في عصر تتزايد فيه أهمية المعلومات الموثوقة والآمنة، تبرز أنظمة الاسترجاع المعززة بالجيل (Retrieval-Augmented Generation - RAG) كنموذج واعد. ومع ذلك، تواجه هذه الأنظمة تحديًا كبيرًا في التصدي لهجمات حقن المطالبات (Prompt Injection) التي قد تتسبب في تبعات خطيرة. من هنا، وُلد معيار RAG-PIBench، الذي يمثل خطوة متقدمة في مجال أمن البيانات.

يقدم RAG-PIBench مجموعة من 4,876 مثالًا سياقيًا تم إعدادها بعناية لتقييم مدى فعالية أساليب الكشف عن هجمات حقن المطالبات. يعتمد المعيار على نهج واعٍ للسرقة، مما يعني أنه يأخذ في الاعتبار كيفية حدوث التسريبات وكيفية التأثير على أداء نماذج الفهم.

لقد تم اختبار أساليب الكشف المختلفة ضمن هذا المعيار، بما في ذلك أساليب تعتمد على الكلمات المفتاحية، والمرجعية الدلالية، وتقنية TF-IDF، ونماذج التحويل (Transformers). ومن بين هذه الأساليب، أثبت نموذج DistilBERT فعاليته بامتياز، حيث حصل على أعلى أداء في الاختبارات المحمية (F1 = 0.896، PR-AUC = 0.968).

ليس فقط DistilBERT، إذ واصل كل من أسلوب TF-IDF SVM والانحدار اللوجستي التنافس بقوة، مما يبرز أهمية تصميم المعايير الواعية للسرقة لتوفير كشف موثوق وفعال لهجمات حقن المطالبات.

بناءً على النتائج المحققة، يبدو أن هناك آفاقًا واعدة لتطوير أنظمة RAG أكثر أمانًا وصلابة. دعونا نتفاعل مع هذا التطور الجديد وننظر إلى المستقبل!