2016-2022 All Rights Reserved.平安財經(jīng)網(wǎng).復(fù)制必究 聯(lián)系QQ280 715 8082 備案號:閩ICP備19027007號-6
本站除標(biāo)明“本站原創(chuàng)”外所有信息均轉(zhuǎn)載自互聯(lián)網(wǎng) 版權(quán)歸原作者所有。
稱之為聰明,將其稱為騙子,但不要覺得羞于發(fā)現(xiàn)它非常有趣。“它”是CycleGAN及其與隱寫術(shù)的鏈接 - 其中消息和信息隱藏在非秘密文本或數(shù)據(jù)中。
因此,在2019年,讓人們了解機(jī)器而不是人類可以通過任務(wù)欺騙自己的方式并不令人震驚。在這種情況下,人工智能,就像良好的人類間諜和利弊,學(xué)會何時隱藏一些可以在以后使用的信息。
在Packt中,Bhagyashree R寫道:“研究人員發(fā)現(xiàn)機(jī)器正在將航拍地圖的數(shù)據(jù)編碼到低位的街道地圖的噪聲模式中。代碼是如此微妙,以至于它對人眼是不可見的。但是在仔細(xì)檢查,當(dāng)細(xì)節(jié)被放大時,顯然機(jī)器已經(jīng)做了數(shù)千個微小的顏色變化,表明在重建航拍圖像時可以用作備忘單的視覺數(shù)據(jù) - 因此神奇地重新出現(xiàn)的天窗。
與此同時,一篇關(guān)于該主題的文章很多(實際上,這項研究被一些科技觀察網(wǎng)站所覆蓋)使研究人員發(fā)現(xiàn)了這些內(nèi)容。TechCrunch說:“一名機(jī)器學(xué)習(xí)代理人打算將航拍圖像轉(zhuǎn)換成街道地圖,然后發(fā)現(xiàn)是通過隱藏信息來作弊,這些信息后來需要用于”幾乎難以察覺的高頻信號“ 。
2017 年連線的Lily Hay Newman 提醒讀者,隱寫術(shù)是一種古老的做法,昨天沒有出生。想想達(dá)芬奇在繪畫中嵌入秘密意義; 或者昔日的間諜用隱形墨水書寫。
但是,如果這種做法很古老,那么就存在一些當(dāng)代問題。畢竟,我們是在一個數(shù)字世界中,所有的惡習(xí)和美德都在網(wǎng)上采取了新的流程。
BankInfoSecurity表示,隱形術(shù)只會越來越難以發(fā)現(xiàn),并且已經(jīng)“被壞人演繹了”。
Mathew Schwartz表示,數(shù)字隱寫術(shù)似乎使執(zhí)法機(jī)構(gòu)的生活變得更加困難,并引用了一位大學(xué)教授傳遞了類似的評論。薩里大學(xué)(University of Surrey)計算機(jī)科學(xué)教授艾倫伍德沃德(Alan Woodward)表示,“完全可否認(rèn)的隱寫磁盤加密在收集數(shù)字證據(jù)方面將成為一場噩夢。”
快進(jìn)到現(xiàn)在的報告,一群斯坦福大學(xué)和谷歌的研究人員進(jìn)行了一項關(guān)于神經(jīng)網(wǎng)絡(luò) CycleGAN 如何學(xué)習(xí)作弊的研究。論文:CycleGAN,隱形術(shù)大師在arXiv,三位作者是Casey Chu(斯坦福),Andrey Zhmoginov(谷歌)和馬克桑德勒(谷歌)。
他們寫道,“CycleGAN學(xué)會將關(guān)于源圖像的信息隱藏到它在幾乎難以察覺的高頻信號中產(chǎn)生的圖像中。”
作為討論部分的一部分,作者指出“通過以這種方式編碼信息,CycleGAN變得特別容易受到對抗性攻擊;攻擊者可以通過擾亂任何選擇的來源,使得學(xué)習(xí)的轉(zhuǎn)換之一產(chǎn)生他們選擇的圖像。圖片。”
他們的建議?他們寫道:“這種現(xiàn)象的存在表明在設(shè)計涉及神經(jīng)網(wǎng)絡(luò)組合的損失函數(shù)時需要謹(jǐn)慎:如果一個組件利用其他組件支持對抗性示例的能力,這些模型可能會以不直觀的方式運行。”
根據(jù)作者的共同框架,例如生成性對抗網(wǎng)絡(luò)和知覺損失使用這些組合。他們說“應(yīng)該仔細(xì)分析這些框架,以確保對抗性的例子不是問題。”
可是等等。我們是否應(yīng)該為了滿足我們所有人的機(jī)器人和人工智能的尖叫恐懼而奔向山丘?幸運的是,Devin Coldewey讓TechCrunch的讀者平靜下來。這一事件“簡單地揭示了自發(fā)明以來一直存在的計算機(jī)問題:它們完全按照你告訴他們要做的那樣。”
Coldewey的意思是什么?“正如你可能想到的那樣,研究人員的意圖是加速和改進(jìn)將衛(wèi)星圖像轉(zhuǎn)換為谷歌著名的精確地圖的過程。為此,團(tuán)隊正在研究所謂的CycleGAN-一個學(xué)習(xí)轉(zhuǎn)換圖像的神經(jīng)網(wǎng)絡(luò)通過大量的實驗,盡可能有效而準(zhǔn)確地將X和Y型相互疊加。“
計算機(jī)得出的解決方案“揭示了這種神經(jīng)網(wǎng)絡(luò)可能存在的弱點 - 計算機(jī)如果沒有明確阻止這樣做,基本上會找到一種方法將細(xì)節(jié)傳遞給自己以解決給定的問題。問題迅速而輕松。“
2016-2022 All Rights Reserved.平安財經(jīng)網(wǎng).復(fù)制必究 聯(lián)系QQ280 715 8082 備案號:閩ICP備19027007號-6
本站除標(biāo)明“本站原創(chuàng)”外所有信息均轉(zhuǎn)載自互聯(lián)網(wǎng) 版權(quán)歸原作者所有。