သုတေသီများသည် Claude၊ GPT နှင့် Gemini တို့မှ လျှို့ဝှက်ကုဒ်ဝှက်ထားသော အတွေးလမ်းကြောင်းများမှ ဖုံးကွယ်ထားသော AI အကြောင်းပြချက်များကို ခိုးယူသည်

Anthropic၊ OpenAI နှင့် Google တို့မှ ထိပ်တန်း AI မော်ဒယ်များမှ ထုတ်လုပ်သော လျှို့ဝှက်တွေးခေါ်မှုဆိုင်ရာ ကျိုးကြောင်းဆင်ခြင်ခြင်းအား ကုဒ်ဝှက်ထားသော ခြေရာများမှ ပြန်လည်ရယူနိုင်ပြီး၊ မူပိုင်ခွင့်ယုတ္တိဗေဒ၊ ကိုယ်ရေးကိုယ်တာအချက်အလက်များနှင့် အထောက်အထားများကို အတိုင်းအတာဖြင့် ဖော်ထုတ်နိုင်သည်ဟု သုတေသီအဖွဲ့တစ်ဖွဲ့က သရုပ်ပြခဲ့သည်။

2026 ခုနှစ် ဩဂုတ်လ 11 ရက်နေ့ တွင် ထုတ်ဝေသော တွေ့ရှိချက် သည် AI ပံ့ပိုးပေးသူ ကြီးများ ၏ တန်ဖိုးအရှိဆုံး ဉာဏပစ္စည်း ပိုင်ဆိုင်မှု များကို မည်ကဲ့သို့ ခိုးယူခြင်း မှ ကျိုးကြောင်းဆီလျော်မှု ခြေရာများ ခိုးယူခြင်း ဟူသော ခေါင်းစဉ် ဖြင့် တွေ့ရှိချက် သည် အခြေခံ ဗိသုကာ ဆိုင်ရာ အားနည်းချက် ကို ဖော်ပြ သည် ။ ထူးခြားဆန်းသစ်သော AI သတင်း ကို လိုက်ကြည့်သူတိုင်းအတွက် သုတေသနသည် ကုဒ်ဝှက်ထားသော မော်ဒယ်အထွက်များပင် လူသိရှင်ကြား မျှဝေသောအခါတွင် တာဝန်ရှိကြောင်း အလေးပေးဖော်ပြသည်။

တိုက်ခိုက်မှုဘယ်လိုအလုပ်လုပ်လဲ။

ဉာဏပစ္စည်းပိုင်ဆိုင်မှုကိုကာကွယ်ရန်နှင့် သတင်းအချက်အလက်ပေါက်ကြားမှုကို ကန့်သတ်ရန် ထိပ်တန်း AI ပံ့ပိုးပေးသူများသည် ၎င်းတို့၏မော်ဒယ်များ၏ တစ်ဆင့်ပြီးတစ်ဆင့် ကျိုးကြောင်းဆင်ခြင်ခြင်းကို ဖုံးကွယ်ထားကြသည်။ ဤသဲလွန်စများကို ဆာဗာဘက်ခြမ်းတွင် သိမ်းဆည်းခြင်းထက်၊ ဝန်ဆောင်မှုပေးသူများသည် ၎င်းတို့အား ကုဒ်ဝှက်ထားသော စာသားတုံးများအဖြစ် ကလိုင်းယင့်ထံသို့ နောက်ဆက်တွဲ တောင်းဆိုချက်တစ်ခုစီဖြင့် ပြန်လည်ပေးပို့သည်။

အဆိုပါ ကုဒ်ဝှက်ထားသော ဘလောက်များသည် ကွဲပြားသော စက်ရှင်များ၊ အသုံးပြုသူများနှင့် ဝန်ဆောင်မှုပေးသူ၏ ဂေဟစနစ်အတွင်း မော်ဒယ်များကြားတွင် အပြည့်အဝ တွဲဖက်အသုံးပြုနိုင်ပြီး အပြန်အလှန်လဲလှယ်နိုင်သည်ကို သုတေသီများက ဖော်ထုတ်တွေ့ရှိခဲ့သည်။ ဤရွေ့ပြောင်းမှုသည် တိုက်ခိုက်မှုအတွက် သော့ချက်ဖြစ်သည်။

