آركِين: دفاع در برابر حملات تخاصمي با استفاده از مدل هاي مولد مشروط بر كلاس ر

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

كارشناسي ارشد

با گسترش روز افزون استفاده از هوش مصنوعي و به خصوص ابزارهاي يادگيري عميق در مصارف روزمره، نياز مبرمي به دفاع از چنين ابزار‌هايي در برابر حملات سايبري احتمالي وجود دارد. دسته‌‌ي مهمي از حملات سايبري روي مدل‌هاي يادگيري عميق، حملات تخاصمي نام دارند كه با اعمال تغييرات نامحسوس به چشم غير مسلح روي ورودي‌هاي چنين مدل‌هاي، خروجي‌هاي آن‌ها را دستخوش تغيير مي‌كنند. در اين پژوهش چارچوبي نوين به نام ARCANE براي مقابله با حملات تخاصمي با استفاده از مدل‌هاي مولد مشروط بر كلاس، ارائه خواهد شد. در اين چارچوب كه ادامه‌اي بر پژوهش پيشين ACGAN-ADA به شمار مي‌آيد،‌ علاوه بر استفاده از روش‌هاي نوين تشخيص و پاكسازي حملات، از مدل‌هاي مولد جديدتري در راستاي بهبود كاستي‌هاي چارچوب پيشين استفاده شده است. به طور خاص در زمينه‌ي تشخيص حملات از 3 ويژگي اضافه و يك مدل تشخيص دهنده‌ي نهايي جديد بهره برده مي‌شود. همچنين در زمينه‌ي پاكسازي حملات، استفاده از مدل‌هاي انتشاري شرطي به عنوان يك ايده‌ي جديد مورد آزمايش قرار گرفته است. نتايج تجربي نشان مي‌دهند كه اين چارچوب مي‌تواند در تشخيص و پاكسازي چنين حملاتي به ترتيب 16.62% و 11.8% بهتر از بهترين نتايج پيشين عمل كند.

229838

هوش مصنوعي و رباتيكز

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان