في عالم الذكاء الاصطناعي، حيث تزداد الهجمات التي تستهدف نماذج اللغة الكبيرة (Large Language Models) بشكل مستمر، تظهر حاجة ملحة لتقنيات دفاع موثوقة. هنا يأتي دور سينترا-غارد (Sentra-Guard)، وهو نظام دفاع مبتكر يُطلق عليه "حماية متعددة اللغات في الوقت الحقيقي".

يعمل سينترا-غارد على الكشف والتخفيف من هجمات "جايلبريك" (jailbreak) و"حقن الأوامر" (prompt injection) التي تستهدف هذه النماذج الحيوية. يعتمد النظام على بنية هجينة تجمع بين تمثيلات SBERT المفهرسة باستخدام FAISS، والتي تلتقط المعنى الدلالي للأوامر، مع مصنّفات مُعدّلة باستخدام تقنيات التعلم الآلي، مما يُسهم في تمييز المدخلات اللغوية العادية عن الخبيثة.

واحدة من ابتكارات النظام الرئيسية هي وحدة دمج المصنّف واسترجاع المعلومات، حيث تقوم هذه الوحدة بحساب درجات المخاطر المعتمدة على السياق على نحو ديناميكي لتقدير احتمالية أن يكون الأمر خبيثًا بناءً على محتواه وسياقه. كما يحتوي النظام على طبقة معالجة لغوية غير مرتبطة بلغة معينة، تتيح له تلقائيًا ترجمة الأوامر غير الإنجليزية إلى الإنجليزية لتقييم الدلالات، مما يمكّنه من الكشف المتسق عبر أكثر من 100 لغة.

يعمل سينترا-غارد وفقًا لنظام تغذية راجعة يعتمد على تفاعل الإنسان مع الآلة (HITL)، حيث تتم مراجعة القرارات التي يتخذها النظام الآلي من قبل خبراء بشريين، مما يعزز قدرة النظام على التعلم السريع والتكيف تحت ضغط التهديدات. وتمتاز دقة الكشف بتسجيل عرض كفاءة يصل إلى 99.96%، مع نسبة نجاح الهجوم (ASR) تبلغ 0.004% فقط، متفوقة على حلول الدفاع الأخرى مثل LlamaGuard-2 وOpenAI Moderation.

تمتاز سينترا-غارد بالشفافية، وقابلية التعديل، والتوافق مع مجموعات مختلفة من نماذج اللغة الكبيرة، مما يجعلها حلاً مثالياً لتطبيقها في الصناعة أو بيئات المصادر المفتوحة. تعتبر هذه التقنية صحوة جديدة في مجال الدفاع عن نماذج اللغة الكبيرة ضد التهديدات.