اکسپرس 24
ترجمه فارسی مقاله سیستم‌های توصیه‌گر واترمارکینگ

ترجمه فارسی مقاله سیستم‌های توصیه‌گر واترمارکینگ

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 Watermarking Recommender Systems
عنوان مقاله به فارسی سیستم‌های توصیه‌گر واترمارکینگ
نویسندگان Sixiao Zhang, Cheng Long, Wei Yuan, Hongxu Chen, Hongzhi Yin
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
دسته بندی موضوعات Information Retrieval,Cryptography and Security,Machine Learning,بازیابی اطلاعات , رمزنگاری و امنیت , یادگیری ماشین ,
توضیحات Submitted 14 August, 2024; v1 submitted 17 July, 2024; originally announced July 2024.
توضیحات به فارسی ارسال شده در 14 اوت 2024 ؛V1 ارسال شده 17 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 400,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 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

Recommender systems embody significant commercial value and represent crucial intellectual property. However, the integrity of these systems is constantly challenged by malicious actors seeking to steal their underlying models. Safeguarding against such threats is paramount to upholding the rights and interests of the model owner. While model watermarking has emerged as a potent defense mechanism in various domains, its direct application to recommender systems remains unexplored and non-trivial. In this paper, we address this gap by introducing Autoregressive Out-of-distribution Watermarking (AOW), a novel technique tailored specifically for recommender systems. Our approach entails selecting an initial item and querying it through the oracle model, followed by the selection of subsequent items with small prediction scores. This iterative process generates a watermark sequence autoregressively, which is then ingrained into the model's memory through training. To assess the efficacy of the watermark, the model is tasked with predicting the subsequent item given a truncated watermark sequence. Through extensive experimentation and analysis, we demonstrate the superior performance and robust properties of AOW. Notably, our watermarking technique exhibits high-confidence extraction capabilities and maintains effectiveness even in the face of distillation and fine-tuning processes.

چکیده به فارسی (ترجمه ماشینی)

سیستم های پیشنهادی ارزش تجاری قابل توجهی را نشان می دهند و نشان دهنده مالکیت معنوی مهم هستند.با این حال ، یکپارچگی این سیستم ها به طور مداوم توسط بازیگران مخرب که به دنبال سرقت مدلهای اساسی خود هستند ، به چالش می کشد.محافظت از چنین تهدیداتی مهم است که از حقوق و منافع مالک مدل حمایت کند.در حالی که علامت گذاری به مدل به عنوان یک مکانیسم دفاعی قدرتمند در حوزه های مختلف ظاهر شده است ، کاربرد مستقیم آن در سیستم های پیشنهادی ناشناخته و غیر مهم باقی مانده است.در این مقاله ، ما با معرفی علامت گذاری به صورت خودکار خارج از توزیع (AOW) ، یک تکنیک جدید که به طور خاص برای سیستم های پیشنهادی متناسب است ، به این شکاف می پردازیم.رویکرد ما مستلزم انتخاب یک مورد اولیه و پرس و جو از طریق مدل Oracle است و به دنبال آن انتخاب موارد بعدی با نمرات پیش بینی کوچک است.این فرایند تکراری یک توالی آبی را بطور خودکار ایجاد می کند ، که از طریق آموزش در حافظه مدل قرار می گیرد.برای ارزیابی اثربخشی علامت علامت ، این مدل وظیفه دارد با توجه به یک توالی علامت کوتاه ، مورد بعدی را پیش بینی کند.از طریق آزمایش و تجزیه و تحلیل گسترده ، ما عملکرد برتر و خصوصیات قوی AOW را نشان می دهیم.نکته قابل توجه ، تکنیک علامت گذاری ما قابلیت استخراج اعتماد به نفس بالا را نشان می دهد و حتی در مواجهه با فرآیندهای تقطیر و تنظیم دقیق ، اثربخشی را حفظ 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.