في عالم الذكاء الاصطناعي المتطور، يطرح بحث جديد تحديات غير مسبوقة لنماذج اللغة الكبيرة للصوت (Audio LLMs). حيث أظهر الباحثون أن الهجمات السابقة، التي كانت تستهدف هذه النماذج، تعتمد على تحسين التذبذبات (perturbations) في معالجة الموجات الصوتية. لكن تقنية الحماية التي تستخدم ضغط الترميز (codec compression) كانت تُعتبر سلاحاً فعّالاً ضد هذه الهجمات.

ومع ذلك، جاء هجوم CodecAttack ليغير قواعد اللعبة. بدلاً من التلاعب بالموجات الصوتية مباشرة، يقوم هذا الهجوم بتحسين التذبذبات داخل الفضاء الكامن المستمر لشفرة الصوت العصبي (neural audio codec). وهذا يعني أن التذبذبات تم إنشاؤها وفقاً لخصائص محددة داخل نظام الضغط، مما يتيح لها تجاوز الدفاعات التقليدية.

البحث أظهر أن قناة الضغط الخاصة بشفرة الصوت تتخلص من التذبذبات التقليدية، لكنها تستطيع نقل التذبذبات المصممة بدقة في فضائها الكامن، حيث تركز التحليلات على طاقة الأصوات تحت 4 كيلوهرتز - المنطقة التي تُخصص لها الشفرات معظم bits.

وعلاوة على ذلك، فقد أظهر الهجوم معدل نجاح مذهل يبلغ 85.5% ضد نماذج معينة عند استخدام جودة ضغط معتدلة، بينما لم تتجاوز التقنيات التقليدية معدل 26%. كما أن الهجوم يمتد ليشمل تشفيرات أخرى، محققاً معدلات نجاح تصل إلى 100% في MP3 و84% في AAC-LC.

هذا البحث يحمل دلالات خطيرة على الأمن السيبراني ويؤكد أن الاعتماد على الضغط الصوتي كحماية ضد الهجمات الذكية لم يعد كافياً. فهل سنشهد المزيد من التطورات المقلقة في مجال الذكاء الاصطناعي؟ ما رأيكم في هذا التطور؟ شاركونا في التعليقات.