تتجه صناعة توليد المحتوى السمعي-البصري بشكل متسارع نحو استخدام تقنيات متعددة العوامل، حيث تتفاعل النصوص، الصور، الصوت، والفيديو معًا لتشكيل المحتوى الناتج. هذا التحول يمثل تحديًا جديدًا في تقييم الأمان، حيث يمكن أن لا تكمن النوايا الضارة في مدخل واحد، بل تظهر من كيفية تفاعل الظروف الأخرى التي قد تبدو غير ضارة.

لتسليط الضوء على هذه التحديات، قدمت مجموعة من الباحثين دراسة جديدة تُعرف باسم Multi2AV-Safety، أول معيار أمان يغطي جميع التكوينات المرتبطة بالجيل السمعي-البصري. تتضمن هذه الدراسة ما يقرب من 11024 حالة هجوم، مما يعكس مجموعة متنوعة من المخاطر المحتملة.

أظهرت النتائج، عند تقييم معيار Multi2AV-Safety، وجود نقاط ضعف منهجية في تقنيات الأمان متعددة العوامل. فقد كشفت الدراسة عن نوعين من أنماط الفشل:
1. يمكن أن تظهر دلالات ضارة من مزيج من مدخلات تبدو غير ضارة.
2. قد تصبح الإشارات الضارة الصريحة أكثر صعوبة في الكشف عنها عندما يتم دمجها مع سياقات متعددة العوامل تبدو آمنة.

تشير النتائج إلى أن التقييم الكفء لمخاطر التركيب يمثل فجوة مركزية في حماية جيل المحتوى السمعي-البصري. حاليا، تفشل أنظمة الأمان في دمج الأدلة بشكل موثوق عبر العوامل الزمنية والمتعددة، حتى عندما تكون جميع المدخلات المكونة مرئية.

المعيار الجديد يتوقع إصداره للجمهور في أكتوبر 2026، مما يعد بإحداث ثورة في مجال الأمان عبر جميع أشكال الوسائط.