# كيف يكشف الذكاء الاصطناعي عن عمليات الاحتيال عبر رسائل SMS من التطبيقات إلى الأشخاص: جدران الحماية القائمة على التعلم الآلي، والكشف عن الشذوذ في حركة الرسائل، واكتشاف المسارات الرمادية

> كيف يعمل نظام الكشف عن الاحتيال عبر رسائل SMS المدعوم بالذكاء الاصطناعي: جدران الحماية التي تعتمد على التعلم الآلي والتي تحدد بصمة حركة الرسائل، وتشير إلى الحالات الشاذة، وتكتشف المسارات الرمادية، وتحظرها في حلقة مغلقة.

- الرابط الأساسي: https://www.broadnet.me/ar/blog/ai-sms-fraud-detection-ml-firewalls
- اللغة: ar
- آخر تحديث: 2026-10-20
- الناشر: BroadNet (https://www.broadnet.me)

- تاريخ النشر: 2026-08-03
- الكاتب: BroadNet Operator Solutions

يكشف الذكاء الاصطناعي عن عمليات الاحتيال عبر رسائل SMS من نوع A2P من خلال تعلم السلوك الطبيعي لحركة البيانات على الشبكة، وتحديد ما ينحرف عنه. يقوم جدار حماية SMS المدعوم بالتعلم الآلي بتحليل سرعة الرسائل، وانتشارها، وأنماطها أحادية الاتجاه لكل مرسل، ويقيّم محتوى الرسائل للكشف عن الرسائل المزعجة والتصيدية، ويكشف عن رسائل A2P المتخفية في صورة P2P، ويحظرها في حلقة مغلقة، ما يؤدي إلى رصد الهجمات التكيفية التي تغفل عنها القواعد الثابتة.

## لماذا لم تعد جدران الحماية التي تعتمد على القواعد فقط كافية؟

كان الجيل الأول من جدران حماية SMS عبارة عن جدار من القواعد الثابتة: قوائم بيضاء لمعرّفات المُرسِلين، وقوائم حظر عناوين URL والكلمات المفتاحية، وعتبات سرعة ثابتة، وقوائم سمعة المسار التي تُدار يدويًا. لا يزال هذا النموذج قادرًا على رصد الحالات الواضحة، ولكنه يعاني من خلل بنيوي، إذ لا يمكنه حظر سوى نمط سبق رصده وتسميته وكتابة قاعدة له. ينتشر الاحتيال بسرعة تفوق سرعة كتابة القواعد. يقوم المهاجمون بتغيير معرّفات المُرسِلين، وإنشاء نطاقات أرقام جديدة، وإعادة صياغة عبارات التصيد الاحتيالي، وتوزيع حركة الرسائل على مصادر متعددة للبقاء ضمن حدود كل مصدر. وبحلول الوقت الذي تُوضع فيه قاعدة ثابتة، تكون الحملة قد انتقلت إلى مكان آخر.

لهذا السبب، تحوّل أمن الرسائل الحديثة نحو الكشف عن الاحتيال في رسائل SMS باستخدام الذكاء الاصطناعي، وذلك بالاعتماد على القواعد المحددة مسبقًا - لا استبدالها، بل توسيع نطاقها. وتُعرّف إرشادات أمن الرسائل الصادرة عن GSMA جدار حماية SMS بأنه نقطة تحكم المشغّل لهذا الغرض تحديدًا: فحص كل رسالة وتقييمها وفقًا لمعايير الشبكة الأساسية بدلًا من قائمة ثابتة. ويحافظ جدار حماية SMS المدعوم بالتعلم الآلي على القواعد السريعة والقابلة للتفسير لحركة البيانات الضارة المعروفة، ويضيف نماذج إحصائية تُشير إلى حركة البيانات الضارة غير المعروفة - وهي حركة بيانات لم يسبق رصدها من قبل، ولا تتصرف كحركة بيانات قاعدة مشتركين حقيقية.

## ما الذي ينظر إليه جدار حماية SMS بتقنية التعلم الآلي فعليًا؟

لا ينظر جدار الحماية المُعزز بالتعلم الآلي إلى الرسالة بمعزل عن غيرها، بل يُقيّم كل رسالة مُرسلة بناءً على صورة متحركة لسلوك المُرسل والمسار والوجهة في الظروف العادية، مُستمدة من بيانات حركة رسائل الشبكة الخاصة بالمشغّل. وتتولى أربع مجموعات من الإشارات معظم العمل.

