في عالم الذكاء الاصطناعي المتطور، أصبحت نماذج اللغات الضخمة (Large Language Models) جزءًا أساسيًا من بنية الأنظمة المستقلة. ومع ظهور حواجز الدفاع التي تعتمد عليها، أصبحت أولئك الأبطال الحماة عرضة لهجمات جديدة نوعية تتضمن حجب الخدمة (Denial-of-Service).

تكشف دراسة حديثة أن بإمكان المهاجمين استغلال قدرات التفكير والتنفيذ المعقدة التي توفرها هذه الحواجز، مما يؤدي إلى هجمات حجب الخدمة عبر إدخال بيانات مصممة خصيصًا لإدخال الحواجز في حلقات تفكير طويلة، مما يستهلك موارد النظام ويعرقل الأداء.

تم تصميم إطار تحسين مُستند إلى البحث الشعاعي لوضع استراتيجيات هجوم تركز على إنشاء بيانات طبيعية تهدف إلى إطالة تفكير الحواجز، مما يؤدي إلى تضخيم استجابة النظام بنسبة تراوحت بين 13 إلى 63 ضعفًا.

كما تمت الدراسة من خلال تقييمات مستقلة، حيث استطاعت الأساليب الجديدة أن تتجاوز حواجز دفاع متنوعة، مبرهنة على فعاليتها عبر مجموعة من الأنظمة. وعند ممارسة الهجوم في بيئات حقيقية، أظهر هجمات تصل إلى 148 ضعفًا في زمن الاستجابة، مما يعرض الأنظمة لانتكاسات شديدة في الأداء.

تسلط هذه النتائج الضوء على الحاجة الملحة لتعزيز أنظمة الحماية الخاصة بحواجز الذكاء الاصطناعي، لضمان تكيف هذه الأنظمة مع التهديدات المتزايدة وتعزيز مرونتها أمام الهجمات المستقبلية.