرتکرار، طبقه‌بندی بیش از حد، مستندات منسوخ و افت یکپارچگی داده‌ها سخن گفته و از انباشته‌شدن حدود ۱۴۰ میلیون صفحه سند کاغذی خبر داده بود.

منتهای مراتب مشکل این است که خودکارسازی فرایندی ناکارآمد، اگر بدون کنترل کافی انجام شود، می‌تواند خطاهای آن را نیز با سرعت بیشتری تکثیر کند.

معمول است که در افواه عموم اینگونه تصور شود که طبقه‌بندی اسناد یعنی چسباندن برچسب «محرمانه» یا «سری» به یک فایل. اما در فرآیند طبقه‌بندی اطلاعات سطح دسترسی باید با میزان حساسیت اطلاعات متناسب باشد؛ زیرا یک سند با سطح حفاظت نامناسب ممکن است یا بی‌دلیل از گردش اطلاعات خارج شود یا جزئیاتی را آشکار کند که نباید در اختیار همه قرار گیرد.

پنتاگون می‌گوید روش دستی موجود، تبادل به‌موقع داده‌ها میان واحدها را مختل می‌کند و اطلاعات را در مخازن جداگانه نگه می‌دارد. این مشکل در همکاری میان یگان‌ها و نیروهای ائتلافی اهمیت بیشتری دارد؛ جایی که تأخیر در انتقال داده می‌تواند هماهنگی عملیاتی را مختل کند.

با این حال، مرجع دیجیتال واحد فقط زمانی به بهبود کار می‌انجامد که خطای آن قابل شناسایی و اصلاح باشد. اگر سامانه یک سند را اشتباه طبقه‌بندی کند و همان تصمیم در پایگاه مرجع ثبت شود، آیا واحدهای دیگر می‌توانند آن را به‌موقع تشخیص دهند؟ و چه کسی مسئول اصلاح خطایی خواهد بود که ممکن است در چندین سامانه و فرایند بازنشر شود؟

هوش مصنوعی می‌تواند از یک سو طبقه‌بندی بیش از حد را کاهش دهد و اطلاعات کم‌حساسیت را از محدودیت‌های غیرضروری خارج کند، اما از سوی دیگر، ممکن است سندی حساس را در سطحی پایین‌تر از حد لازم قرار دهد.

پیامد این دو خطا یکسان نیست: اولی جریان اطلاعات را کند می‌کند، اما دومی می‌تواند توانمندی، برنامه یا آسیب‌پذیری نظامی را برای افراد فاقد مجوز آشکار سازد.

جاش والین، پژوهشگر مرکز امنیت نوین آمریکا، در گفت‌وگو با دفاع‌اسکوپ هشدار داده است که سامانه‌های هوش مصنوعی ممکن است خطای طبقه‌بندی را در مقیاسی سریع‌تر ایجاد کنند. او همچنین به خطر انتقال ناخواسته اطلاعات حساس به شرکای خارجی اشاره کرده است؛ به‌ویژه اگر داده‌ای اشتباه طبقه‌بندی‌شده، از مسیرهایی عبور کند که امنیت سایبری آنها با استانداردهای مورد نیاز پنتاگون سازگار نیست.

این خطر را نمی‌توان صرفاً با اندازه‌گیری دقت مدل برطرف کرد. باید مشخص باشد که سامانه در موارد مبهم چه می‌کند، چه زمانی تصمیم را به بازبینی انسانی می‌سپارد و اگر چند سند با سطح‌های مختلف حساسیت ترکیب شوند، چگونه از انتقال ناخواسته اطلاعات محافظت می‌کند.

گاهی یک سند به‌تنهایی اطلاعات تعیین‌کننده‌ای ندارد، اما کنار هم گذاشتن آن با چند سند دیگر می‌تواند تصویری حساس بسازد. ممکن است هر قطعه اطلاعات به‌طور جداگانه قابل انتشار باشد، ولی مجموعه آنها الگوی استقرار نیروها، توان یک سامانه یا ضعف یک زیرساخت را آشکار کند.

والین در گزارش دفاع‌اسکوپ به همین اثر تجمیعی اشاره کرده است: افزایش سرعت طبقه‌بندی‌زدایی و انتشار داده‌های پراکنده می‌تواند به طرف مقابل امکان دهد از کنار هم قرار دادن اطلاعات منتشرشده، جزئیاتی را استنباط کند که در هیچ‌یک از اسناد به‌تنهایی آشکار نبوده‌اند.

در چنین وضعی، سامانه‌ای که هر سند را جداگانه ارزیابی می‌کند ممکن است در سطح فایل درست عمل کند، اما خطر ناشی از ترکیب اطلاعات را نبیند. بنابراین برای مدیریت این ریسک، سوای اینکه محتوای یک سند باید بررسی شود و نهایتاً در خصوص آن باید به تشخیص رسید، رابطه آن با اسناد دیگر و تأثیر انتشار مجموعه‌ای از داده‌ها نیز باید در نظر گرفته شود.

