مقال بقلم

تعمل البيانات الخفية (Shadow Data) خارج نطاق تركيز أطر الامتثال في شكل بيانات غير مكتشفة ومهملة مقارنة بقواعد البيانات المنظمة والبيانات السحابية. تشمل هذه الفئة المعلومات الشخصية التي تم نسخها أو نقلها أو تخزينها خارج مسارات البيانات الرسمية. وغالباً ما تفتقر هذه النسخ إلى التشفير، أو ضوابط الوصول، أو سياسات الاحتفاظ بالبيانات. وبالنسبة لجهات ائتمان البيانات (Data Fiduciaries) العاملة بموجب قانون حماية البيانات الشخصية الرقمية لعام 2023 (قانون DPDP)، تمثل البيانات الخفية التزاماً ومسؤولية قانونية لا يمكن لمعايير الأمان التقليدية معالجتها.
فهم مشكلة البيانات الخفية
تختلف البيانات الخفية من الناحية المفاهيمية عن تكنولوجيا المعلومات الخفية (Shadow IT)؛ إذ تشير الأخيرة إلى الأنظمة أو الأجهزة غير المصرح بها، بينما تتعلق الأولى بالبيانات التي تنشئها الأنظمة وتنسخها وتتركها وراءها. كشف تقرير صدر عام 2026 عن شركة Netskope أن ما يقرب من نصف (47%) الموظفين الذين يستخدمون أدوات الذكاء الاصطناعي التوليدي في مكان العمل يفعلون ذلك من خلال حسابات شخصية. ويؤدي ذلك إلى متوسط قدره 223 انتهاكاً لسياسات البيانات لكل مؤسسة شهرياً، حيث يتعذر على صاحب العمل تتبع البيانات. ويحتمل أن يؤدي كل انتهاك إلى إنشاء نسخة خفية من البيانات الشخصية، قد تُرسل إلى نموذج لغوي كبير غير معتمد، أو تُخزن في سجل محادثات حساب شخصي، أو يُحتفظ بها على خادم مزود خدمة خارج سيطرة جهة ائتمان البيانات.
تتمحور مخاطر الامتثال حول ثلاث خصائص للبيانات الخفية: التخزين والإدارة، والموافقة، وسبل المعالجة والتصحيح. وتلعب هذه العوامل دوراً جوهرياً في حماية البيانات. أولاً، غياب إدارة الجرد لأن جهة ائتمان البيانات لا تستطيع إدراجها في سجلات أنشطة المعالجة لعدم معرفتها بوجودها. ثانياً، غياب إطار الموافقة، حيث إن موافقة صاحب البيانات الأصلي، التي تم الحصول عليها لغرض محدد، لا تمتد لتشمل النسخ الخفية الثانوية التي تعالجها أدوات غير مصرح بها. ثالثاً، صعوبة المعالجة والتدارك؛ فبمجرد دخول البيانات الشخصية إلى بيئة خفية، تفقد جهة الائتمان القدرة الفنية على تعديلها أو مسحها أو نقلها استجابة لطلب صاحب البيانات.
على سبيل المثال، يقوم محلل تسويق في شركة خدمات مالية بنسخ قاعدة بيانات العملاء إلى جدول بيانات Google شخصي لإجراء تحليل دون اتصال بالإنترنت. يحتوي الجدول على أسماء، وأرقام الحسابات الدائمة (PAN)، وسجلات المعاملات. يشارك المحلل الجدول عبر رابط مع ثلاثة زملاء، وبعد ستة أشهر يغادر المحلل المؤسسة. يظل جدول بيانات Google قابلاً للوصول من قبل الزملاء وأي شخص يتلقى الرابط المعاد توجيهه. ليس لدى الشركة أي سجل لهذه النسخة، ولا توجد سجلات وصول، ولا قدرة على حذفها. تشكل هذه البيانات بيانات خفية لكونها غير خاضعة للحوكمة، كما أن إمكانية الوصول إلى البيانات الشخصية خارج نظام جهة الائتمان ستثير مخاوف تتعلق بالأمن السيبراني.
المسؤولية القانونية بموجب قانون DPDP لعام 2023
يحدد قانون DPDP المسؤولية القانونية بناءً على السيطرة على البيانات بدلاً من مجرد حيازتها. تتطلب المادة 6 أن تتم كل معالجة للبيانات الشخصية فقط لغرض قانوني وافق عليه صاحب البيانات. عادةً ما تحدث معالجة البيانات الخفية دون غرض قانوني متوافق، والأهم من ذلك، دون قدرة جهة ائتمان البيانات على إثبات الامتثال للضمانات الأمنية المنصوص عليها في المادة 8(5). تفرض المادة 8(5) التزامات على جهات ائتمان البيانات لتطبيق ضمانات أمنية معقولة لمنع خروقات البيانات الشخصية. ووجود نسخ خفية غير مدارة يقوض هذا الالتزام بشكل مباشر، إذ لا يمكن لجهة الائتمان تأمين بيانات لا تستطيع تحديد موقعها وأنماط الوصول إليها.
