في عالم الشبكات المتزايد تعقيدًا، تبقى تحديات الكشف عن الهجمات مصدر قلق كبير. تقارير جديدة تكشف أن النماذج اللغوية الكبيرة (Large Language Models) المعدلة لرصد اختراقات الشبكات تميل إلى تقديم تنبؤات ذات نقطة واحدة دون ضمانات إحصائية كافية. ولأن التنبؤات التقليدية تعتمد على تثبيت العتبات على المرور النظيف، فإنها تضعف بشكل كبير عند تعرض الشبكة لتهديدات عدائية.

قدمت دراسات حديثة طريقة مبتكرة تُعرف بالتنبؤ القابل للتكيف حسب الحركة، التي تأخذ بعين الاعتبار حركة المرور الناتجة عن الآليات التي قد يستخدمها المتسلل. هذه الطريقة توفر ضمان تغطية ضمن عينة محددة وتعزز فعالية الأنظمة ضد الهجمات المحتملة.

التحدي الثاني يأتي من المهاجمين القادرين على الاستفادة من نموذج التنبؤ ذاته عبر استفسار درجاتهم، مما قد يؤدي إلى تآكل الضمانات المعتمدة. ومع ذلك، تم اقتراح حلول من خلال استبعاد الميزات القابلة للتحكم من خلال المهاجم وحساب الأداء فقط على السمات المتبقية. هذا التوجه يضمن وجود ضمان تغطية دقيق بدلاً من حدود احتمالية.

ولقد أثبتت هذه الاستراتيجيات فعاليتها عبر ثلاثة بنوك مرجعية لرصد الاختراقات، حيث تبقى التمثيلات دون تغيير تحت جميع الهجمات المعمول بها، مما يضمن الحفاظ على الدقة مع تكلفة موثقة في دقة التنبيه المنزلي لا تتجاوز أربع عشرة نقطة. هذا التطور يعد بخطوة كبيرة نحو تعزيز أمان الشبكات، ويعكس أهمية الابتكار المستمر في مجال الذكاء الاصطناعي.