ترجمه فارسی مقاله NoiseAttack: یک حمله چند هدفه درب پشتی نمونه خاص از طریق نویز سفید گوسی

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 NoiseAttack: An Evasive Sample-Specific Multi-Targeted Backdoor Attack Through White Gaussian Noise
عنوان مقاله به فارسی NoiseAttack: یک حمله چند هدفه درب پشتی نمونه خاص از طریق نویز سفید گوسی
نویسندگان Abdullah Arafat Miah, Kaan Icer, Resit Sendag, Yu Bi
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,Artificial Intelligence,Cryptography and Security,Machine Learning,چشم انداز رایانه و تشخیص الگوی , هوش مصنوعی , رمزنگاری و امنیت , یادگیری ماشین
توضیحات Submitted 3 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 3 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

Backdoor attacks pose a significant threat when using third-party data for deep learning development. In these attacks, data can be manipulated to cause a trained model to behave improperly when a specific trigger pattern is applied, providing the adversary with unauthorized advantages. While most existing works focus on designing trigger patterns in both visible and invisible to poison the victim class, they typically result in a single targeted class upon the success of the backdoor attack, meaning that the victim class can only be converted to another class based on the adversary predefined value. In this paper, we address this issue by introducing a novel sample-specific multi-targeted backdoor attack, namely NoiseAttack. Specifically, we adopt White Gaussian Noise (WGN) with various Power Spectral Densities (PSD) as our underlying triggers, coupled with a unique training strategy to execute the backdoor attack. This work is the first of its kind to launch a vision backdoor attack with the intent to generate multiple targeted classes with minimal input configuration. Furthermore, our extensive experimental results demonstrate that NoiseAttack can achieve a high attack success rate against popular network architectures and datasets, as well as bypass state-of-the-art backdoor detection methods. Our source code and experiments are available at https://github.com/SiSL-URI/NoiseAttack/tree/main.

چکیده به فارسی (ترجمه ماشینی)

حملات پشتی هنگام استفاده از داده های شخص ثالث برای توسعه یادگیری عمیق ، تهدیدی قابل توجه را ایجاد می کند.در این حملات ، داده ها می توانند دستکاری شوند تا در صورت استفاده از الگوی خاص ماشه ، یک مدل آموزش دیده به طور نادرست رفتار کند و مزایای غیرمجاز را به طرف مقابل ارائه دهد.در حالی که بیشتر آثار موجود در طراحی الگوهای محرک در هر دو قابل مشاهده و نامرئی برای مسموم کردن کلاس قربانی متمرکز شده اند ، اما به طور معمول منجر به یک کلاس هدفمند واحد با موفقیت در حمله پشتی می شوند ، به این معنی که کلاس قربانی فقط می تواند بر اساس کلاس دیگری تبدیل شودمقدار از پیش تعریف شده طرف مقابل.در این مقاله ، ما با معرفی یک حمله جدید پشت پرده چند هدف خاص ، یعنی Noiseattack ، به این موضوع می پردازیم.به طور خاص ، ما سر و صدای گاوسی سفید (WGN) را با تراکم های مختلف طیفی قدرت (PSD) به عنوان محرک های اساسی خود اتخاذ می کنیم ، همراه با یک استراتژی آموزشی منحصر به فرد برای اجرای حمله پشتی.این کار اولین بار در نوع خود است که با هدف تولید چندین کلاس هدفمند با حداقل پیکربندی ورودی ، یک حمله بینایی پشتی را آغاز می کند.علاوه بر این ، نتایج تجربی گسترده ما نشان می دهد که NoiseatTack می تواند به یک حمله حمله بالایی در برابر معماری های شبکه محبوب و مجموعه داده ها و همچنین روش های پیشرفته ترین روش تشخیص پشتی دست پیدا کند.کد منبع و آزمایشات ما در https://github.com/sisl-uri/noiseattack/tree/main در دسترس 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.