ప్రస్తుతం AI భద్రతను పటిష్టం చేసేటప్పుడు, లార్జ్ లాంగ్వేజ్ మోడల్స్ (LLM) లేదా AI వ్యవస్థలను ఒక 'బ్లాక్ బాక్స్' లాగా పరిగణిస్తున్నారు. అంటే, కేవలం ఇన్‌పుట్ మరియు అవుట్‌పుట్‌లను మాత్రమే విశ్లేషిస్తున్నారు తప్ప, మోడల్ లోపల ఏం జరుగుతుందో గమనించడం లేదు. దీనివల్ల భద్రతా పద్ధతులు చాలా క్లిష్టంగా మరియు నిర్దిష్ట మోడల్స్‌కు మాత్రమే పరిమితమై ఉంటున్నాయి.

పరిశోధకులు ఈ విధానాన్ని మార్చాలని భావిస్తున్నారు. ఆగస్టులో జరిగే Black Hat USA 2026లో, వారు 'యాక్టివేషన్ అనాలిసిస్' అనే కొత్త పద్ధతిని ప్రవేశపెట్టనున్నారు. ఇది కేవలం 'సైబర్ క్రైమ్' లేదా 'ద్వేషపూరిత ప్రసంగం' అని వర్గీకరించకుండా, మరింత లోతైన 'కాగ్నిటివ్ ఎలిమెంట్స్' (Cognitive Elements) ద్వారా ప్రమాదాలను గుర్తిస్తుంది. ఉదాహరణకు, 'కంటెంట్ సృష్టించడం' మరియు 'వ్యక్తిగత సమాచారాన్ని అందించడం' వంటి అంశాలను కలిపి విశ్లేషించడం ద్వారా ఫిషింగ్ దాడులను గుర్తించవచ్చు.

'GAVEL' అని పిలువబడే ఈ వ్యవస్థ, AI యొక్క నరాల నెట్‌వర్క్ యాక్టివేషన్లను పర్యవేక్షించడం ద్వారా మోసపూరిత ప్రవర్తనను గుర్తిస్తుంది. ఈ పద్ధతి భాషా సంబంధం లేనిది; అంటే దాడులు చేసేవారు వేరే భాషను ఉపయోగించినప్పటికీ, AI లోపల జరిగే నరాల యాక్టివేషన్ల ద్వారా ఆ దాడులను సులభంగా పట్టుకోవచ్చు.