### البصمة السلوكية لحركة الرسائل

لكل مُرسِل شرعي نمطٌ مميز، وهو مزيجٌ فريد من الحجم والتوقيت وتوزيع المُستلمين والتفاعل المتبادل. أما الاحتيال الجماعي وعمليات التلاعب بالرسائل الإلكترونية فلها أنماطٌ مختلفة، ويتعلم النموذج التمييز بينها. أهم السمات السلوكية هي:

- السرعة - عدد الرسائل في الثانية من المرسل، ومدى تسارع هذا المعدل بشكل حاد مقارنة بتاريخه الخاص.
- الانتشار - عدد الوجهات المتميزة التي يصل إليها مرسل واحد أو رمز قصير في نافذة واحدة؛ ينتشر مرور الروبوتات على نطاق أوسع وأسرع بكثير من الهاتف البشري.
- نسبة الاتجاه الواحد - وهي نسبة حركة الرسائل التي يتم إرسالها فقط دون أي ردود واردة، وهي سمة مميزة لتقنية A2P التي تتنكر في صورة P2P.
- تداخل المستلمين وتركيزهم - التجمع على مجموعة صغيرة من البادئات أو مشغّل أجنبي واحد ليس لديه سبب تجاري لرؤية حجمك.
- انتظام التوقيت - فترات زمنية متساوية للغاية بين الرسائل، أو دفعات تتبع جدولًا زمنيًا بدلاً من منحنى بشري يومي.

### الكشف عن الحالات الشاذة مقارنةً بالخطوط الأساسية

لا تُعتبر البصمات السلوكية ذات دلالة إلا نسبةً إلى معيارٍ ما. تتعلم نماذج كشف الشذوذ خطًا أساسيًا لكل مسار، وفئة مُرسِل، ووقت من اليوم، ثم تقيس مدى انحراف حركة البيانات الفعلية عنه. ولأن الخط الأساسي مُحدد لكل سياق ويتم تحديثه باستمرار، يتكيف النظام مع المواسم - كحملة ترويجية في متجر، أو ذروة في يوم مباراة، أو أحجام البيانات خلال شهر رمضان في دول مجلس التعاون الخليجي - بدلاً من تجاوز عتبة ثابتة غير دقيقة. ما يُشير إليه النظام ليس "حجمًا كبيرًا" بل "حجمًا غير طبيعي لهذا المُرسِل، على هذا المسار، في هذه الساعة"، وهو تحديدًا ما يُميز كشف شذوذ حركة بيانات رسائل SMS، والذي يفصل بين زيادة حقيقية في حملة ترويجية وهجوم إلكتروني.

### أدوات تصنيف المحتوى للبريد العشوائي والتصيد الاحتيالي

إلى جانب تحليل السلوك، تقرأ نماذج التصنيف محتوى الرسالة. بعد تدريبها على رسائل البريد العشوائي المصنفة، ورسائل التصيد الاحتيالي (التصيد عبر الرسائل النصية)، وحركة الرسائل المشروعة، تُعمم هذه النماذج لتشمل أساليب الخداع التي لم ترها من قبل - مثل عناوين URL المُشفرة، وأنماط انتحال العلامات التجارية، وحيل الأحرف المتشابهة، وعبارات الهندسة الاجتماعية - حيث قد لا تتمكن قائمة حظر الكلمات الرئيسية الثابتة من رصد هذه الأساليب. وبالإضافة إلى سمعة عنوان URL وسياق المُرسل، تُحدد درجة المحتوى لجدار حماية SMS ما إذا كانت رسالة تبدو سليمة من الناحية الهيكلية تحاول خداع أحد المشتركين.

### كشف إساءة استخدام معرّف المُرسِل

تُعدّ معرّفات المُرسِلين الأبجدية الرقمية المُسجّلة هدفًا مُفضّلاً: إذ يقوم المُحتالون بانتحال معرّف علامة تجارية موثوقة لتمرير رسائل التصيّد الاحتيالي بعيدًا عن شكوك المُشتركين، أو يستغلّون معرّفًا غير مُسجّل لتوجيه حركة رسائل مشبوهة. تتعرّف النماذج على البصمة الشرعية لكل معرّف مُرسِل - مساراته المُعتادة، وأحجامه، ومحتواه، ووجهاته - وتُشير إلى ظهور معرّف فجأة على مسار غير مُتوقّع أو يحمل محتوىً مُختلفًا عمّا أرسله سابقًا. هذا إساءة استخدام لمعرّف المُرسِل لا يُمكن للسجل وحده رصدها، لأنّ المعرّف نفسه صالح؛ فقط سلوكه هو الذي تغيّر.