နည်းလမ်းသည် API ခေါ်ဆိုမှုနှစ်ခုတွင်အလုပ်လုပ်သည်။ ပထမဦးစွာ၊ တိုက်ခိုက်သူတစ်ဦးသည် Frontier model မှထုတ်လုပ်သော ကုဒ်ဝှက်ထားသော အကြောင်းပြချက်ခြေရာကိုယူသည် — ဥပမာ Claude Opus 4.8 — နှင့် Claude Haiku 4.5 ကဲ့သို့သော တူညီသောပံ့ပိုးပေးသူထံမှ အားနည်းသော၊ ကာကွယ်မှုနည်းသော မွေးချင်းမော်ဒယ်သို့ ထိုးသွင်းသည်။ ထို့နောက် အားနည်းသောပုံစံသည် ကျိုးကြောင်းဆီလျော်သောစကားလုံးကို ကူးယူဖော်ပြရန် ရိုးရှင်းသောလမ်းညွှန်ချက်ဖြင့် ထောင်ဖောက်ထားသည်။ ကုဒ်ဝှက်ထားသော ဘလောက်သည် အပြန်အလှန်လဲလှယ်နိုင်သောကြောင့်၊ အားနည်းသောမော်ဒယ်သည် ပိုမိုအားကောင်းသောမော်ဒယ်လ်ကို တိုက်ရိုက်မတိုက်ခိုက်ဘဲ ခိုင်မာသောမော်ဒယ်၏ဝှက်ထားသောအကြောင်းပြချက်ကို ရိုးရိုးရှင်းရှင်းဖြင့် ကုဒ်ဖော်ပြပြီး ထုတ်လွှတ်သည်။

သုတေသီများသည် Anthropic's Claude၊ OpenAI's GPT နှင့် Google's Gemini တို့မှ မော်ဒယ်လ်သုံးခုလုံးမှ ဤတိုက်ခိုက်မှုကို သရုပ်ပြခဲ့သည်။

Data Exposure အတိုင်းအတာ

ထိတ်လန့်စရာအကောင်းဆုံး ရှာဖွေတွေ့ရှိမှုမှာ အများသူငှာ မျှဝေထားသော စက်ရှင်မှတ်တမ်းများမှတစ်ဆင့် ပေါက်ကြားလာသော အရေးကြီးသော အချက်အလက်ပမာဏဖြစ်သည်။ သုတေသီများသည် Claude, GPT, နှင့် Gemini မော်ဒယ်များမှ ထုတ်လုပ်သော GitHub နှင့် Hugging Face မှ အများသူငှာရရှိနိုင်သော အေးဂျင့်လမ်းကြောင်း 6,708 ခုကို စုဆောင်းခဲ့ပြီး ကုဒ်ဝှက်ထားသော ကျိုးကြောင်းဆင်ခြင်ခြင်းလုပ်ကွက်များ ပါဝင်နေဆဲဖြစ်သည်။

၎င်းတို့၏ ကုဒ်နံပါတ် ပိုက်လိုင်းကို လက်မှတ်ရေးထိုးထားသော ဘလောက်တိုင်းတွင် အသုံးပြုခြင်းဖြင့် ပြန်လည်တည်ဆောက်ထားသော ကျိုးကြောင်းဆင်ခြင်ခြင်းလုပ်ကွက် 315,320 ကို ရရှိခဲ့သည်။ ဤလျှို့ဝှက်သဲလွန်စများတွင် တကယ့်လျှို့ဝှက်ချက်များနှင့် ထိလွယ်ရှလွယ် အချက်အလက်များပါရှိသည်။

