محققان در مطالعه جدید خود به یک نقطه ضعف امنیتی مهم در مدلهای بنیادی گراف پی بردهاند. این مدلها که با نگاشت ورودیها به یک فضای بازنمایی مشترک (Alignment Layer) عمل میکنند، در برابر حملات استنتاجی آسیبپذیر هستند.
نتایج این تحقیق نشان میدهد که با اعمال تغییرات جزئی در ورودی (مثل دستکاری یالها یا ویژگیها)، میتوان دقت این مدلها را بهطور چشمگیری کاهش داد. این مطالعه زنگ خطری برای توسعهدهندگان است تا در طراحی لایههای همترازی مدلهای گراف، به امنیت در برابر حملات بدخواهانه توجه بیشتری داشته باشند.
این کشف میتواند نقشه راه جدیدی برای افزایش امنیت زیرساختهای مبتنی بر هوش مصنوعی گرافمحور باز کند. 📊🤖
منبع: arXiv AI