SFCM-AEG: स्रोत-मुक्त क्रॉस-मॉडल प्रतिकूल उदाहरण उत्पादन

इस पत्र में, हम स्रोत-मुक्त क्रॉस-मॉडल प्रतिकूल उदाहरण उत्पादन के एक नए कार्य को प्रस्तुत करते हैं, जो हमलावरों के पाठ्य वर्णनों के आधार पर प्रतिकूल उदाहरण उत्पन्न करता है। इस कार्य के दो प्रमुख चुनौतियाँ हैं। पहला, जब साफ उदाहरण गायब या अनुपलब्ध होते हैं, तो प्रतिकूल उदाहरण कैसे उत्पन्न करें। दूसरा, हमलावरों के अर्थपूर्ण वर्णनों के अनुसार विस्तृत कस्टम प्रतिकूल उदाहरण उत्पादन कैसे प्राप्त करें। मौजूदा प्रतिकूल उदाहरण उत्पादन विधियाँ इन दोनों चुनौतियों का प्रभावी ढंग से सामना नहीं कर सकतीं। इन चुनौतियों का समाधान करने के लिए, हम एक स्रोत-मुक्त क्रॉस-मॉडल प्रतिकूल उदाहरण उत्पादन ढाँचे का प्रस्ताव करते हैं, जिसे SFCM-AEG के नाम से संक्षिप्त किया गया है। SFCM-AEG मॉडल के अंतर्गत, हम पहले एक पूर्व-प्रशिक्षित GPT का उपयोग करते हैं ताकि हमलावरों के लेबल द्वारा पाठ्य वर्णन बनाए जा सकें। इसके बाद, हम एक प्रसार मॉडल का उपयोग करते हैं ताकि एक चित्र बनाया जा सके जो उत्पन्न पाठ्य वर्णन के साथ मेल खाता हो। अंततः, उत्पन्न चित्रों को एक प्रतिकूल उदाहरण उत्पादन विधि का उपयोग करके प्रतिकूल उदाहरणों में परिवर्तित किया जाता है। प्रयोगात्मक परिणाम दर्शाते हैं कि हमारा प्रस्तावित SFCM-AEG विधि अनुकूलित अर्थपूर्ण वर्णनों के साथ प्रतिकूल उदाहरण उत्पन्न कर सकती है, बिना साफ उदाहरणों पर निर्भर हुए, जबकि सफेद बॉक्स सेटिंग में मजबूत हमले के प्रदर्शन को भी प्राप्त करती है।