في عصر تتطور فيه تقنيات الذكاء الاصطناعي بوتيرة سريعة، برزت نماذج اللغات الصوتية الكبيرة (LALMs) كأحد أبرز الابتكارات. ومع ذلك، لم تقتصر فوائد هذه النماذج على الجانب الإيجابي فقط، بل أظهرت أيضاً مخاطر جديدة تتعلق باختراقات الصوت.

في دراسة حديثة، تم تخصيص جهد لفهم هذه التهديدات بشكل معمق، حيث تم استكشاف كيفية استغلال بعض الأساليب للقيام باختراقات من خلال عمليات الإدراك الصوتي والاستدلال. وقد قُدمت عدة نماذج لتهديدات مختلفة تشمل الهجمات الدلالية (semantic)، الهجمات الصوتية (acoustic)، وهجمات طبقة التضمين (embedding-layer).

تتسم هذه الأبحاث بكونها موحدة وشاملة، حيث تم تنظيم العمل السابق إلى فئات عدة، مما يسهل على الباحثين مقارنة فعالية الهجمات والدفاعات. فعلى سبيل المثال، أظهرت نتائج التجارب أن أسلوب "أفضل صوت" (Acoustic Best-of-N) يكشف عن نقاط ضعف خطيرة، بينما يُظهر "إطار السرد" (Narrative Framing) فعالية ملحوظة في التعامل مع التهديدات الدلالية ذات الاستجابة المنخفضة للزمن.

وعلى الرغم من تقدم هذه النماذج، إلا أن الدفاعات الحالية تبرز تحديات كبيرة، حيث تتعاون الدفاعات لتقليل المخاطر ولكنها قد تؤثر على سهولة الاستخدام. لذا، تشدد الأبحاث على أهمية التقييم المدروس وشامل التكاليف كعنصر أساسي لتحديد أمان نماذج LALMs.