أدى [توسع](/tag/توسع) [نماذج [اللغات](/tag/اللغات) الضخمة](/tag/[نماذج](/tag/نماذج)-[اللغات](/tag/اللغات)-الضخمة) متعددة الأنماط (Multimodal Large Language [Models](/tag/models) - [MLLMs](/tag/mllms)) وإدماجها في [أطر العمل](/tag/أطر-العمل) الذكية المستقلة إلى ظهور [تهديدات جديدة](/tag/تهديدات-جديدة) وغير متوقعة. تُظهر الملاحظات التجريبية أن المهاجمين يستخدمون طرقاً متقدمة تعتمد على التلاعبات المعقدة في [البيانات](/tag/البيانات) [عبر](/tag/عبر) أنماط متعددة، مما يجعل [الدفاعات](/tag/الدفاعات) التقليدية غير فعّالة.

ينص المقال على أن [الدفاعات](/tag/الدفاعات) الساكنة، المحدودة بخصائص ماركوف، تفشل في معالجة التهديدات المتقدمة، حيث تقوم بتقييم المدخلات بشكل منفصل. ولتجاوز هذه القيود، يقترح [البحث](/tag/البحث) صياغة [التحقق](/tag/التحقق) من [الأمان](/tag/الأمان) كمشكلة تنبؤية [ديناميكية](/tag/ديناميكية).

تم تقديم إطار الدفاع الثلاثي (Triple-tier Anomaly Defense - TRIAD) كنموذج تنبؤي يتتبع مسار [المحادثات](/tag/المحادثات) متعددة الأنماط والدورات كخطة مستمرة. يدمج هذا الإطار [تقنيات](/tag/تقنيات) [كشف الشذوذ](/tag/[كشف](/tag/كشف)-[الشذوذ](/tag/الشذوذ)) الهيكلي لمراقبة التغيرات في التباين، ويستخدم المسافة المعدلة بواسطة ليدويت-وولف لاكتشاف التغيرات في المساحات عالية الأبعاد.

كذلك، يتيح الإطار التفريق بين [الاستكشاف](/tag/الاستكشاف) الإبداعي الأمين والانحرافات الخبيثة المستمرة. يتم دمج هذه الخصائص الحركية والهندسية في [نموذج مخاطر](/tag/[نموذج](/tag/نموذج)-[مخاطر](/tag/مخاطر)) كوك بروبورتشونال [عبر](/tag/عبر) حلقة [تغذية راجعة](/tag/[تغذية](/tag/تغذية)-راجعة) من [نموذج [ماركوف](/tag/ماركوف) الخفي](/tag/[نموذج](/tag/نموذج)-[ماركوف](/tag/ماركوف)-الخفي) (Hidden Markov [Model](/tag/model) - HMM).

الفحص النظري يبين أن إطار TRIAD يوفر تقديراً زمانياً محدوداً للفشل المتوقع تحت التلاعبات المهاجمة، مما يضمن انحراف التسارع الخبيث بشكل إيجابي. يتيح هذا الإطار وسيلة آمنة وفعّالة وسهلة الفهم للأنظمة الذكية في الوقت الحقيقي، مما يضع أساساً صارماً لمواءمة [الأمان](/tag/الأمان) المستمر دون الاعتماد على إعادة [التدريب](/tag/التدريب) التجريبية.