يخول هيكل العقوبات بموجب الجدول 1 من قانون DPDP مجلس حماية البيانات فرض غرامات مالية تصل إلى 250 كرور روبية لكل خرق بسبب الفشل في اتخاذ ضمانات أمنية معقولة. ترتبط غرامة الـ 250 كرور روبية بموجب الجدول 1 بالإخفاق في تنفيذ الضمانات المعقولة (المادة 8(5)) – ويمكن لمجرد وجود البيانات الخفية أن يتسبب في تطبيق هذه العقوبة، بمعزل عن أي غرامة لاحقة مرتبطة بالإخطار بالخرق.
والأهم من ذلك، تُطبق المسؤولية القانونية بغض النظر عما إذا كانت جهة الائتمان على علم بالبيانات الخفية أم لا؛ فالمعيار موضوعي: هل نفذت جهة الائتمان تدابير يعتبرها الشخص العاقل كافية لمنع المعالجة غير المصرح بها؟ ومن المؤكد تقريباً أن السماح للموظفين بنسخ البيانات الشخصية ولصقها في نماذج لغوية كبيرة شخصية دون ضوابط تقنية لا يفي بهذا المعيار.
مع انتشار استخدام الذكاء الاصطناعي في أماكن العمل؛ ولفهم هذا التأثير، لنفترض على سبيل المثال أن موظفاً في شركة رعاية صحية قام بلصق تقارير تشخيصية للمرضى في حساب ChatGPT شخصي لتلخيص النتائج. يسمح بيان خصوصية OpenAI باستخدام المحتوى المُرسل لتحسين النماذج ما لم يختر المستخدمون إلغاء ذلك. وبالتالي، تصبح بيانات المرضى جزءاً من المادة التدريبية للنموذج. وفي وقت لاحق، يتلقى مستخدم آخر لنفس أداة الذكاء الاصطناعي إجابة تتضمن أجزاءً من التقرير التشخيصي. تواجه شركة الرعاية الصحية التزاماً بالإخطار بالخرق بموجب المادة 8(6) من قانون DPDP، وقد تصل العقوبة إلى 250 كرور روبية. ولا يمكن للشركة الاحتجاج بأنها لم تصرح بنقل البيانات، حيث ينظر الاختبار الموضوعي فقط فيما إذا كانت هناك ضمانات معقولة مطبقة.
تؤكد إجراءات الإنفاذ الأخيرة في ولايات قضائية مماثلة جسامة هذه المخاطر. ففي أكتوبر 2025، فرضت المحكمة الفيدرالية الأسترالية غرامة قدرها 5.8 مليون دولار أسترالي على شركة Australian Clinical Labs في أعقاب هجوم بفدية برمجية أدى إلى تسريب السجلات الصحية لـ 223,000 فرد على الويب المظلم. ووجدت المحكمة أن الشركة فشلت في تنفيذ أدوات منع فقدان البيانات، وافتقرت إلى المصادقة متعددة العوامل، واعتمدت على استجابة غير ملائمة للحوادث من طرف ثالث. توضح هذه القضية مبدأً أوسع حيث تفحص المحاكم مدى كفاية التدابير الوقائية وليس فقط حجم الخرق.
أين تختبئ البيانات الخفية
تشير التجربة العملية إلى خمس ثغرات شائعة للبيانات الخفية داخل الجهات الخاضعة للتنظيم:
الحسابات الشخصية للنماذج اللغوية الكبيرة (LLM): يقوم الموظفون بلصق معلومات العملاء أو المذكرات الداخلية أو الأكواد البرمجية في أدوات الذكاء الاصطناعي التوليدي المتاحة مجاناً دون إدراك أن هذه المدخلات تصبح بيانات تدريبية أو تظل محفوظة على خوادم المزودين. لقد نما حجم البيانات المرسلة إلى تطبيقات الذكاء الاصطناعي التوليدي القائمة على البرمجيات كخدمة (SaaS) بمقدار ستة أضعاف، من 3,000 إلى 18,000 مطالبة شهرياً لكل مؤسسة.