စစ်မှန်သော၊ စံသတ်မှတ်ချက်မဟုတ်သော အသုံးပြုသူအစည်းအဝေးများကို ကန့်သတ်ထားခြင်းဖြင့် သုတေသီများက ပြန်လည်တွေ့ရှိခဲ့သည်-

• 704 ထူးခြားသောကိုယ်ရေးကိုယ်တာဆိုင်ရာပစ္စည်းများ စုစုပေါင်း

• 204 နည်းပညာဆိုင်ရာ ခွဲခြားသတ်မှတ်မှုများ (အတွင်းပိုင်း URL များ၊ ဆာဗာလမ်းကြောင်းများ)

• ကိုယ်ရေးကိုယ်တာ အချက်အလက် (PII) 126 ခု အပါအဝင် ကိုယ်ရေးကိုယ်တာ အီးမေးလ်လိပ်စာ 30 ခု၊ အမည်များနှင့် စာတိုက်လိပ်စာများ

• API သော့ 62 ခု၊ စကားဝှက် 33 ခုနှင့် ဝင်ရောက်ခွင့်တိုကင် 24 ခု အပါအဝင် အထောက်အထား ၂၃ ခု

ရှေးဟောင်းပစ္စည်း 704 ခုတွင် 64 ခုသည် ကျိုးကြောင်းဆင်ခြင်ခြင်းဆိုင်ရာ ပိတ်ပင်မှုများအတွင်း သီးသန့် ပေါ်လာပြီး မြင်သာသော session text တွင် မည်သည့်နေရာမှ မတွေ့ခဲ့ရပေ — ဆိုလိုသည်မှာ မမျှဝေမီ ၎င်းတို့၏မှတ်တမ်းများကို ပြန်လည်သုံးသပ်သော developer များသည် လျှို့ဝှက်ချက်များပေါက်ကြားနေမှန်း မသိခဲ့ကြပါ။

မှတ်တမ်းတင်ထားသော ဥပမာတစ်ခုတွင် မော်ဒယ်၏လျှို့ဝှက်အကြောင်းပြချက်တွင် API သော့များ၊ AWS အထောက်အထားများနှင့် GitHub တိုကင်များကို ရှာဖွေခြင်းနှင့် ကိုင်တွယ်ခြင်းဆိုင်ရာ အသေးစိတ်အတွင်းပိုင်း အတွေးအမြင်များပါရှိသော GPT-5.2 Codex စက်ရှင်ကို ပြသခဲ့သည် — စကားဝိုင်း၏ မြင်သာသောထွက်ရှိမှုအားလုံးတွင် မမြင်နိုင်ပါ။

ပေါင်းခံခြင်းအား ရှောင်လွှဲခြင်း အကာအကွယ်များ

ဒုတိယ အဓိက သက်ရောက်မှုမှာ ပေါင်းခံမှု ဆန့်ကျင်ရေး ယန္တရားများကို ရှောင်တိမ်းခြင်း ဖြစ်သည်။ AI ဝန်ဆောင်မှုပေးသူများသည် ထိုယုတ္တိဗေဒအရ ပြိုင်ဖက်များအား မော်ဒယ်ငယ်များကို လေ့ကျင့်ပေးခြင်းမှ တားဆီးရန် ၎င်းတို့၏ မော်ဒယ်များ၏ ကျိုးကြောင်းဆင်ခြင်မှုကို တမင်ဖျောက်ထားသည်။ သုတေသီများ၏ နည်းပညာသည် ဤအကာအကွယ်များကို လုံးလုံးလျားလျား ရှောင်သွားပါသည်။