## اكتشاف المسارات الرمادية تلقائيًا

أهم ما يُضيفه الذكاء الاصطناعي لجدار حماية المشغّل هو اكتشاف المسارات غير الرسمية دون الحاجة إلى تدخل بشري. المسار غير الرسمي هو حركة رسائل من التطبيقات إلى الأشخاص (A2P) تُهرّب على أنها من شخص إلى شخص (P2P) - عبر صناديق شرائح SIM، أو بوابات خلفية لسجلات مواقع المشتركين (HLR) الأجنبية، أو وصلات غير مُعلنة - للتهرب من رسوم إنهاء المكالمات من التطبيقات إلى الأشخاص. لا تظهر هذه الحركة في قائمة القواعد لأنها تبدو عادية، رسالةً رسالة. ولا تتضح إلا عند تجميعها: حركة رسائل عالية الإنتاجية، مخصصة للإرسال فقط، من نطاقات يفترض أن تكون هواتف ذات حجم استخدام منخفض، مع ردود واردة شبه معدومة وأنماط وجهة لا يُنتجها مشترك حقيقي.

تُبنى نماذج السلوك لرصد هذه البصمة الإجمالية بدقة. من خلال تقييم نسبة الاتجاه الواحد، وانتشار البيانات، وسرعة حركة البيانات الداخلة إلى الشبكة، ومقارنتها بسلوك مشتركي P2P الحقيقيين، يكشف جدار الحماية باستمرار عن المسارات المشبوهة - حيث يتم اكتشاف هذه المسارات كعملية خلفية بدلاً من تدقيق ربع سنوي. بالنسبة للمشغّل، يُعد هذا استردادًا مباشرًا للإيرادات: فكل رسالة A2P يتم إعادة تصنيفها بشكل صحيح تُمثل رسوم إنهاء تمنع تسربها عبر ثغرة P2P. هكذا يحمي جدار حماية SMS من BroadNet هامش الربح على اتصالات المشغّلين البالغ عددها أكثر من 1,000 اتصال خلف المنصة.

## الكشف عن عمليات ضخ رسائل SMS وتقنية AIT باستخدام التعلم الآلي

يُعدّ تضخيم رسائل SMS (SMS pumping) - أو ما يُعرف بحركة البيانات المُضخّمة اصطناعياً (AIT) - نوعاً من الاحتيال الذي يُمكن للذكاء الاصطناعي كشفه بكفاءة عالية، نظراً لاختلافه الكبير عن السلوك البشري. تقوم برامج آلية (بوتات) بإرسال رموز التحقق لمرة واحدة (OTP) ونماذج التحقق بشكل مُفرط لتوليد رسائل مدفوعة الأجر إلى نطاقات أرقام يتحكم بها طرف مُتواطئ، دون أن يقرأ أي إنسان الرمز. وتتمثل العلامة الدالة على ذلك في انخفاض حاد في نسبة الرموز المُرسلة إلى الرموز المُدخلة فعلياً، بالإضافة إلى تركيزها في الوجهات وتوقيتها المُنتظم آلياً. يستطيع نموذج التعلم الآلي الذي يُراقب معدل التحويل، وانتشار الرسائل، وتكلفة التحقق لكل مُرسل، كشف عملية التضخيم في دقائقها الأولى، حيث يُؤدي حد المعدل الثابت إلى إبطاء مصدر واحد فقط، بينما تتجاوزه الهجمات المُوزعة بسهولة. نُغطي جميع جوانب هذه الظاهرة في مقالنا [SMS pumping and AIT fraud in 2026](https://www.broadnet.me/blog/sms-pumping-ait-fraud-2026).

بما أن عملية الضخ قابلة للتكيف، فلا بد أن يكون الكشف كذلك. تربط نماذج BroadNet لمكافحة الاحتيال عبر رسائل SMS بين معدل نقل الرسائل، وتشابه المحتوى، وتداخل المستلمين عبر العديد من المرسلين والمسارات في آن واحد، لذا فإن أي هجوم يبقى دون عتبة كل مصدر يظل بارزًا كنمط منسق على مستوى الشبكة. هذا الترابط بين المصادر هو ما لا تستطيع القواعد محاكاته.

