تحقیقات جدید آسیب‌پذیری‌هایی را در ابزارهای محبوب محافظت از هنر در برابر سرقت هوش مصنوعی نشان می‌دهد

چکیده و 1. مقدمه

  1. پیشینه و کارهای مرتبط

  2. مدل تهدید

  3. تقلید سبک قوی

  4. راه اندازی آزمایشی

  5. نتایج

    6.1 یافته های اصلی: همه حفاظت ها به راحتی دور زده می شوند

    6.2 تجزیه و تحلیل

  6. بحث و تأثیر گسترده تر، قدردانی ها و مراجع

الف. نمونه های هنری مفصل

ب. نسل های تقلید قوی

ج. نتایج تفصیلی

د. تفاوت با لعاب تنظیم دقیق

E. یافته های Glaze 2.0

F. Findings on Mist v2

ز. روش‌های تقلید سبک

H. حفاظت های تقلید سبک موجود

I. روش های تقلید قوی

J. راه اندازی آزمایشی

K. مطالعه کاربر

L. منابع محاسباتی

چکیده

هنرمندان به طور فزاینده‌ای نگران پیشرفت در مدل‌های تولید تصویر هستند که می‌توانند سبک‌های هنری منحصربه‌فرد آن‌ها را از نزدیک تکرار کنند. در پاسخ، چندین ابزار حفاظتی در برابر تقلید سبک ایجاد شده است که اغتشاشات کوچک مخالف را در آثار هنری منتشر شده به صورت آنلاین گنجانده است. در این کار، ما اثربخشی حفاظت‌های رایج را – با میلیون‌ها بارگیری – ارزیابی می‌کنیم و نشان می‌دهیم که آنها فقط احساس امنیت نادرستی را ارائه می‌کنند. ما متوجه شدیم که تکنیک‌های کم تلاش و «خارج از قفسه»، مانند ارتقاء تصویر، برای ایجاد روش‌های تقلید قوی که به طور قابل‌توجهی حفاظت‌های موجود را کاهش می‌دهند، کافی هستند. از طریق یک مطالعه کاربر، ما نشان می‌دهیم که تمام…

Source link