මල්ටිමෝඩල් AI මොඩලයන්ට පණිවිඩයක් වගේම ඡායාරූපද ඇතුළත් වේ. එම ඡායාරූප තුළ සැඟවූ නියෝගයන් (prompt injection) මගින් මොඩලය වැරදි පළිගැනීම් කරන අවදානම පසුගිය වසරේ වැඩි වී ඇත.
පාරම්පරික ආරක්ෂණ පද්ධති පණිවිඩ පෙළ පරීක්ෂා කරයි, නමුත් ඡායාරූපයේ අඩු-බිට් (LSB) ස්ටෙගනොග්රැෆි, DCT‑කෝඨාංක ඇතුළත් කිරීම, හෝ EXIF මීටාදත්ත වැනි තාක්ෂණයන්ගෙන් සැඟවූ නියෝගයන් පරීක්ෂා නොකරයි. 2026 දී CSA සහ IEEE විසින් සිදු කළ විශාල පරීක්ෂණ වලින් මේ ආකාරයේ ඉන්ජෙක්ෂන් 24%–64% අතර සාර්ථකත්වයක් දක්වා ඇත.
මෙම හිඟය පුරවා දැමීමට, රචිතකයා crossguard‑py නමින් නව උපකරණයක් නිර්මාණය කළේය. මෙය "චැනලය නශ කිරීම" යන අදහසින් ක්රියා කරයි: පේලී තොරතුරු මකා දැමීම, DCT කෝඨාංක නැවත සම්ප්රේෂණය කිරීම, සහ EXIF මීටාදත්ත ඉවත් කිරීම. එමෙන්ම, ප්රතිඵල ඡායාරූපය දෘශ්යමය වශයෙන් මූලික ඡායාරූපයට සමීපව රඳා සිටී.
108,015 නමූනාත්මක ඡායාරූප මත සිදු කළ පරීක්ෂණේ, 99.84% සැඟවූ payloads මකා දැමීමට සමත් වූ අතර, නිර්මාණය වූ ඡායාරූපයේ SSIM අගය 0.925 (ඉතා ඉහළ ගුණාත්මකභාවය) බව පෙන්වා දී ඇත. විශේෂයෙන් LSB, DCT, සහ මීටාදත්ත ඉවත් කිරීමේ ක්රමවල නිරූපිත සාර්ථකතා අනුපාතය පහත පරිදි වේ:
- LSB: 60,005 නමූනාත්මක ඡායාරූප, 99.88% ඉවත් කිරීම, SSIM 0.939
- DCT: 24,005 නමූනාත්මක ඡායාරූප, 99.57% ඉවත් කිරීම, SSIM 0.904
- Metadata: 24,005 නමූනාත්මක ඡායාරූප, 100.0% ඉවත් කිරීම, SSIM 0.909
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තොරතුරු තාක්ෂණ අධ්යාපනය, ව්යාපාරික AI යෙදුම්, සහ සංවර්ධකයින්ට මෙය විශාල අවස්ථාවකි. පළමු පියවර ලෙස, පළාත් පරිසරයන්හි AI මොඩලයන් භාවිතා කරන විශ්වවිද්යාල සිසුන්ට ඉගෙනුම් දත්තයේ ආරක්ෂාව ගැන නව දැනුම ලබා දේ. දෙවනුව, ශ්රී ලංකාවේ තාක්ෂණික සමාගම්ට මූලික ආරක්ෂණ මෙවලම් (crossguard‑py) ලබා දීමෙන්, පාරිභෝගික දත්ත හා නියෝග ආරක්ෂාව වැඩි කර ගත හැක. තෙවනුව, රජයේ ඡායාරූප‑මූලික AI සේවා (උදා: රූප පරීක්ෂණ, ගුවන් රූප විශ්ලේෂණ) සඳහා මෙම ආරක්ෂණය අනුගමනය කිරීමෙන් ජාතික ආරක්ෂණය ශක්තිමත් වේ.
අදාල තාක්ෂණය තවත් පර්යේෂණයන්ට පදනම්ව වඩාත් සවිබලැති කර ගැනීමට අවශ්යයි, නමුත් මෙවැනි නව ආරක්ෂණය ශ්රී ලංකාවේ AI පද්ධති භාවිතයට නව මට්ටමක් ගෙන එයි.
ඉදිරියේදී, AI ආරක්ෂාව පිළිබඳ වැඩිදුර පරීක්ෂණ, නිෂ්පාදන සංවර්ධනය, සහ ප්රායෝගික ප්රයෝගයන් සඳහා මෙම ක්රමය අත්යවශ්ය වේ.