## جدران الحماية القائمة على القواعد فقط مقابل جدران الحماية المعززة بالتعلم الآلي

النهجان متكاملان، وليسا متنافسين. فالقواعد الحتمية سريعة وقابلة للتفسير ومثالية لحركة البيانات المعروفة بخطورتها؛ بينما يعمم التعلم الآلي ليشمل البيانات الجديدة والمنسقة. وتُشغّل أفضل التطبيقات كلا النهجين، حيث يُعيد النموذج تغذية مجموعة القواعد بالأنماط الجديدة بمجرد فهمها.

| القدرة | جدار حماية يعتمد على القواعد فقط | جدار حماية مُعزز بتقنية التعلم الآلي |
|---|---|---|
| أساس الكشف | قوائم الحظر الثابتة، والعتبات الثابتة | الخطوط الأساسية المتعلمة لكل مرسل ومسار وساعة |
| أنماط هجوم جديدة | يُغفل الأمر حتى يتم وضع قاعدة. | تم تصنيفها على أنها حالات شاذة عند ظهورها لأول مرة |
| اكتشاف المسار الرمادي | التحقيق اليدوي، الدوري | تلقائي ومستمر، يتم تسجيل النقاط بشكل مضمن |
| تهديدات المحتوى | قوائم حظر الكلمات الرئيسية وعناوين المواقع الإلكترونية | تعميم المصنفات على البريد العشوائي والتصيد الاحتيالي غير المرئي |
| الهجمات الموزعة / الهجمات البطيئة والمنخفضة | يتجنب القيود المفروضة على كل مصدر | تم رصده من خلال الارتباط بين المصادر |
| نتائج إيجابية خاطئة في حالات الانفجارات الحقيقية | بلانت — يحجب الارتفاعات المشروعة | مُدرك للسياق، ويتكيف مع المواسم |
| صيانة | ضبط القواعد يدويًا باستمرار | إعادة التدريب بناءً على ملاحظات المحللين، حلقة مغلقة |

## الحجب ذو الحلقة المغلقة: من الكشف إلى الإجراء

لا يكون الكشف مفيدًا إلا إذا تم في الوقت الفعلي، قبل وصول رسالة احتيالية أو مشبوهة وضياع الرسوم. يعمل جدار حماية SMS ذو الحلقة المغلقة على تشغيل الدورة الكاملة بشكل مضمن، دون تدخل بشري في مسار العملية.

1. الاستيعاب - يتم تقييم كل طلب عند دخوله إلى مركز خدمة الرسائل القصيرة، وذلك بناءً على الإشارات السلوكية والمحتوى ومعرّف المُرسِل وسمعة المسار في آن واحد.
2. النتيجة - يُخرج النموذج نتيجة مخاطر تدمج تلك الميزات في متغير قرار واحد ذي عتبة محددة.
3. القرار - تربط السياسة النتيجة بإجراء معين: السماح، أو التقييد، أو الحجر الصحي للمراجعة، أو الحظر التام.
4. فرض — يتم تطبيق الإجراء على جدار الحماية في أجزاء من الثانية، لذلك لا يتم إنهاء حركة الرسائل المحظورة ولا يتم تحصيل أي رسوم.
5. التعلم - يتم إعادة تغذية أحكام المحللين ونتائج التسليم والتحويل اللاحقة لإعادة تدريب النموذج، مما يؤدي إلى تحسين خط الأساس مقابل المتغير التالي.

تُبقي حلقة التغذية الراجعة هذه جدار الحماية الذكي متفوقًا على الاحتيال التكيفي: فكل حملة يتم حظرها تُحسّن النموذج للحملة التالية. أما الأنظمة التي تعتمد على القواعد فقط، فلا تملك مثل هذه الحلقة، فهي تنتظر محللًا ليلاحظ المشكلة ويشخصها ويكتب القاعدة التالية يدويًا.

## زاوية المشغّل في منطقة الشرق الأوسط وشمال أفريقيا ودول مجلس التعاون الخليجي

بالنسبة لمشغّلي الاتصالات في المملكة العربية السعودية والإمارات العربية المتحدة ومصر والمنطقة ككل، فإن الجدوى الاقتصادية واضحة. فعمليات إنهاء المكالمات الدولية عالية القيمة من التطبيقات إلى الأشخاص (A2P) على شبكات دول مجلس التعاون الخليجي تجعل هذه المسارات هدفًا رئيسيًا لعمليات المراجحة والتحايل على المسارات غير الرسمية، كما أن الجهات التنظيمية الإقليمية تُلزم بشكل متزايد بتسجيل معرّف المُرسِل وتفعيل جدار الحماية كشرط لتحقيق الربح من هذه المكالمات. ويخدم جدار الحماية المُعزز بالتعلم الآلي كلا الأمرين في آن واحد، فهو يحمي عائدات إنهاء المكالمات من خلال إعادة تصنيف المكالمات المُخفية من التطبيقات إلى الأشخاص، ويُطبق ضوابط معرّف المُرسِل والمحتوى التي تتوقعها الجهات التنظيمية على حركة البيانات التي غالبًا ما تكون متعددة اللغات ومختلطة النصوص. وتُشغل BroadNet بنية تحتية للرسائل على مستوى شركات الاتصالات منذ عام 2003 في أكثر من 200 دولة بنسبة 99.99% من اتفاقية مستوى الخدمة، مع شهادات ISO 27001 وISO 9001 وISO 22301 والحفاظ على شهادة SOC 2؛ وتعتمد النماذج نفسها التي تحمي هذه المسارات على منصة BroadNet AI المؤسسية الأوسع نطاقًا لمعلومات المحتوى والمخاطر.

