विविध विशेषज्ञों की टीम ने न्यूरल नेटवर्क्स के लिए रक्षा प्रणाली विकसित की

मिशिगन विश्वविद्यालय में इंजीनियरों, जीवविज्ञानियों और गणितज्ञों की एक विविध टीम ने न्यूरल नेटवर्क्स के लिए एक रक्षा प्रणाली विकसित की है, जो अनुकूली प्रतिरक्षा प्रणाली पर आधारित है। यह प्रणाली न्यूरल नेटवर्क्स को विभिन्न प्रकार के हमलों से बचा सकती है।

दुर्भाग्यपूर्ण समूह गहरे शिक्षण एल्गोरिदम के इनपुट को बदलकर इसे गलत दिशा में मोड़ सकते हैं, जो पहचान, मशीन दृष्टि, प्राकृतिक भाषा प्रसंस्करण (एनएलपी), भाषा अनुवाद, विवाद पता लगाने और अधिक जैसे अनुप्रयोगों के लिए एक बड़ी समस्या हो सकती है।

रोबस्ट एडवर्सेरियल इम्यून-इंस्पायर्ड लर्निंग सिस्टम

नवनिर्मित रक्षा प्रणाली को रोबस्ट एडवर्सेरियल इम्यून-इंस्पायर्ड लर्निंग सिस्टम कहा जाता है। इस काम को आईईईई एक्सेस में प्रकाशित किया गया है।

अल्फ्रेड हीरो जॉन एच हॉलैंड विशिष्ट विश्वविद्यालय के प्रोफेसर हैं। उन्होंने इस काम का नेतृत्व किया।

“रेल्स अनुकूली प्रतिरक्षा प्रणाली के बाद पहला दृष्टिकोण है जो विरोधी शिक्षण के लिए मॉडल किया गया है, जो अन्नत प्रतिरक्षा प्रणाली से अलग तरीके से काम करता है,” हीरो ने कहा।

टीम ने पाया कि गहरे न्यूरल नेटवर्क, जो पहले से ही मस्तिष्क से प्रेरित हैं, मैमेलियन प्रतिरक्षा प्रणाली की जैविक प्रक्रिया की नकल भी कर सकते हैं। यह प्रतिरक्षा प्रणाली विशिष्ट रोगजनकों के खिलाफ रक्षा करने के लिए डिज़ाइन किए गए नए कोशिकाओं का उत्पादन करती है।

इंडिका राजपक्से संगणकीय चिकित्सा और जैव सूचना विज्ञान के सहायक प्रोफेसर हैं, साथ ही अध्ययन के सह-नेता भी हैं।

“प्रतिरक्षा प्रणाली आश्चर्यों के लिए बनाई गई है। इसमें एक अद्भुत डिज़ाइन है और यह हमेशा एक समाधान खोजेगी,” राजपक्से ने कहा।

प्रतिरक्षा प्रणाली की नकल

रेल्स प्रतिरक्षा प्रणाली की प्राकृतिक रक्षाओं की नकल करता है, जो इसे न्यूरल नेटवर्क में संदिग्ध इनपुट की पहचान और संबोधन करने में सक्षम बनाता है। जैविक टीम ने पहले चूहों की अनुकूली प्रतिरक्षा प्रणाली का अध्ययन किया और फिर प्रतिरक्षा प्रणाली का एक मॉडल बनाया।

स्टीफन लिंडस्ली, जो उस समय जैव सूचना विज्ञान में एक डॉक्टरेट छात्र थे, ने जानकारी का विश्लेषण किया। लिंडस्ली ने जीवविज्ञानियों और इंजीनियरों के बीच जानकारी का अनुवाद करने में मदद की, जिससे हीरो की टीम को जैविक प्रक्रिया को कंप्यूटर पर मॉडल करने में सक्षम बनाया। इसके लिए, टीम ने जैविक तंत्र को कोड में मिलाया।

रेल्स की रक्षा विरोधी इनपुट के साथ परीक्षण की गई।

“हमें यह नहीं पता था कि हमने वास्तव में जैविक प्रक्रिया को कब तक पकड़ा है जब तक कि हमने रेल्स के शिक्षण वक्रों की तुलना प्रयोगों से नहीं की,” हीरो ने कहा। “वे बिल्कुल समान थे।”

रेल्स ने विरोधी हमलों से लड़ने के लिए वर्तमान में उपयोग किए जाने वाले दो सबसे सामान्य मशीन लर्निंग प्रक्रियाओं का प्रदर्शन किया। इन दो प्रक्रियाओं में राउस्ट डीप के-निकटतम पड़ोसी और कन्वोल्यूशनल न्यूरल नेटवर्क शामिल हैं।

रेन वांग इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग में एक शोध सहयोगी हैं। उन्होंने सॉफ्टवेयर के विकास और कार्यान्वयन में महत्वपूर्ण भूमिका निभाई।

“इस काम का एक बहुत ही आशाजनक हिस्सा यह है कि हमारा सामान्य ढांचा विभिन्न प्रकार के हमलों का बचाव कर सकता है,” रेन वांग ने कहा।

शोधकर्ताओं ने तब छवि पहचान का उपयोग एक परीक्षण मामले के रूप में किया ताकि विभिन्न डेटासेट में आठ प्रकार के विरोधी हमलों के खिलाफ रेल्स का मूल्यांकन किया जा सके। यह सभी मामलों में सुधार दिखाया, और यहां तक कि प्रोजेक्टेड ग्रेडिएंट डेसेंट हमले के खिलाफ भी सुरक्षा प्रदान की, जो विरोधी हमलों का सबसे हानिकारक प्रकार है। रेल्स ने समग्र सटीकता में भी सुधार किया।

“यह गणित का उपयोग करके इस सुंदर गतिशील प्रणाली को समझने का एक अद्भुत उदाहरण है,” राजपक्से ने कहा। “हम रेल्स से जो सीखा है उसे लेकर प्रतिरक्षा प्रणाली को अधिक तेजी से काम करने में मदद करने के लिए पुनः प्रोग्राम करने में सक्षम हो सकते हैं।”