抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
今日,人々はオンラインプラットフォーム(例えばソーシャルネットワーク,ブログ)上で大量のコンテンツを生成し,共有する。2021年には,1.9億の日常活動の顔書のユーザは,毎分約150万の写真を投稿した。コンテンツ減速材は,これらのオンラインプラットフォームを常に監視し,不適当なコンテンツ(例えば,ヘート音声,音像)の拡大を防ぐ。深層学習(DL)の進歩に基づいて,自動コンテンツモデレータ(ACM)は,人間の減速材が高データ量を扱うのを助ける。それらの利点にもかかわらず,攻撃者はDLコンポーネント(例えば,前処理,モデル)の弱点を利用してその性能に影響する。したがって,攻撃者は,ACMを回避することによって不適切なコンテンツを広げるためにそのような技術を活用することができる。本研究では,ユーザがACM制御を回避することにより不適切なテキストをオンラインで拡張できる敵対的技法であるCAPtcha Attack(CAPA)を提案する。カスタムテキストCAPTCHAを生成することにより,CAPAはACMの無注意設計実装と内部手順脆弱性を利用する。実世界ACMに対する攻撃を試験し,結果は,著者らの単純だが効果的な攻撃のフェルシティを確認し,ほとんどの場合,100%回避成功に達した。同時に,CAPA緩和の設計における困難を実証し,CAPTCHAs研究領域における新しい挑戦を開いた。【JST・京大機械翻訳】