النسخ الاحتياطية القديمة والأنظمة التي تم إيقاف تشغيلها: تحتفظ المؤسسات بنسخ احتياطية على أشرطة، أو صور خوادم قديمة، أو أرشيفات جداول بيانات تحتوي على بيانات شخصية بعد فترة طويلة من انتهاء الغرض الأصلي من المعالجة. تفتقر هذه الأصول إلى ضوابط وصول نشطة، لكنها تظل ضمن المسؤولية القانونية لجهة الائتمان.
بيئات اختبار تحليل البيانات (Sandboxes): يقوم علماء البيانات بنسخ مجموعات بيانات الإنتاج بانتظام إلى بيئات استكشافية للتحليل. وغالباً ما تجرد هذه النسخ من البيانات الوصفية الخاصة بالحوكمة ولكنها تحتفظ بالمعرفات الشخصية، مما يؤدي إلى إنشاء عمليات معالجة غير خاضعة للإدارة.
جداول بيانات وحدات الأعمال: تحتفظ فرق التسويق والموارد البشرية والمبيعات بملفات محلية تحتوي على بيانات شخصية للعملاء أو الموظفين. وتتم مشاركة هذه الملفات عبر البريد الإلكتروني أو محركات أقراص USB، وهي تقع خارج نطاق مراقبة تكنولوجيا المعلومات تماماً.
التخزين المؤقت لاستجابات واجهات برمجة التطبيقات (API): يقوم المطورون بتخزين استجابات واجهة برمجة التطبيقات التي تحتوي على بيانات شخصية مؤقتاً لتحسين الأداء. وبدون سياسات صريحة لإبطال صلاحية التخزين المؤقت، تظل هذه النسخ إلى ما لا نهاية في وحدات تخزين الذاكرة أو ملفات السجلات.
كيف تطبق GoTrust حوكمة البيانات الخفية عملياً
تتطلب معالجة البيانات الخفية نهجاً منهجياً يشمل الاكتشاف والتصنيف والمراقبة والمعالجة. وبموجب قانون DPDP لعام 2023، تنشئ البيانات غير المحددة مخاطر امتثال كبيرة، لا سيما فيما يتعلق بطلبات المسح والإخطار بالخرق.
الاكتشاف والتصنيف: تفحص أدوات الاكتشاف الآلية البيانات المنظمة وغير المنظمة عبر البيئات السحابية، والبرمجيات كخدمة (SaaS)، والبيئات المحلية والمختلطة لتحديد البيانات الشخصية وإنشاء جرد كامل. وتستخدم أنظمة التصنيف التعلم الآلي واكتشاف الأنماط لتحديد معلومات الهوية الشخصية (PII)، والسجلات المالية، والمعلومات الصحية، مع مطابقة كل أصل مع الأطر المعمول بها بما في ذلك متطلبات قانون DPDP.
المراقبة المستمرة (DSPM): تركز إدارة الوضع الأمني للبيانات (DSPM) على تتبع البيانات الحساسة وأماكن تواجدها، ومن يملك حق الوصول إليها، وكيفية استخدامها. وتقوم DSPM بتقييم حوكمة الوصول من خلال الكشف عن المستخدمين ذوي الصلاحيات المفرطة، والتعرض العام، والأخطاء في التكوين، مما يتيح تحديد أولويات البيانات الخفية ذات الخطورة الأعلى أولاً.
سير العمل المؤتمت لطلبات الحقوق: بموجب المادة 12 من قانون DPDP، يتمتع أصحاب البيانات بالحق في التصحيح والمسح، مع إلزام القاعدة 14 من قواعد DPDP لعام 2025 المؤسسات بإنشاء آليات لاستلام هذه الطلبات ومعالجتها. وتبحث المنصات المؤتمتة عبر قواعد البيانات والتخزين السحابي والأنظمة القديمة بما في ذلك البيانات الخفية لاسترداد جميع البيانات الشخصية المرتبطة بمقدم الطلب. وتقوم المنصة بالتحقق من الهوية وتنفيذ الحذف الآمن في جميع المواقع المحددة والاحتفاظ بسجلات التدقيق.
إدارة الخروقات: تتطلب المادة 8(6) من قانون DPDP من جهات ائتمان البيانات إخطار مجلس حماية البيانات بخروقات البيانات الشخصية. وتفرض القاعدة 6 المراقبة والتسجيل المستمرين للاستعداد الجنائي الرقمي. وتحتفظ المنصة المتكاملة بسجلات غير قابلة للتغيير لنتائج الاكتشاف وقرارات التصنيف وأنماط الوصول، مما يوفر إمكانية الإبلاغ عن الخروقات مع تقييم المخاطر، وتحليل الأسباب الجذرية، ونماذج الإخطار للتقارير الرسمية.
