Το νευρωνικό δίκτυο προσποιήθηκε την ομιλία για να ξεγελάσει αλγόριθμους ή άλλους ανθρώπους
Επιστήμονες από το Πανεπιστήμιο του Σικάγο
Οι ερευνητές έπαιξαν μια κατάσταση όπουο εισβολέας είχε μια ηχογράφηση της φωνής του θύματος, η οποία μπορεί να βρεθεί στο δημόσιο τομέα, καθώς και τη δυνατότητα να επικοινωνεί ζωντανά και να ηχογραφεί την ομιλία. Σημειώνεται ότι το νευρωνικό δίκτυο κατά τη διάρκεια της προπόνησης έλαβε υπόψη όχι μόνο τη φωνή, αλλά και το ηχόχρωμο με τον τονισμό.
Περαιτέρω, οι συγγραφείς χρησιμοποίησαν τα ήδη εκπαιδευμένανευρωνικά δίκτυα που μπορούν να βρεθούν στον δημόσιο τομέα. Επέλεξαν δύο: SV2TTS και AutoVC. Για την εκπαίδευση των μοντέλων, οι συγγραφείς χρησιμοποίησαν ηχογραφήσεις ομιλίας 90 ατόμων από τρία δημόσια σύνολα δεδομένων: VCTK, LibriSpeech και SpeechAccent.
Ως αποτέλεσμα, οι ερευνητές στο 50% περίπου των περιπτώσεωνσυνδέθηκε επιτυχώς στο λογαριασμό σας χρησιμοποιώντας μια φωνή που συντίθεται από ένα νευρωνικό δίκτυο. Επίσης, όταν μιλάμε με τον αλγόριθμο, ένα άτομο δεν μπορούσε να διακρίνει μια πραγματική φωνή από μια ψεύτικη κατά 50%.
Το νευρωνικό δίκτυο βοήθησε να φορεθεί μακιγιάζ για να ξεγελάσει το σύστημα αναγνώρισης προσώπου
Ισραηλινοί ερευνητές από το Πανεπιστήμιο που πήρε το όνομά τουΟ Ben-Gurion δημιούργησε ένα νευρωνικό δίκτυο που εξαπατά συστήματα αναγνώρισης προσώπου χρησιμοποιώντας μακιγιάζ. Καθορίζει εκείνα τα χαρακτηριστικά εμφάνισης που διαβάζει συχνότερα η συσκευή και, στη συνέχεια, επιλέγει ειδικό μακιγιάζ που θα βοηθήσει να γίνει το πρόσωπο μη αναγνωρίσιμο από το σύστημα.
Κατά τη λειτουργία, ο αλγόριθμος επεξεργάζεται πρώταφωτογραφίες αυτού του ατόμου και στη συνέχεια φωτογραφίες άλλων ατόμων του ίδιου φύλου. Στη συνέχεια, δημιουργείται ένας χάρτης θερμότητας που δείχνει τις κύριες περιοχές όπου βρίσκονται τα διακριτικά χαρακτηριστικά που πρέπει να διορθωθούν. Μετά από αυτό, το σύστημα δημιουργεί μια εικόνα ενός νέου προσώπου με μακιγιάζ και το δοκιμάζει σε ένα τυπικό σύστημα αναγνώρισης προσώπου μέχρι να σταματήσει να ανταποκρίνεται σε αυτό.
Όταν επιτευχθεί το βέλτιστο make-up, μπορεί να εφαρμοστεί. Οι συγγραφείς σημειώνουν ότι η ακρίβεια του συστήματος αναγνώρισης προσώπου μειώνεται από 47,5% σε 1,2%.
Το νευρωνικό δίκτυο έχει κάνει ένα παγκόσμιο πρόσωπο για να εξαπατήσει το σύστημα αναγνώρισης
Ερευνητές από το Ισραήλ δημιούργησαν ένα νευρωνικό δίκτυοπου δημιουργεί εικόνες προσώπων ικανών να προσομοιώσουν μεγάλο αριθμό προσωπικοτήτων για συστήματα αναγνώρισης. Σύμφωνα με τους προγραμματιστές, ο αλγόριθμός τους κάνει «καθολικές» όψεις. Για παράδειγμα, εννέα τέτοιες εικόνες μπορούν να αντικαταστήσουν φωτογραφίες τουλάχιστον του 40% των ατόμων από την ανοιχτή βάση δεδομένων.
Ως αποτέλεσμα, το σύστημα δημιούργησε πρόσωπα που αναγνωρίστηκαν επιτυχώς ως θετικά στο 40-60% των περιπτώσεων. Χρησιμοποίησαν συνολικά εννέα φωτογραφίες που δημιουργήθηκαν για αυτό.