طبق فرمان اجرایی ۱۳۵۲۶ آمریکا که اطلاعات جزئی آن را می‌توان در آرشیو ملی ایالات متحده مشاهده کرد، اختیار طبقه‌بندی اولیه اطلاعات امنیت ملی به مقام‌هایی تعلق دارد که این اختیار به‌صورت رسمی به آنها داده شده است. طبقه‌بندی‌زدایی نیز باید از سوی مقام مجاز یا فردی انجام شود که اختیار مربوط به او به‌صورت کتبی تفویض شده باشد. در واقع طبق این چارچوب تشخیص سطح محرمانگی، هم در حوزه‌های فنی برنامه‌ریزی شده و هم مسئولیت حقوقی و اداری دارد.

با این حال، گزارش دفاع‌اسکوپ می‌گوید اگر طرح موفق باشد، سامانه «محیط مدیریت خودکار طبقه‌بندی» می‌تواند به مرجع دیجیتال اصلی تصمیم‌های اولیه طبقه‌بندی در وزارت جنگ تبدیل شود.

اینجاست که یک پرسش اساسی باقی می‌ماند: آیا هوش مصنوعی صرفاً پیشنهاد می‌دهد یا خروجی آن عملاً به تصمیمی تبدیل می‌شود که مقام انسانی فقط آن را تأیید می‌کند؟

پنتاگون هنوز مشخص نکرده است در این آزمایش از کدام مدل‌های پایه استفاده خواهد شد و به پرسش‌های دفاع‌اسکوپ درباره نگرانی‌های احتمالی امنیتی پاسخ نداده است. جزئیات مربوط به میزان بازبینی انسانی، نحوه رسیدگی به اختلاف نظر و سازوکار اصلاح اشتباه نیز در گزارش منتشرشده روشن نشده‌اند. این ابهام‌ها به‌ویژه زمانی مهم می‌شوند که سامانه قرار است از یک ابزار کمکی به مرجع اصلی تصمیم‌گیری تبدیل شود.

راهنمایی که دفتر نظارت بر امنیت اطلاعات آمریکا در ۳۰ مارس ۲۰۲۶ منتشر کرد، تصریح می‌کند که اطلاعات طبقه‌بندی‌شده یا اطلاعات حساس کنترل‌شده نباید در سامانه‌های هوش مصنوعی متصل به اینترنت یا محیط‌های فاقد تأییدیه امنیتی مناسب وارد شوند.

این راهنما همچنین بر بررسی توانایی‌ها، محدودیت‌ها و ریسک‌های سامانه با مشارکت مسئولان فناوری اطلاعات و امنیت تأکید دارد.

بنابراین، استقرار «محیط مدیریت خودکار طبقه‌بندی» سوای سنجش سرعت طبقه‌بندی اسناد، باید نشان دهد که می‌تواند خطاهای انسانی را کاهش دهد و در فرآیند این اقدام نیز نباید ریسک افشای ناخواسته اطلاعات یا انتشار اشتباه داده‌ها را افزایش دهد. همچنین برای رسیدن به این هدف، لازم است تصمیم‌های آن ثبت‌پذیر، قابل بازبینی و قابل اصلاح باشند و مسئولیت نهایی نیز در ساختار مشخصی باقی بماند.

پنتاگون با حدود ۱۴۰ میلیون صفحه سند کاغذی و فرایندی که خود آن را قدیمی و خطاپذیر می‌داند، انگیزه روشنی برای خودکارسازی دارد. اما اگر مدل در تشخیص یک سند اشتباه کند، سرعت بالاتر می‌تواند دامنه خطا را نیز گسترش دهد.

بنابراین معیار موفقیت این طرح را نباید در میزان بسیار این ۱۴۰ میلیون صفحه سند و زمان کوتاه بررسی آن‌ها دید و باید صبر کرد و دید که سامانه مذکور، بدون آنکه مرز محرمانگی را به نقطه‌ای تازه از آسیب‌پذیری تبدیل کند، چقدر از تأخیر می‌کاهد!

بمنظور دسترسی پایدار به اخبار و مطالب ما، آخرین نسخه اپلیکیشن خبرگزاری فارس را می‌توانید از اینجا و در فروشگاه‌های «کافه بازار» و «مایکت» دانلود و نصب کنید.

https://defensescoop.com/2026/10/07/pentagon-launches-ai-pilot-program-automated-classification-management/

https://defensecommunities.org/2026/10/pentagon-pilot-program-will-utilize-ai-for-data-management/

https://www.archives.gov/isoo/policy-documents/cnsi-eo.html

https://www.archives.gov/files/isoo/notices/isoo-notice-2026-01-responsible-use-of-cnsi-and-cui-with-ai-508.pdf

#هوش_مصنوعی #امنیت_اطلاعات #پنتاگون #طبقه‌بندی_اسناد #امنیت_سایبری