> تبدأ حماية إيرادات المشغّلين من لحظة إرسال الرسائل. يقوم جدار حماية SMS من BroadNet بتقييم كل رسالة مُرسلة بشكل فوري - من خلال معايير سلوكية، وتصنيفات للمحتوى، وسمعة معرّف المُرسِل، واكتشاف المسارات غير الموثوقة تلقائيًا - ويحظرها في حلقة مغلقة قبل وصول الرسالة الاحتيالية. اطلب تقييمًا لحركة البيانات على مساراتك ذات الأولوية.

## الأسئلة الشائعة

### كيف يكشف الذكاء الاصطناعي عن عمليات الاحتيال عبر رسائل SMS؟

يكشف الذكاء الاصطناعي عن عمليات الاحتيال عبر رسائل SMS من خلال تحليل السلوك الطبيعي لحركة رسائل الشبكة وتحديد أي انحرافات. يقوم جدار حماية SMS المدعوم بالتعلم الآلي بتحليل سرعة كل مرسل، وانتشاره، ونسبة الإرسال أحادي الاتجاه، وتوقيته، ويقارن حركة الرسائل الفعلية بخط أساس لكل مسار، ويُشغّل مصنفات المحتوى للكشف عن الرسائل المزعجة والتصيد الاحتيالي. كما يُقيّم كل رسالة على حدة ويحظر الرسائل التي لا تتوافق مع سلوك قاعدة المشتركين الحقيقية، مكتشفًا الأنماط الجديدة قبل وجود قواعد ثابتة.

### هل يمكن للتعلم الآلي إيقاف عمليات إرسال رسائل SMS المزعجة؟

نعم، إنها إحدى أقوى الأدوات لمواجهتها. يُنتج الضخ حركة رسائل منتظمة على مستوى الجهاز، ذات انتشار واسع، ومخصصة لإرسال رموز التحقق لمرة واحدة فقط، مع انخفاض حاد في نسبة الإرسال إلى التحقق، وهو ما يكتشفه النموذج قبل وقت طويل من تحديد معدل ثابت. والأهم من ذلك، أن التعلم الآلي يربط النشاط عبر مصادر متعددة في آن واحد، لذا فإن الهجمات الموزعة التي تبقى ضمن حدود كل مصدر تظهر كنمط منسق. ويعمل هذا الأسلوب على أفضل وجه عند دمجه مع تحديد المعدل والتحقق من الأرقام.

### كيف تجد جدران الحماية المسارات الرمادية تلقائيًا؟

من خلال تحليل التوقيع الإجمالي لرسائل A2P المتخفية في صورة P2P، يبدو حجم البيانات غير الرسمية عاديًا، رسالةً تلو الأخرى، لكنه عند جمعه يُظهر أنماطًا عالية الإنتاجية، تعتمد على الإرسال فقط مع ردود واردة شبه معدومة، وانتشار واسع، وتركيز للوجهات لا ينتج عن أي جهاز حقيقي. تقارن النماذج السلوكية حجم البيانات الواردة بخطوط أساسية حقيقية لرسائل P2P، وتكشف عن المسارات غير الرسمية المشتبه بها باستمرار، بحيث تتم إعادة التصنيف واسترداد الإيرادات بشكل فوري بدلًا من التدقيق اليدوي الدوري.

## مراجع

- GSMA - موارد أمن الرسائل، وجدار حماية SMS، ومكافحة الاحتيال من التطبيقات إلى الأشخاص: [gsma.com](https://www.gsma.com/solutions-and-impact/technologies/security/)
- GSMA - إرشادات الاحتيال والأمن (سلسلة FS) لشبكات المراسلة: [gsma.com](https://www.gsma.com/)
- BroadNet — المشغّلون: [جدار حماية SMS](https://www.broadnet.me/operators/sms-firewall) و[رسائل SMS المضادة للاحتيال](https://www.broadnet.me/operators/anti-fraud-sms).
- BroadNet — مدونة: [الاحتيال عبر رسائل SMS واحتيال الحركة المضخّمة اصطناعيًا (AIT) في عام 2026](https://www.broadnet.me/blog/sms-pumping-ait-fraud-2026).