ကုဒ်သုံးထားသော ကျိုးကြောင်းဆင်ခြင်ခြင်း၏ သစ္စာရှိမှုကို အတည်ပြုရန်အတွက် သုတေသီများသည် Codeforces 120 ယှဉ်ပြိုင်မှုရှိသော ပရိုဂရမ်းမင်းပြဿနာများကို စမ်းသပ်ခဲ့ကြသည်။ သရုပ်ဖော်ထားသော ကျိုးကြောင်းဆင်ခြင်ခြင်း၏ တိုကင်အရေအတွက်သည် မော်ဒယ်တစ်ခုစီ၏ API မှ တင်ပြထားသော လျှို့ဝှက်တွေးခေါ်မှု-တိုကင်အရေအတွက်ကို အနီးကပ်ခြေရာခံပြီး ပြီးပြည့်စုံလုနီးပါး ပြန်လည်ရယူခြင်းကို အတည်ပြုသည်။

တိုက်ခိုက်မှု Vector လေးခု

စာရွက်တွင် ဤအားနည်းချက်ကြောင့် ဖွင့်ထားသည့် ထူးခြားသော တိုက်ခိုက်ရေး ကွက်လေးခုကို ခွဲခြားဖော်ပြသည်-

1. ပေါင်းခံခြင်းမှ ရှောင်တိမ်းခြင်း — ပြိုင်ဖက်မော်ဒယ်များကို လေ့ကျင့်ပေးရန်၊ Anthropic၊ OpenAI နှင့် Google တို့တွင် သရုပ်ပြထားသော သီးသန့်မော်ဒယ်၏ အကြောင်းပြချက်ကို ထုတ်ယူခြင်း။

2. အကြီးစားသီးသန့်ဒေတာထုတ်ယူခြင်း — Developer များသည် အများသူငှာ သိုလှောင်ရုံများတွင် မသိလိုက်ဘဲ မျှဝေထားသော ထောင်ပေါင်းများစွာသော ကုဒ်ဝှက်ထားသော ကျိုးကြောင်းဆင်ခြင်ခြင်းလုပ်ကွက်များမှ လျှို့ဝှက်ချက်များနှင့် PII ကို စုဆောင်းခြင်း။

3. အန္တရာယ်ရှိသော သတင်းအချက်အလက် ဖော်ထုတ်ခြင်း — လျှို့ဝှက် ကျိုးကြောင်းဆင်ခြင်ခြင်းတွင် တစ်ခါတစ်ရံတွင် အန္တရာယ်ရှိသော သတင်းအချက်အလက်များ အပါအဝင် ပံ့ပိုးပေးသူများသည် မြင်သာသော ထွက်ပေါက်မှ ရည်ရွယ်ချက်ရှိရှိ ဖိနှိပ်ထားသော အကြောင်းအရာများ ပါဝင်ပါသည်။

4. မော်ဒယ်လက်ဗွေရာ — မော်ဒယ်အထောက်အထားကို ဖုံးကွယ်ထားသော်လည်း မည်သည့်မော်ဒယ်ဗားရှင်းမှ သဲလွန်စကို ထုတ်လုပ်သည်ကို ခွဲခြားသတ်မှတ်ရန် အကြောင်းပြချက်ဖြင့် သရုပ်ဖော်ထားသည့် အကြောင်းပြချက်ကို အသုံးပြုနိုင်သည်။

ဘယ်မော်ဒယ်တွေ ထိခိုက်လဲ။

သုတေသီများသည် အဓိကပံ့ပိုးပေးသူ သုံးဦး၏ ကုဒ်ဝှက်ထားသော ကျိုးကြောင်းဆင်ခြင်ခြင်းစနစ်များတစ်လျှောက် အားနည်းချက်ကို အတည်ပြုခဲ့သည်-

• Anthropic — Claude မော်ဒယ်များသည် `signature` အကွက်ဖြင့် ကုဒ်ဝှက်ထားသော `တွေးခေါ်ခြင်း´ တုံးများကို ပြန်ပေးသည်။

• OpenAI — GPT မော်ဒယ်များသည် ကုဒ်ဝှက်ထားသော အကြောင်းပြချက် အနှစ်ချုပ်များကို ပြန်ပေးသည်။

