في عالم الذكاء الاصطناعي، يعد الاتصال بين الوكلاء في أنظمة نماذج اللغة الكبيرة (LLM-MAS) أمراً حيوياً. ومع ذلك، فإن هذا التواصل ينطوي على مخاطر غير مستكشفة، مثل هجمات الوكيل في المنتصف (AiTM) التي يمكن أن تؤثر على الرسائل أثناء انتقالها دون التلاعب بالوكلاء أنفسهم.

تشير الأبحاث السابقة إلى أن معدلات نجاح هذه الهجمات تصل إلى ما يقرب من 100% في المهام المنظمة. وتعتمد الدفاعات الحالية عادة على التحقق الدلالي، ما يتطلب استنتاجًا إضافيًا وقد يؤدي إلى حجب مخرجات صالحة، أو على تشفير طبقة النقل، الذي لا يفيد عندما ينهي وسيط الاتصال بروتوكول TLS بشكل شرعي.

لكن مع تقنية "مرايا" (MIRROR)، تم تقديم آلية تضمن سلامة الاتصالات عبر تكرار بيانات معينة عبر عدة مسارات منطقية. هذه التقنية تقبل رسالة فقط عندما تقرّ الغالبية العظمى من المسارات بنفس القيمة. بالرغم من أن "مرايا" تعتمد على تجزئة غير مُعَدَّلة، إلا أن جميع السلامة تأتي من فرضية أن الطرق الصادقة تشكل غالبية.

تقدم "مرايا" ضمانات تحت حد معين من التعرض للخطر (alpha < 0.5)، مما يضمن أن فشل الطرق لن يؤثر على حركة المرور الصادقة. من خلال تجارب على نماذج متعددة، تبرز "مرايا" كخيار مثالي، حيث تخفض معدلات نجاح الهجمات إلى 0% مع الحفاظ على التكاليف.

في ظل تطورات مستمرة، تبشر هذه التقنية بمستقبل أكثر أمانًا في مجال نماذج اللغة الكبيرة، مما يوفر بنية تحتية قوية ضد التلاعب بالبيانات.