على الرغم من عدم قدرة أي منصة على القضاء على جميع البيانات الخفية، فإن الفعالية تعتمد على تغطية واجهات برمجة التطبيقات (API) (مثل Dropbox، وGoogle Workspace، وSnowflake، وSalesforce). ويجب على المؤسسات الجمع بين أدوات DSPM وتدريب الموظفين وقواعد منع فقدان البيانات (DLP) لنقاط النهاية غير المدارة لرصد ما لا يمكن للاكتشاف الآلي التقاطه، مثل لقطات الشاشة لمعلومات الهوية الشخصية أو النسخ غير المتصلة بالإنترنت.
من الاكتشاف إلى الحوكمة: إطار عمل موحد
تتعارض البيانات الخفية بنيوياً مع تركيز قانون DPDP على الامتثال الاستباقي. فلا يمكن لجهة الائتمان الامتثال لآلية معالجة الشكاوى المنصوص عليها في المادة 12 إذا لم تتمكن من تحديد موقع جميع نسخ معلومات صاحب البيانات. كما أنها لا تتوافق بشكل كافٍ مع سحب الموافقة بموجب المادة 7 إذا استمرت معالجة النسخ الخفية بعد إلغاء الموافقة.
يعالج نهج GoTrust هذه المسألة من خلال إطار عمل موحد يجمع بين أربع طبقات. ولتوضيح ذلك، لنفترض أن موظفاً أنشأ نسخة خفية من بيانات العميل في حساب Dropbox شخصي؛ يقوم الاكتشاف المستمر من GoTrust بفحص بيئة Dropbox من خلال التكامل عبر واجهة برمجة التطبيقات. تكتشف المنصة الملف، وتصنف محتوياته كمعلومات تعريف شخصية، وتعين درجة مخاطرة تبلغ 90/100 نظراً لعدم وجود تشفير وضعف ضوابط الوصول في الحساب الشخصي. وتقوم وحدة DSPM بتقييم من لديه حق الوصول إلى ملف Dropbox، لتجد أن الموظف قد شارك الملف علناً عن طريق إنشاء رابط قابل للمشاركة. تطلق المنصة سير عمل معالجة مؤتمتاً، ويتلقى فريق الامتثال تنبيهاً، كما ينشئ النظام تذكرة في Jira تسند إلى مدير الموظف. وترسل المنصة أيضاً رسالة آلية إلى الموظف تطلب منه إزالة الملف وإلغاء الرابط القابل للمشاركة. وفي غضون ساعتين، يتحقق المدير من الإزالة. يتم تسجيل التسلسل بأكمله في مسار التدقيق. وعندما يحين موعد التدقيق السنوي للشركة بموجب القاعدة 13، يصدر فريق الامتثال تقريراً يوضح الحادث، والاستجابة، وتأكيد المعالجة، ويقبل المدقق ذلك كدليل على الضمانات الأمنية المعقولة.
الخاتمة
تفرض البيانات الخفية نتيجة متوقعة حيث يُعطى الوصول والمرونة الأولوية على حساب التحكم في البيانات والحوكمة التي يسعى إطار حماية البيانات إلى ترسيخها. لا يفرق إطار المسؤولية في قانون DPDP بين المعالجة المقصودة والمعالجة العرضية. بالنسبة لجهات ائتمان البيانات، فإن التزام الامتثال ثنائي وخالٍ من الخيارات الوسطى: إما الحفاظ على الرؤية والسيطرة على جميع البيانات الشخصية التي بحوزتهم، أو قبول مخاطر العقوبات والتقاضي والإنفاذ التنظيمي. ولضمان الامتثال، يجب على المؤسسات التعامل مع اكتشاف البيانات الخفية كمتطلب أساسي مسبق وليس كخطوة علاجية لاحقة. ويمكن القيام بذلك من خلال نشر ضوابط تقنية تجعل النسخ غير المصرح به أمراً صعباً. توفر منصات مثل DSPM وDPO Copilot من GoTrust البنية التحتية لهذا التحول من خلال تحويل حوكمة البيانات الخفية إلى خطوة امتثال مؤتمتة لا تنتظر وقوع حدث لتنشيطها. وفي بيئة تهديدات تتكاثر فيها الحسابات الشخصية للنماذج اللغوية الكبيرة وتتضاعف فيها انتهاكات سياسات البيانات عاماً بعد عام، يجب أن تركز الحوكمة على ما إذا كانت جهات ائتمان البيانات قد وضعت بنية تحتية أمنية كافية لاكتشاف البيانات الخفية وإدارتها.
هل وجدت هذا مفيداً؟ شاركه مع الآخرين.