• Google — Gemini မော်ဒယ်များသည် ကုဒ်ဝှက်ထားသော အတွေးတုံးများကို ပြန်ပေးသည်။

မကြာသေးမီက သဲပုံးစမ်းသပ်ခြင်းမှ လွတ်ကင်းခဲ့သော တရုတ် AI ကုမ္ပဏီ Moonshot AI မှ မော်ဒယ် Kimi-K3 ၏ ကိစ္စသည် အထူးသဖြင့် ၎င်း၏ ကုဒ်ဝှက်ထားသော အကြောင်းပြချက်ဖြင့် ကုဒ်လုပ်ရန် လွယ်ကူကြောင်း သက်သေပြနိုင်သောကြောင့် အထူးသဖြင့် သက်ဆိုင်ကြောင်း သုတေသီများက မှတ်ချက်ပြုခဲ့သည်။

ဒါက Developers အတွက် ဘာကိုဆိုလိုလဲ။

ဆော့ဖ်ဝဲရေးသားသူများအတွက် လက်တွေ့ကျသော စွန့်စားခန်းမှာ အလွန်ထူးခြားသည်- လူသိရှင်ကြားမျှဝေထားသော ကုဒ်ဝှက်ထားသော အကြောင်းပြချက်ပိတ်ပင်မှုမှန်သမျှ — GitHub repo၊ Hugging Face dataset သို့မဟုတ် ဘလော့ဂ်ပို့စ်တစ်ခုတွင် — ပြန်လည်ရယူနိုင်သောလျှို့ဝှက်ချက်များ ပါဝင်နိုင်ပါသည်။ ကုဒ်ဝှက်စနစ်ကို ကုဒ်ကုဒ်ကိုအသုံးပြုခြင်းသည် ဤတိုက်ခိုက်မှုအမျိုးအစားကို လျှို့ဝှက်ထားခြင်းမဟုတ်ဘဲ စက်ရှင်ဆက်သွားရန်အတွက် ဒီဇိုင်းထုတ်ထားသည်။

သုတေသီများသည် ကုဒ်ဝှက်ထားသော ကျိုးကြောင်းဆင်ခြင်ခြင်းဆိုင်ရာ ပိတ်ဆို့ခြင်းများအတွက် မျှဝေထားသော session logs များကို စစ်ဆေးပြီး မထုတ်ဝေမီ ၎င်းတို့အား ဖယ်ရှားရန် သုတေသီများက အကြံပြုထားသည်။ ၎င်းတို့သည် လက်ရှိတွင် လုံခြုံရေးထက် API အဆင်ပြေမှုကို ဦးစားပေးသည့် ၎င်းတို့၏ ကုဒ်ဝှက်ထားသော အကြောင်းပြချက်စနစ်များ၏ တည်ဆောက်ပုံကို ပြန်လည်သုံးသပ်ရန် ပံ့ပိုးသူများကိုလည်း တောင်းဆိုထားသည်။

သုတေသနကို Alexander Panfilov၊ David Schmotz နှင့် Ilia Shumailov တို့မှ Jonas Geiping နှင့် Maksym Andriushchenko တို့မှ ကြီးကြပ်မှုဖြင့် ELLIS Institute Tübingen၊ Max Planck Institute for Intelligent Systems၊ Tübingen AI Center၊ MATS Research၊ Snyk နှင့် University of Tübingen တို့ဖြစ်သည်။

AI ထက်သာလွန်နေပါစေ။

AI လုံခြုံရေးအခင်းအကျင်းသည် လျင်မြန်စွာ ပြောင်းလဲနေသည်။ နောက်ဆုံးပေါ် AI တိုးတက်မှုများ နှင့် ပေါ်ပေါက်လာသော အားနည်းချက်များ၏ အတွင်းကျကျ လွှမ်းခြုံမှုအတွက်၊ AI Buzz Wire သည် အရေးကြီးသော ဇာတ်လမ်းများကို ပေးပို့ပါသည်။

AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →