Cryptography and Security,Information Retrieval,Machine Learning,رمزنگاری و امنیت , بازیابی اطلاعات , یادگیری ماشین ,
توضیحات
Submitted 10 September, 2024; originally announced September 2024. , Comments: To appear in the ACM Workshop on Large AI Systems and Models with Privacy and Safety Analysis 2024 (LAMPS '24)
توضیحات به فارسی
ارسال شده 10 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: برای حضور در کارگاه ACM در سیستم ها و مدل های بزرگ AI با حریم خصوصی و تجزیه و تحلیل ایمنی 2024 (LAMPS '24)
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
Multi-modal models have gained significant attention due to their powerful capabilities. These models effectively align embeddings across diverse data modalities, showcasing superior performance in downstream tasks compared to their unimodal counterparts. Recent study showed that the attacker can manipulate an image or audio file by altering it in such a way that its embedding matches that of an attacker-chosen targeted input, thereby deceiving downstream models. However, this method often underperforms due to inherent disparities in data from different modalities. In this paper, we introduce CrossFire, an innovative approach to attack multi-modal models. CrossFire begins by transforming the targeted input chosen by the attacker into a format that matches the modality of the original image or audio file. We then formulate our attack as an optimization problem, aiming to minimize the angular deviation between the embeddings of the transformed input and the modified image or audio file. Solving this problem determines the perturbations to be added to the original media. Our extensive experiments on six real-world benchmark datasets reveal that CrossFire can significantly manipulate downstream tasks, surpassing existing attacks. Additionally, we evaluate six defensive strategies against CrossFire, finding that current defenses are insufficient to counteract our CrossFire.
چکیده به فارسی (ترجمه ماشینی)
مدل های چند مدلی به دلیل قابلیت های قدرتمند آنها مورد توجه قابل توجهی قرار گرفته اند.این مدل ها به طور موثری تعبیه ها را در روش های مختلف داده ها تراز می کنند ، و عملکرد برتر را در کارهای پایین دست در مقایسه با همتایان غیرعادی خود نشان می دهند.مطالعه اخیر نشان داد که مهاجم می تواند با تغییر آن به گونه ای ، یک تصویر یا پرونده صوتی را دستکاری کند به گونه ای که تعبیه آن مطابق با یک ورودی هدفمند انتخاب شده مهاجم است و بدین ترتیب مدلهای پایین دست را فریب می دهد.با این حال ، این روش اغلب به دلیل نابرابری های ذاتی در داده های حاصل از روشهای مختلف ، تحت تأثیر قرار می گیرد.در این مقاله ، ما Crossfire را معرفی می کنیم ، یک رویکرد ابتکاری برای حمله به مدل های چند منظوره.Crossfire با تبدیل ورودی هدفمند انتخاب شده توسط مهاجم به فرمی که مطابق با روش تصویر اصلی یا پرونده صوتی است ، شروع می شود.ما سپس حمله خود را به عنوان یک مشکل بهینه سازی تدوین می کنیم ، با هدف به حداقل رساندن انحراف زاویه ای بین تعبیه های ورودی تبدیل شده و تصویر اصلاح شده یا پرونده صوتی.حل این مشکل آشفتگی هایی را که به رسانه اصلی اضافه می شود ، تعیین می کند.آزمایش های گسترده ما در شش مجموعه داده معیار در دنیای واقعی نشان می دهد که آتش سوزی می تواند به طور قابل توجهی کارهای پایین دست را دستکاری کند و از حملات موجود فراتر رود.علاوه بر این ، ما شش استراتژی دفاعی علیه Crossfire را ارزیابی می کنیم ، و می دانیم که دفاع فعلی برای مقابله با آتش سوزی ما کافی نیست.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
