تجسد [أنظمة](/tag/أنظمة) الوكالات المتعددة القائمة على [نماذج [اللغات](/tag/اللغات) الضخمة](/tag/[نماذج](/tag/نماذج)-[اللغات](/tag/اللغات)-الضخمة) ([LLM-MAS](/tag/llm-mas)) مفهوماً واعداً في معالجة المهام المعقدة [عبر](/tag/عبر) [التخصص](/tag/التخصص) في الأدوار، واستخدام الأدوات، والتعاون الذكي. ومع ذلك، فإن [تفاعل](/tag/تفاعل) هذه الأنظمة يعرضها لمخاطر أمنية جديدة، منذ أن يمكن للأوامر الخبيثة المدخلة [عبر](/tag/عبر) الرسائل أو [الأدوات](/tag/الأدوات) أو [الذاكرة](/tag/الذاكرة) أن تنتقل بين الوكالات وتؤدي إلى تعريض النظام للخطر.

تعتمد الحلول الحالية بشكل كبير على التصفية المحلية أو [كشف الشذوذ](/tag/[كشف](/tag/كشف)-[الشذوذ](/tag/الشذوذ)) المعتمد على الرسوم البيانية، لكنها غالباً ما تفتقر إلى القدرة على [تتبع](/tag/تتبع) مسارات [الانتشار](/tag/الانتشار) الدقيقة أو معالجة الحالات الملوثة دون التأثير على [التعاون](/tag/التعاون) المشروع.

هنا يأتي دور PropGuard، إطار [حماية](/tag/حماية) [ذكي](/tag/ذكي) يدرك مسارات [الانتشار](/tag/الانتشار). يقوم [PropGuard](/tag/propguard) بإنشاء [رسم بياني](/tag/رسم-بياني) زمني مكاني مزدوج يعزز [تقدير المخاطر](/tag/تقدير-[المخاطر](/tag/المخاطر)) مع الحفاظ على دليل الحالة الكامل. وبالتوجيه من هذه [المخاطر](/tag/المخاطر) المحتملة، يستكشف مفتش معد للتدريب (GE-[GRPO](/tag/grpo)) [الرسم البياني](/tag/الرسم-البياني) الكامل لاستعادة [الرسوم البيانية](/tag/الرسوم-البيانية) المشبوهة. بعد ذلك، يتحقق [PropGuard](/tag/propguard) من وجود [الانتشار](/tag/الانتشار) الضار من خلال [التشخيص](/tag/التشخيص) الواعي للرسوم البيانية ويطبق إصلاحًا موجهًا من المصدر لتصحيح التلوث السابق وإعادة تشغيل [التفاعلات](/tag/التفاعلات) المتأثرة.

أظهرت [التجارب](/tag/التجارب) [عبر](/tag/عبر) أربعة أنماط [تواصل](/tag/تواصل) وخمسة إعدادات [هجوم](/tag/هجوم) أن [PropGuard](/tag/propguard) يقلل باستمرار من [نجاح](/tag/نجاح) الهجمات مع الحفاظ على [نجاح](/tag/نجاح) [دفاع](/tag/دفاع) عالي على مستوى المهام، محققاً توازناً إيجابياً بين الفعالية والكفاءة. هل أنتم مستعدون لاستكشاف كيف يمكن لهذه [التقنية](/tag/التقنية) أن تعزز [أمن](/tag/أمن) [أنظمة](/tag/أنظمة) [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) في المستقبل؟