Yapay zeka dünyasında hızla popülerlik kazanan State-Space Model (SSM) sistemlerinin güvenlik açıkları, araştırmacılar tarafından ilk kez detaylı olarak incelendi. Bu çalışma, genomik analiz, klinik zaman serisi tahminleme ve siber güvenlik log işleme gibi kritik alanlarda kullanılan bu modellerin beklenmedik güvenlik risklerini ortaya çıkardı.
SSM'ler, Mamba, Mamba-2 ve Jamba gibi hibrit mimarileri içeren geniş bir model ailesini kapsıyor. Bu sistemlerin en büyük avantajı, geleneksel transformer modellerine kıyasla çok daha hızlı işlem yapabilmeleri. Ancak bu hız avantajı, sıkıştırılmış durum mimarilerinin güvenlik özelliklerinin yeterince incelenmemiş olması pahasına geliyor.
Araştırmacılar, bu modellere karşı üç yeni saldırı türü geliştirdi. Spektral düşman saldırıları, modellerin transfer fonksiyonu kazançlarını istismar ederken, geciktirilmiş tetikleyici arka kapılar binlerce adım sonra aktifleşebiliyor. Üçüncü saldırı türü ise modellerin kapasite sınırlarını zorlayarak güvenlik açıkları yaratıyor.
Çalışmada öne çıkan en kritik bulgu, bu saldırıların uzun bağlamlı uygulamalarda amplifikasyon etkisi yaratabilmesi. Bu durum, özellikle sağlık ve güvenlik kritik sistemlerde ciddi riskler oluşturuyor. Araştırma, yapay zeka güvenliği alanında önemli bir uyarı niteliğinde ve bu sistemlerin daha güvenli hale getirilmesi için acil önlemler alınması gerektiğini vurguluyor.