# دراسة: سياق المشهد قد يخدع أنظمة أمان الذكاء الاصطناعي متعدد الوسائط

> وجد باحثون أن تغيير خلفية المشهد وحدها قد يدفع نماذج الذكاء الاصطناعي إلى تلبية طلبات ضارة، بمعدل نجاح بلغ 86% عبر تسعة أنظمة.

Oossa · 2026-10-14 · https://oossa.com/ar/new-study-shows-scene-context-can-trick-multimodal-ai-safety

نشر فريق بقيادة Tongxi Wu ورقة بحثية في 14 أكتوبر 2026، كشف فيها عن ثغرة أمنية في النماذج اللغوية الكبيرة متعددة الوسائط (MLLMs). وتظهر هذه الثغرة، التي أطلق عليها الباحثون اسم «ثغرة السلامة البصرية المرتكزة إلى المشهد»، عندما تدفع البيئة المحيطة في الصورة النموذج إلى تلبية طلب كان سيرفضه، رغم أن الطلب نفسه لم يتغير. وأعدّ الباحثون معيارًا للاختبار أطلقوا عليه اسم SceneSafetyBench، واختبروا ثماني فئات من المخاطر على تسعة نماذج متعددة الوسائط، بعضها متاح للاختبار الداخلي (white-box) وبعضها للاختبار الخارجي (black-box). ونجحت طريقة الهجوم الجديدة، Scene-Grounded Attacks، في 86.17% من المحاولات، متفوقةً بأكثر من ثماني نقاط على أفضل الطرق السابقة.

تشير الدراسة إلى أن تحسين قدرة الذكاء الاصطناعي على فهم العناصر البصرية لا يضمن وحده جعله أكثر أمانًا، وأن دلالات المشهد تمثل سطحًا للهجوم لم يحظَ بالاهتمام الكافي.

## الحقائق

- نُشرت الورقة في 14 أكتوبر 2026 ("Wed Oct 14 2026")
- بلغ متوسط معدل نجاح الهجوم 86.17% عبر تسعة نماذج

## لماذا يهم

على مطوري الذكاء الاصطناعي متعدد الوسائط أخذ التلاعب بخلفية المشهد في الحسبان بوصفه وسيلة محتملة للاستغلال، لا الاكتفاء بالنظر إلى المحتوى البصري الرئيسي.

## المصادر والمراجع

1. [Scenes as an Attack Surface: Uncovering Scene-Grounded Safety Failures in MLLMs](https://arxiv.org/abs/2610.14094) – arXiv cs.CV, 2026-10-14

آخر تحديث: 2026-10-14