የላቦራቶሪ ተመራማሪዎች የቺካጎ ዩኒቨርሲቲ የመሳሪያ ስብስብ አዘጋጅቷል ከትግበራ ጋር ፎቶግራፎችን ማዛባት, የፊት ለይቶ ማወቂያን እና የተጠቃሚ መለያ ስርዓቶችን ለስልጠና መጠቀምን መከልከል. በምስሉ ላይ የፒክሰል ለውጦች ተደርገዋል፣ በሰዎች ሲታዩ የማይታዩ፣ ነገር ግን የማሽን መማሪያ ስርዓቶችን ለማሰልጠን ሲጠቀሙ የተሳሳቱ ሞዴሎችን ወደመፍጠር ያመራል። የመሳሪያ ኪት ኮድ በ Python እና ተጽፏል በ BSD ፍቃድ. ስብሰባዎች ለሊኑክስ፣ ማክሮስ እና ዊንዶውስ።
በማህበራዊ አውታረመረቦች እና ሌሎች የህዝብ መድረኮች ላይ ከመታተሙ በፊት ፎቶዎችን ከታቀደው መገልገያ ጋር ማቀናበር ተጠቃሚውን የፊት ለይቶ ማወቂያ ስርዓቶችን ለማሰልጠን የፎቶ መረጃን እንደ ምንጭ ከመጠቀም እንዲጠብቁ ያስችልዎታል። የታቀደው አልጎሪዝም ከ95% የፊት ለይቶ ማወቂያ ሙከራዎች ጥበቃን ይሰጣል (ለማይክሮሶፍት አዙር ማወቂያ API፣ Amazon Rekognition እና Face++ የጥበቃው ውጤታማነት 100%)። ከዚህም በላይ ምንም እንኳን ለወደፊቱ በአገልግሎት ሰጪው ያልተሰራ ኦሪጅናል ፎቶግራፎች ቀደም ሲል የተዛቡ የፎቶግራፎች ስሪቶችን በመጠቀም የሰለጠኑ ሞዴሎች ጥቅም ላይ ቢውሉም ፣ ዕውቅና ላይ ያሉ ውድቀቶች ደረጃው ተመሳሳይ እና ቢያንስ 80% ነው።
ዘዴው የተመሰረተው በ "ተጋጭ ምሳሌዎች" ክስተት ላይ ነው, ዋናው ነገር በግቤት መረጃ ላይ ትንሽ ለውጦች በምደባ አመክንዮ ላይ ከፍተኛ ለውጥ ሊያመጣ ይችላል. በአሁኑ ጊዜ "የተቃዋሚ ምሳሌዎች" ክስተት በማሽን መማሪያ ስርዓቶች ውስጥ ያልተፈቱ ዋና ዋና ችግሮች አንዱ ነው. ለወደፊቱ ከዚህ ችግር የፀዱ አዲስ የማሽን መማሪያ ስርዓቶች እንደሚመጡ ይጠበቃል, ነገር ግን እነዚህ ስርዓቶች በህንፃው እና ሞዴሎችን በመገንባት ላይ ከፍተኛ ለውጦችን ይፈልጋሉ.
ፎቶግራፎችን ማቀናበር በምስሉ ላይ የፒክሰሎች (ክላስተር) ጥምርን ለመጨመር ይወርዳል፣ እነዚህም በጥልቅ የማሽን መማሪያ ስልተ ቀመሮች የተቀረጸው ነገር ባህሪ እንደሆኑ ተደርገው የሚታዩ እና ለምደባ ጥቅም ላይ የሚውሉ ባህሪያትን ወደ መጣመም ያመራል። እንደነዚህ ያሉ ለውጦች ከአጠቃላይ ስብስብ ተለይተው አይታዩም እና ለመለየት እና ለማስወገድ እጅግ በጣም አስቸጋሪ ናቸው. ከመጀመሪያው እና ከተሻሻሉ ምስሎች ጋር እንኳን, የትኛው ዋናው እና የትኛው የተሻሻለው ስሪት እንደሆነ ለመወሰን አስቸጋሪ ነው.
