Неуронска мрежа је лажирала говор да би преварила алгоритме или друге људе
Научници са Универзитета у Чикагу
Истраживачи су одиграли ситуацију у којојнападач је имао снимак гласа жртве, који се може наћи у јавном власништву, као и могућност да комуницира уживо и сними говор. Напомиње се да је током тренинга неуронска мрежа узела у обзир не само глас, већ и тембар са интонацијом.
Даље, аутори су користили већ обучененеуронске мреже које се могу наћи у јавном домену. Изабрали су два: СВ2ТТС и АутоВЦ. За обуку модела, аутори су користили снимке говора 90 људи из три јавна скупа података: ВЦТК, ЛибриСпеецх и СпеецхАццент.
Као резултат тога, истраживачи су се успешно пријавили на рачун у око 50% случајеваТакође , када разговарате са алгоритамом, особа не може да разликује прави глас од50 % лаћно.
Неуронска мрежа је помогла да се нашминка да би се преварио систем за препознавање лица
Израелски истраживачи са Бен-Гурион Универзитета направили су неуронску мрежу која обмањујеОн открива карактеристике изгледа које често читауређај , а затим бира посебну шанку која ће помоћи да лице буде непрепознатљиво за систем.
Током рада, алгоритам прво обрађујеслике те особе, а затим слике других особа истог пола. Затим се креира топлотна мапа која показује главне области у којима се налазе карактеристичне карактеристике које треба исправити. Након тога, систем креира слику новог лица са шминком и тестира га у односу на типичан систем за препознавање лица док не престане да реагује на њега.
Када се добије оптимална шминка, може се нанети. Аутори примећују да се тачност система за препознавање лица смањује са 47,5% на 1,2%.
Неуронска мрежа је направила универзално лице да обмане идентификациони систем
Истраживачи из Израела направили су неуронску мрежукоји генерише слике лица способних да симулирају велики број личности за системе за препознавање. Према речима програмера, њихов алгоритам прави „универзална“ лица. На пример, девет таквих слика може заменити фотографије најмање 40% људи из отворене базе података.
Као резултат, систем је генерисао лица која су успешно идентификована као позитивна у 40-60% случајева. За ово су користили укупно девет генерисаних фотографија.
Неуронска мрежа вара очи, стварајући савршену камуфлажу
Научници са Универзитета у Бристолу су направилинеуронска мрежа која анализира окружење и бира оптималну боју за објекат. Напоменули су да ће њихов алгоритам помоћи еволуционим биолозима да схвате како се променила боја различитих живих врста, као и од чега је зависила.
Да креирају сопствени алгоритам, истраживачикористио скуп генетских алгоритама и дубоко учење. На крају су добили милионе шаблона са само неколико боја и мало доприноса људских посматрача.
Метода је тестирана на волонтерима, требало битребало је да погледају слике са објектима на различитим позадинама и притисну дугме чим виде објекат. Сваки пут, алгоритам је смањио скуп боја и шара на оне које је било најтеже или најлакше видети. У зависности од тога да ли желимо да пронађемо боју за камуфлажу или да будемо уочљиви.
Неуронска мрежа која превари друге неуронске мреже
Научници су створили неуронску мрежу која покушаваборба против лажних класификатора. Нови алгоритам може уметнути посебан шум у слику или видео који узрокује да други класификатори препознају садржај као оригиналан и неуређен.
Говоримо о деепфакес - ово је садржај у коменеко је намерно променио лице или израз лица, на пример, у неку познату звезду, глумца или политичара, да би је дискредитовао за нешто што никада није урадио или рекао. Наравно, након деепфакеса, појавиле су се неуронске мреже које препознају да ли је видео или фотографија монтиран.
У следећој фази развоја овогконфронтације, појавиле су се неуронске мреже које варају алгоритме за препознавање деепфакеса. Преваравајућа неуронска мрежа може потенцијално да се прилагоди свим дубоким лажним класификаторима, укључујући оне који су још непознати. Као резултат, овај алгоритам успева да превари класификаторе у 99% случајева, под условом да видео резултат неће бити компримован. У случају компресије, стопа успеха пада на 60-90%.
Опширније:
АИ је решио биолошки проблем са којим се научници боре већ 50 година
Milisekunda umesto 30 triliona godina za zadatak: Kina predstavila novi kvantni računar
Naučnici traže ljude koji ne mogu biti zaraženi COVID-19. Na osnovu njihovih podataka napraviće lek