اکسپرس 24
ترجمه فارسی مقاله پاکسازی تفاوت‌ها: شناسایی و کاهش حملات در پشتی در مدل‌های انتشار

ترجمه فارسی مقاله پاکسازی تفاوت‌ها: شناسایی و کاهش حملات در پشتی در مدل‌های انتشار

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 Diff-Cleanse: Identifying and Mitigating Backdoor Attacks in Diffusion Models
عنوان مقاله به فارسی پاکسازی تفاوت‌ها: شناسایی و کاهش حملات در پشتی در مدل‌های انتشار
نویسندگان Jiang Hao, Xiao Jin, Hu Xiaoguang, Chen Tianyou, Zhao Jiajia
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
دسته بندی موضوعات Cryptography and Security,Machine Learning,رمزنگاری و امنیت , یادگیری ماشین ,
توضیحات Submitted 22 August, 2024; v1 submitted 30 July, 2024; originally announced July 2024.
توضیحات به فارسی ارسال شده در 22 اوت 2024 ؛V1 ارسال شده 30 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: 600,000 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

Diffusion models (DMs) are regarded as one of the most advanced generative models today, yet recent studies suggest that they are vulnerable to backdoor attacks, which establish hidden associations between particular input patterns and model behaviors, compromising model integrity by causing undesirable actions with manipulated inputs. This vulnerability poses substantial risks, including reputational damage to model owners and the dissemination of harmful content. To mitigate the threat of backdoor attacks, there have been some investigations on backdoor detection and model repair. However, previous work fails to reliably purify the models backdoored by state-of-the-art attack methods, rendering the field much underexplored. To bridge this gap, we introduce Diff-Cleanse, a novel two-stage backdoor defense framework specifically designed for DMs. The first stage employs a novel trigger inversion technique to reconstruct the trigger and detect the backdoor, and the second stage utilizes a structural pruning method to eliminate the backdoor. We evaluate our framework on hundreds of DMs that are attacked by three existing backdoor attack methods with a wide range of hyperparameter settings. Extensive experiments demonstrate that Diff-Cleanse achieves nearly 100% detection accuracy and effectively mitigates backdoor impacts, preserving the model's benign performance with minimal compromise. Our code is avaliable at https://github.com/shymuel/diff-cleanse.

چکیده به فارسی (ترجمه ماشینی)

مدل های انتشار (DMS) امروزه به عنوان یکی از پیشرفته ترین مدلهای تولیدی در نظر گرفته می شوند ، اما مطالعات اخیر نشان می دهد که آنها در برابر حملات پشتی آسیب پذیر هستند ، که ارتباطات پنهان بین الگوهای ورودی خاص و رفتارهای مدل را ایجاد می کند ، با ایجاد یکپارچگی مدل با ایجاد اقدامات نامطلوب با دستکاری شدهورودی هااین آسیب پذیری خطرات قابل توجهی را ایجاد می کند ، از جمله آسیب شهرت به صاحبان مدل و انتشار محتوای مضر.برای کاهش تهدید حملات پشتی ، تحقیقاتی در مورد تشخیص پشتی و ترمیم مدل انجام شده است.با این حال ، کار قبلی نتوانسته است با اطمینان از مدل های پشت پرده با روش های پیشرفته حمله ، تصفیه شود ، و این زمینه را بسیار نامشخص می کند.برای عبور از این شکاف ، ما Diff-Cleanse را معرفی می کنیم ، یک چارچوب دفاعی دو مرحله ای جدید که به طور خاص برای DMS طراحی شده است.مرحله اول از یک تکنیک وارونگی محرک جدید برای بازسازی ماشه و تشخیص پشتی استفاده می کند و مرحله دوم از یک روش هرس ساختاری برای از بین بردن پشتی استفاده می کند.ما چارچوب خود را در مورد صدها DM که توسط سه روش حمله Backdoor موجود با طیف گسترده ای از تنظیمات هایپرپارامتر مورد حمله قرار می گیرند ، ارزیابی می کنیم.آزمایش های گسترده نشان می دهد که تمیز کردن Diff-Cleanse نزدیک به 100 ٪ دقت تشخیص را به دست می آورد و به طور مؤثر تأثیرات پشتی را کاهش می دهد ، و عملکرد خوش خیم مدل را با حداقل سازش حفظ می کند.کد ما در https://github.com/shymuel/diff-cleanse قابل حمل است.

📚 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.