Το νευρωνικό δίκτυο ξεγελά τα βλέμματα, δημιουργώντας το τέλειο καμουφλάζ
Επιστήμονες από το Πανεπιστήμιο του Μπρίστολ έκανανένα νευρωνικό δίκτυο που αναλύει το περιβάλλον και επιλέγει το βέλτιστο χρώμα για ένα αντικείμενο. Σημείωσαν ότι ο αλγόριθμός τους θα βοηθήσει τους εξελικτικούς βιολόγους να κατανοήσουν πώς άλλαξε ο χρωματισμός διαφόρων ζωντανών ειδών, καθώς και από τι εξαρτάται.
Για να δημιουργήσουν τον δικό τους αλγόριθμο, ερευνητέςχρησιμοποίησε ένα σύνολο γενετικών αλγορίθμων και βαθιάς μάθησης. Κατέληξαν με εκατομμύρια πρότυπα με λίγα μόνο χρώματα και μικρή συμβολή από ανθρώπινους παρατηρητές.
Η μέθοδος δοκιμάστηκε σε εθελοντές, θα έπρεπεέπρεπε να κοιτάξουν εικόνες με αντικείμενα σε διαφορετικά φόντο και να πατήσουν ένα κουμπί μόλις είδαν το αντικείμενο. Κάθε φορά, ο αλγόριθμος μείωνε το σύνολο των χρωμάτων και των μοτίβων σε εκείνα που ήταν πιο δύσκολο ή πιο εύκολο να δει κανείς. Ανάλογα με το αν θέλουμε να βρούμε χρωματισμό για καμουφλάζ ή να είμαστε αντιληπτοί.
Ένα νευρωνικό δίκτυο που ξεγελάει άλλα νευρωνικά δίκτυα
Οι επιστήμονες δημιούργησαν ένα νευρωνικό δίκτυο που προσπαθείκαταπολέμηση των ψεύτικων ταξινομητών. Ο νέος αλγόριθμος μπορεί να εισάγει ειδικό θόρυβο σε μια εικόνα ή ένα βίντεο που αναγκάζει άλλους ταξινομητές να αναγνωρίσουν το περιεχόμενο ως πρωτότυπο και μη επεξεργασμένο.
Μιλάμε για deepfakes - αυτό είναι περιεχόμενο στο οποίοένα άτομο αλλάζει σκόπιμα το πρόσωπο ή τις εκφράσεις του προσώπου του, για παράδειγμα, σε ένα διάσημο αστέρι, ηθοποιό ή πολιτικό, προκειμένου να δυσφημήσει το άτομο για κάτι που δεν έχει κάνει ή είπε ποτέ. Όπως είναι φυσικό, μετά από deepfakes, εμφανίστηκαν νευρωνικά δίκτυα που αναγνωρίζουν εάν ένα βίντεο ή μια φωτογραφία έχει υποστεί επεξεργασία.
Στο επόμενο στάδιο ανάπτυξης αυτούαντιπαράθεσης, έχουν εμφανιστεί νευρωνικά δίκτυα που εξαπατούν τους αλγόριθμους για την αναγνώριση των deepfakes. Το παραπλανητικό νευρωνικό δίκτυο μπορεί δυνητικά να προσαρμοστεί σε οποιουσδήποτε βαθμολογητές ψεύτικους, συμπεριλαμβανομένων αυτών που είναι ακόμη άγνωστοι. Ως αποτέλεσμα, αυτός ο αλγόριθμος καταφέρνει να εξαπατήσει τους ταξινομητές στο 99% των περιπτώσεων, με την προϋπόθεση ότι το αποτέλεσμα του βίντεο δεν θα συμπιεστεί. Στην περίπτωση της συμπίεσης, το ποσοστό επιτυχίας πέφτει στο 60-90%.
Διαβάστε περισσότερα:
Η τεχνητή νοημοσύνη έλυσε ένα βιολογικό πρόβλημα με το οποίο οι επιστήμονες μάχονται εδώ και 50 χρόνια
Ένα χιλιοστό του δευτερολέπτου αντί για 30 τρισεκατομμύρια χρόνια για μια εργασία: Η Κίνα παρουσίασε έναν νέο κβαντικό υπολογιστή
Οι επιστήμονες αναζητούν άτομα που δεν μπορούν να μολυνθούν από τον COVID-19. Με βάση τα στοιχεία τους θα φτιάξουν φάρμακο