ترجمه فارسی مقاله شبیه سازی حمله مقیاس تصویر: اندازه گیری خفا و ردیابی

چکیده

Cybersecurity practices require effort to be maintained, and one weakness is a lack of awareness regarding potential attacks not only in the usage of machine learning models, but also in their development process. Previous studies have determined that preprocessing attacks, such as image scaling attacks, have been difficult to detect by humans (through visual response) and computers (through entropic algorithms). However, these studies fail to address the real-world performance and detectability of these attacks. The purpose of this work is to analyze the relationship between awareness of image scaling attacks with respect to demographic background and experience. We conduct a survey where we gather the subjects’ demographics, analyze the subjects’ experience in cybersecurity, record their responses to a poorly-performing convolutional neural network model that has been unknowingly hindered by an image scaling attack of a used dataset, and document their reactions after it is revealed that the images used within the broken models have been attacked. We find in this study that the overall detection rate of the attack is low enough to be viable in a workplace or academic setting, and even after discovery, subjects cannot conclusively determine benign images from attacked images.

چکیده به فارسی (ترجمه ماشینی)

شیوه های امنیت سایبری نیاز به تلاش برای حفظ دارد و یک ضعف عدم آگاهی در مورد حملات احتمالی نه تنها در استفاده از مدل های یادگیری ماشین بلکه در روند توسعه آنها است.مطالعات قبلی مشخص کرده اند که حملات پیش پردازش ، مانند حملات مقیاس گذاری تصویر ، تشخیص توسط انسان (از طریق پاسخ بصری) و رایانه ها (از طریق الگوریتم های آنتروپیک) دشوار بوده است.با این حال ، این مطالعات در رسیدگی به عملکرد دنیای واقعی و ردیابی این حملات ناکام هستند.هدف از این کار ، تجزیه و تحلیل رابطه بین آگاهی از حملات مقیاس گذاری تصویر با توجه به پیشینه جمعیتی و تجربه است.ما یک نظرسنجی را انجام می دهیم که در آن جمعیت شناسی افراد را جمع می کنیم ، تجربه افراد در امنیت سایبری را تجزیه و تحلیل می کنیم ، پاسخ های آنها را به یک مدل شبکه عصبی حلقوی ضعیف ضبط می کنیم که به طور ناآگاهانه مانع حمله مقیاس تصویر یک مجموعه داده استفاده شده است و آنها را مستند می کند.واکنش ها پس از آن مشخص شد که تصاویر مورد استفاده در مدل های شکسته مورد حمله قرار گرفته اند.در این مطالعه می فهمیم که میزان تشخیص کلی حمله به اندازه کافی کم است تا در یک محل کار یا محیط دانشگاهی قابل دوام باشد و حتی پس از کشف ، افراد نمی توانند به طور قطعی تصاویر خوش خیم را از تصاویر حمله شده تعیین کنند.