ترجمه فارسی مقاله استخراج داده های آموزشی حفظ شده از طریق تجزیه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Extracting Memorized Training Data via Decomposition
عنوان مقاله به فارسی استخراج داده های آموزشی حفظ شده از طریق تجزیه
نویسندگان Ellen Su, Anu Vellore, Amy Chang, Raffaele Mura, Blaine Nelson, Paul Kassianik, Amin Karbasi
فرمت مقاله انگلیسی PDF
تعداد صفحات 29
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Cryptography and Security,یادگیری ماشین , هوش مصنوعی , رمزنگاری و امنیت ,
توضیحات Submitted 18 September, 2024; originally announced September 2024.
توضیحات به فارسی ارائه شده در 18 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The widespread use of Large Language Models (LLMs) in society creates new information security challenges for developers, organizations, and end-users alike. LLMs are trained on large volumes of data, and their susceptibility to reveal the exact contents of the source training datasets poses security and safety risks. Although current alignment procedures restrict common risky behaviors, they do not completely prevent LLMs from leaking data. Prior work demonstrated that LLMs may be tricked into divulging training data by using out-of-distribution queries or adversarial techniques. In this paper, we demonstrate a simple, query-based decompositional method to extract news articles from two frontier LLMs. We use instruction decomposition techniques to incrementally extract fragments of training data. Out of 3723 New York Times articles, we extract at least one verbatim sentence from 73 articles, and over 20% of verbatim sentences from 6 articles. Our analysis demonstrates that this method successfully induces the LLM to generate texts that are reliable reproductions of news articles, meaning that they likely originate from the source training dataset. This method is simple, generalizable, and does not fine-tune or change the production model. If replicable at scale, this training data extraction methodology could expose new LLM security and safety vulnerabilities, including privacy risks and unauthorized data leaks. These implications require careful consideration from model development to its end-use.

چکیده به فارسی (ترجمه ماشینی)

استفاده گسترده از مدل های بزرگ زبان (LLM) در جامعه چالش های امنیتی اطلاعات جدیدی را برای توسعه دهندگان ، سازمان ها و کاربران نهایی به طور یکسان ایجاد می کند.LLM ها بر روی حجم زیادی از داده ها آموزش دیده اند ، و حساسیت آنها برای آشکار کردن محتوای دقیق مجموعه داده های آموزش منبع ، خطرات امنیتی و ایمنی را به همراه دارد.اگرچه روشهای تراز فعلی رفتارهای خطرناک رایج را محدود می کنند ، اما آنها به طور کامل مانع از نشت داده های LLMS نمی شوند.کار قبلی نشان داد که LLM ها با استفاده از نمایش داده های خارج از توزیع یا تکنیک های مخالف ، ممکن است در تقسیم داده های آموزش فریب خورده باشند.در این مقاله ، ما یک روش تجزیه و تحلیل ساده و مبتنی بر پرس و جو را برای استخراج مقالات خبری از دو LLM مرزی نشان می دهیم.ما از تکنیک های تجزیه دستورالعمل برای استخراج تدریجی قطعات داده های آموزشی استفاده می کنیم.از 3723 مقاله نیویورک تایمز ، حداقل یک جمله کلامی را از 73 مقاله و بیش از 20 ٪ جملات کلامی از 6 مقاله استخراج می کنیم.تجزیه و تحلیل ما نشان می دهد که این روش با موفقیت LLM را برای تولید متونی که تولید مثل قابل اعتماد از مقالات خبری هستند ، القا می کند ، به این معنی که احتمالاً آنها از مجموعه داده آموزش منبع سرچشمه می گیرند.این روش ساده ، قابل تعمیم است و مدل تولید را خوب یا تغییر نمی دهد.اگر در مقیاس قابل تکرار باشد ، این روش استخراج داده های آموزشی می تواند آسیب پذیری های امنیتی و ایمنی جدید LLM ، از جمله خطرات حفظ حریم خصوصی و نشت داده های غیرمجاز را در معرض نمایش بگذارد.این پیامدها نیاز به بررسی دقیق از توسعه مدل تا استفاده نهایی آن دارد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.