የገቡት የተዛባዎች ትክክለኛ የማሽን መማሪያ ሞዴሎችን ግንባታ የሚጥሱ ፎቶግራፎችን ለመለየት የታቀዱ የመከላከያ እርምጃዎችን ለመፍጠር ከፍተኛ ተቃውሞ ያሳያሉ። የፒክሰል ውህዶችን ለማፈን በማደብዘዝ፣በድምጽ መጨመር ወይም በምስሉ ላይ ማጣሪያዎችን መተግበር ላይ የተመሰረቱ ዘዴዎችን ማካተት ውጤታማ አይደለም። ችግሩ ማጣሪያዎች በሚተገበሩበት ጊዜ የምደባ ትክክለኛነት የፒክሰል ንድፎችን ከመለየት በበለጠ ፍጥነት ይቀንሳል, እና ማዛባት በሚታፈንበት ደረጃ, እውቅና ያለው ደረጃ ተቀባይነት አለው ተብሎ ሊወሰድ አይችልም.
እንደሌሎች ግላዊነትን ለመጠበቅ እንደሌሎች ቴክኖሎጂዎች የታቀደው ቴክኒክ ያልተፈቀደ የህዝብ ምስሎችን በማወቂያ ስርአቶች ውስጥ መጠቀምን ለመዋጋት ብቻ ሳይሆን አጥቂዎችን ለመደበቂያ መሳሪያነት መጠቀም እንደሚቻልም ተጠቅሷል። ተመራማሪዎች ዕውቅና ላይ ያሉ ችግሮች በዋናነት ከቁጥጥር ውጪ በሆነ መልኩ መረጃን የሚሰበስቡ የሶስተኛ ወገን አገልግሎቶችን ሊነኩ እንደሚችሉ ያምናሉ እና ሞዴሎቻቸውን ለማሰልጠን ፍቃድ ሳይሰጡ (ለምሳሌ የ Clearview.ai አገልግሎት የፊት ለይቶ ማወቂያ ዳታቤዝ ያቀርባል። ከማህበራዊ አውታረመረቦች ወደ 3 ቢሊዮን የሚጠጉ ፎቶዎች መረጃ ጠቋሚ ተሰጥቷቸዋል)። አሁን የእንደዚህ አይነት አገልግሎቶች ስብስቦች በአብዛኛው አስተማማኝ ምስሎችን ካካተቱ, ፋውክስን በንቃት በመጠቀም, ከጊዜ በኋላ, የተዛቡ የፎቶዎች ስብስብ ትልቅ ይሆናል እና ሞዴሉ ለምድብ ከፍ ያለ ቅድሚያ ይቆጥራቸዋል. በአስተማማኝ ምንጮች ላይ የተገነቡት የኢንተለጀንስ ኤጀንሲዎች እውቅና አሰጣጥ ስርዓቶች, በሚታተሙ መሳሪያዎች ላይ ብዙም ተፅዕኖ አይኖራቸውም.
በዓላማ ቅርብ ከሆኑ ተግባራዊ እድገቶች መካከል, ፕሮጀክቱን ልብ ማለት እንችላለን ፣ በማደግ ላይ ምስሎችን ለመጨመር በማሽን መማሪያ ስርዓቶች ትክክለኛውን ምደባ መከላከል. የካሜራ Adversaria ኮድ በ EPL ፈቃድ በ GitHub ላይ። ሌላ ፕሮጀክት ልዩ ንድፍ ያላቸው የዝናብ ካፖርት፣ ቲሸርቶች፣ ሹራቦች፣ ካፕ፣ ፖስተሮች ወይም ኮፍያዎች በመፍጠር በስለላ ካሜራዎች እውቅናን ለመከልከል ያለመ ነው።
ምንጭ: opennet.ru