භාෂා මොඩලයක් මිනිත්තු කුඩා කාලයකදී නිෂ්පාදන පිටුවකට ප්රශ්න‑උත්තර 20 කට්ටලයක් සකස් කරයි. නමුත් ඒ පිළිතුරු නිවැරදි වීමට, ආයතනයේ මිල, බෙදාහැරීමේ කාලය, වගකීම් වැනි තොරතුරු අවශ්ය වේ. එම තොරතුරු සහ පිටු අන්තර්ගතය එකම ප්රසංග කවුළුවේ (context window) එක්කෙනා වූ විට, අනිත් පිරිසිදු පිටුවක ඇති “කථා”ද මොඩලයට උපදෙස් ලෙස ගැලපෙයි. මෙය ප්රොම්ප්ට් ඉන්ජෙක්ශන් ලෙස හැඳින්වේ.
ප්රොම්ප්ට් ඉන්ජෙක්ශන් යනු, අනවසර පදනමකින් ලැබෙන පෙළ (untrusted text) මොඩලයේ ටෝකන් පාවිච්චියේ එක්ව, එය උපදෙස් ලෙස ක්රියාත්මක වීමයි. SQL ඉන්ජෙක්ශන් වලට සමානව, මෙහිදී පරිශීලක දත්තය කේතයක් ලෙස පරිගණකයට දෙනවා වෙනුවට, පදනමකින් ලැබෙන පෙළ මොඩලයට උපදෙස් ලෙස දෙනවා.
ඉතිහාසය පුරා පවතින “filter‑based” ආරක්ෂක ක්රමයන් මෙයට ප්රතිකාරයක් වශයෙන් අසාර්ථකයි. ප්රතිකාරක (filter) එකක් පමණක් භාවිතා කරන්නේ නම්, මොඩලය තොරතුරු මූලාශ්රය වෙනස් කළ නොහැකි බව තේරුම් ගැනීමට නොහැක; එම නිසා 99% ආරක්ෂක ශ්රේණිය “fail” ලෙස සැලකේ. 2025 ඔක්තෝබරයේ “The Attacker Moves Second” පර්යේෂණය පෙන්වා දුන්නා වගේ, ලියැවුණු 12 ආරක්ෂක පරික්ෂණ 90% කට වැඩි ප්රතිශතයක් රෙඩ්‑ටීම් විසින් සම්පූර්ණයෙන්ම බිඳ දැමූ බව.
මෙම ගැටලුව විසඳීමට “වාස්තුකලාප” (architecture) මත පදනම් වූ ක්රමවේදයයි ප්රධාන තේමාව. “Rule of Two” කියන නීතිය අනුව, එක් කාර්යයක් (උදා: data retrieval) සහ අනෙකුත් කාර්යයක් (උදා: data modification) එකම මොඩලයට එක්කොට නොදෙයි. Dual‑LLM, Google DeepMind‑ගේ CaMeL වැනි ආකෘති මේ නීතිය අනුගමනය කරයි. ඒ නිසා, ප්රශ්නයක් පවා මොඩලය “කියවීම” සහ “ක්රියාත්මක කිරීම” අතර වෙනස් කරයි, ඉන්ජෙක්ශන් අවස්ථා අඩු වේ. ලේබ් එකේ සාදන FAQ ජනකය තුනක් වෙනම මොඩලයන් භාවිතා කර, එක්කොට නොදෙයි; එක් පිටුවක් සකස් කිරීමේ පිරිවැය $0.0035 පමණයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික සිසුන්, සංවර්ධකයන් සහ ව්යාපාරිකයන්ට මේ වාස්තුකලාප විසඳුම් පරිසරය පහත පරිදි වාසියක් ගෙනදෙයි:
- සිසුන්: AI පදනම් වූ පර්යේෂණ ව්යාපෘතිවල ආරක්ෂාව පිළිබඳ නව පදනම් ඉගෙනගැනීමට, ප්රොම්ප්ට් ඉන්ජෙක්ශන් වළක්වා ගැනීමේ නව ආකෘති අත්හදා බැලීමට හැකියාව ලැබේ.
- සංවර්ධකයන්: Dual‑LLM, CaMeL වැනි ආකෘති භාවිතා කිරීමෙන්, ලොකු පද්ධති සංවර්ධනයේදී දත්ත රහස්යතා සහ අනිසි කාර්ය සාධනය අවම කරගත හැක.
- ව්යාපාරිකයන්: ගනුදෙනුකාරයන්ගේ තොරතුරු ආරක්ෂාව වැඩි දියුණු කර, අන්තර්ජාල අයදුම්පත් හෝ chatbot සේවාවන්හි විශ්වාසභාවය වැඩි කරයි.
ඉදිරියේදී, ශ්රී ලංකාවේ AI‑අධාරිත සේවාවන් මෙවැනි වාස්තුකලාප සැලසුම් අනුගමනය කළහොත්, දත්ත රහස්යතා උල්ලංඝනයකින් සිදුවන ආර්ථික හා නාමනීය නෂ්ටය වැලැක්විය හැකිය.
සාරාංශයෙන්, ප්රොම්ප්ට් ඉන්ජෙක්ශන් යනු “බග්” එකක් නොව, තොරතුරු හා උපදෙස් එකම ටෝකන් පාවිච්චියේ ඇති සැලසුම් වැරැද්දකි. ඒ නිසා, ප්රතිකාරක (filter) මඟින් නවතම විසඳුම් ලබාගත නොහැක; වාස්තුකලාප මට්ටමේ “Rule of Two” ආකෘති පද්ධතියක් ගොඩනැගීමයි ඉදිරියට යාමට අවශ්යය.