ترجمه فارسی مقاله درک اهمیت داده ها در حملات یادگیری ماشینی: آیا داده های ارزشمند آسیب بیشتری به همراه دارد؟

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Understanding Data Importance in Machine Learning Attacks: Does Valuable Data Pose Greater Harm?
عنوان مقاله به فارسی درک اهمیت داده ها در حملات یادگیری ماشینی: آیا داده های ارزشمند آسیب بیشتری به همراه دارد؟
نویسندگان Rui Wen, Michael Backes, Yang Zhang
فرمت مقاله انگلیسی PDF
تعداد صفحات 24
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Cryptography and Security,یادگیری ماشین , رمزنگاری و امنیت ,
توضیحات Submitted 5 September, 2024; originally announced September 2024. , Comments: To Appear in Network and Distributed System Security (NDSS) Symposium 2025
توضیحات به فارسی ارسال شده در 5 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: برای نمایش در شبکه و توزیع سیستم امنیت سیستم (NDSS) 2025
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

Machine learning has revolutionized numerous domains, playing a crucial role in driving advancements and enabling data-centric processes. The significance of data in training models and shaping their performance cannot be overstated. Recent research has highlighted the heterogeneous impact of individual data samples, particularly the presence of valuable data that significantly contributes to the utility and effectiveness of machine learning models. However, a critical question remains unanswered: are these valuable data samples more vulnerable to machine learning attacks? In this work, we investigate the relationship between data importance and machine learning attacks by analyzing five distinct attack types. Our findings reveal notable insights. For example, we observe that high importance data samples exhibit increased vulnerability in certain attacks, such as membership inference and model stealing. By analyzing the linkage between membership inference vulnerability and data importance, we demonstrate that sample characteristics can be integrated into membership metrics by introducing sample-specific criteria, therefore enhancing the membership inference performance. These findings emphasize the urgent need for innovative defense mechanisms that strike a balance between maximizing utility and safeguarding valuable data against potential exploitation.

چکیده به فارسی (ترجمه ماشینی)

یادگیری ماشینی دامنه های بی شماری را متحول کرده است و نقش مهمی در پیشرفت های رانندگی و فعال کردن فرآیندهای داده محور دارد.اهمیت داده ها در مدل های آموزشی و شکل دادن به عملکرد آنها قابل تحمل نیست.تحقیقات اخیر تأثیر ناهمگن نمونه های داده های فردی ، به ویژه وجود داده های ارزشمند را نشان می دهد که به طور قابل توجهی به ابزار و اثربخشی مدلهای یادگیری ماشین کمک می کند.با این حال ، یک سؤال مهم بدون جواب باقی مانده است: آیا این نمونه های داده ارزشمند در برابر حملات یادگیری ماشین آسیب پذیرتر هستند؟در این کار ، ما با تجزیه و تحلیل پنج نوع حمله مجزا ، رابطه بین اهمیت داده ها و حملات یادگیری ماشین را بررسی می کنیم.یافته های ما بینش قابل توجهی را نشان می دهد.به عنوان مثال ، ما مشاهده می کنیم که نمونه های داده با اهمیت بالا باعث افزایش آسیب پذیری در حملات خاص مانند استنباط عضویت و سرقت مدل می شوند.با تجزیه و تحلیل پیوند بین آسیب پذیری استنتاج عضویت و اهمیت داده ها ، ما نشان می دهیم که ویژگی های نمونه می تواند با معرفی معیارهای خاص نمونه در معیارهای عضویت ادغام شود ، بنابراین عملکرد استنباط عضویت را افزایش می دهد.این یافته ها بر نیاز فوری به مکانیسم های دفاعی نوآورانه تأکید می کند که تعادل بین حداکثر رساندن ابزار و محافظت از داده های ارزشمند در برابر بهره برداری بالقوه را ایجاد می کند.

📚 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.