Re: [閒聊] 推特:防止AI學習繪師作品的方法
: https://twitter.com/Akihitweet/status/1577827240330809344?t=FOSz6UZh2oyMsStXJ8LE
: Zg&s=19
: 不過回覆裡也有人說有技術可以克服雜訊問題就是了
: 延伸閱讀:如何欺騙AI
: https://youtu.be/YXy6oX1iNoA
先講結論 這沒屁用==
這根本就像是拿FGO的職階去談碧藍檔案的相剋
題目內容完全不同是在比啥
首先先貼李宏毅教授的影片
https://www.youtube.com/watch?v=xGQKhbjrFRk
我真的覺得李弘毅教授的影片真的該列為必修
不然有些真的雲得太誇張
一般雜訊攻擊是加在""""Input"""去干擾一個已經訓練好的Model的Inference
結果這篇加在Training Data上 那是在搞笑嗎
https://youtu.be/WeHM2xpYQpw?t=1044
時間幫忙標好了
一般常見的解OverFitting的方法就是在Training Data上面加上Augmentation
常用Augment方法可以自己上網查一下就不贅述
而Adversarial Attack最簡單的對抗方式
就是在Training Data上面加上雜訊Augment來抵抗這種攻擊
所以說在Training Data上面加上雜訊根本不是攻擊他
而是幫他強化Model穩定性來對抗這種攻擊
另外推文說加個Filter就可以搞定的
實際上這種根本不需要加Filter 甚至有些時候還會在Train的時候自己加入雜訊
或者改變色階呢... 這只是幫他豐富資料而已
我直接講個真的對AI比較實際有傷的啦
我先假設Danbooru這種的Tagging是靠爬蟲爬來的
看那數量感覺不是真的人手動標得
所以你要攻擊他最簡單的方法就是畫個金髮角色然後標褐髮
畫個精靈然後標矮人
畫個中岡標山田
搞亂Tagging對他傷害才真的大
這樣在Trainging時 同一張金髮的圖片可能Tag會是金髮或者褐髮
那他就很難學說哪個才是真正的金髮
結論 : 汙染Tag比汙染圖片實際多了
AI工程師大概有超過一半的時間是在和Data Cleaning奮鬥...
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.231.74.14 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/C_Chat/M.1665145023.A.FBD.html
→
10/07 20:18,
1年前
, 1F
10/07 20:18, 1F
推
10/07 20:18,
1年前
, 2F
10/07 20:18, 2F
→
10/07 20:18,
1年前
, 3F
10/07 20:18, 3F
發蘿莉打巨乳 發巨乳打蘿莉就好了
你這個太惡毒了吧 這種不怕直接讓自己被讀者黑單嗎
→
10/07 20:19,
1年前
, 4F
10/07 20:19, 4F
→
10/07 20:20,
1年前
, 5F
10/07 20:20, 5F
→
10/07 20:20,
1年前
, 6F
10/07 20:20, 6F
※ 編輯: clothg34569 (36.231.74.14 臺灣), 10/07/2022 20:21:24
→
10/07 20:21,
1年前
, 7F
10/07 20:21, 7F
→
10/07 20:21,
1年前
, 8F
10/07 20:21, 8F
→
10/07 20:22,
1年前
, 9F
10/07 20:22, 9F
推
10/07 20:22,
1年前
, 10F
10/07 20:22, 10F
→
10/07 20:22,
1年前
, 11F
10/07 20:22, 11F
對 以這議題而言
因為現在Model都已經Train好了 而已經存在的資料庫也很難被汙染
就算汙染了還能用Train好的Model去修正部分資料
所以不管做甚麼攻擊效果都還是有限的...當然這邊是說"AI上的"
直接斷金流或網頁DDOS就不在討論範圍內了
推
10/07 20:23,
1年前
, 12F
10/07 20:23, 12F
→
10/07 20:23,
1年前
, 13F
10/07 20:23, 13F
→
10/07 20:23,
1年前
, 14F
10/07 20:23, 14F
推
10/07 20:24,
1年前
, 15F
10/07 20:24, 15F
※ 編輯: clothg34569 (36.231.74.14 臺灣), 10/07/2022 20:31:45
推
10/07 20:42,
1年前
, 16F
10/07 20:42, 16F
推
10/07 20:53,
1年前
, 17F
10/07 20:53, 17F
推
10/07 21:37,
1年前
, 18F
10/07 21:37, 18F
推
10/07 22:08,
1年前
, 19F
10/07 22:08, 19F
→
10/07 22:08,
1年前
, 20F
10/07 22:08, 20F
推
10/07 22:30,
1年前
, 21F
10/07 22:30, 21F
→
10/08 00:59,
1年前
, 22F
10/08 00:59, 22F
→
10/08 00:59,
1年前
, 23F
10/08 00:59, 23F
→
10/08 01:00,
1年前
, 24F
10/08 01:00, 24F
推
10/08 02:20,
1年前
, 25F
10/08 02:20, 25F
推
10/08 06:09,
1年前
, 26F
10/08 06:09, 26F
推
10/08 14:28,
1年前
, 27F
10/08 14:28, 27F
討論串 (同標題文章)