О работеконтекст, статус, провенанс, приватность

О работе

Контекст исследования, статус работы, провенанс данных демонстратора, технология и приватность.

01

О сайте и статус работы

О сайте

Интерактивный демонстратор предварительной исследовательской работы о переносимости состязательных атак между моделями машинного обучения. Инференс, FGSM, PGD и linear CKA выполняются в браузере по реальным чекпоинтам пилота; таблицы и графики берутся из CSV пакета исследования без изменений; схемы помечены как иллюстрации.

Sayt — dastlabki tadqiqot ishining interaktiv demonstratori: hisoblar brauzerda real checkpointlar bo‘yicha bajariladi, jadvallar paket CSV qatorlaridan olinadi.

Статус работы

Научно-исследовательская работа · ИТМО · 2026. Руководитель НИР — Бучаев Абдулхамид Яхьяевич. Сайт отражает предварительный этап работы: пилотный эксперимент и постановку дальнейшего исследования. Результаты пилота не рецензированы и не являются научным открытием.

Ilmiy-tadqiqot ishi (NIR) · ITMO · 2026. NIR rahbari — Buchaev Abdulhamid Yahyayevich. Sayt ishning dastlabki bosqichini ko‘rsatadi; pilot natijalari dastlabki, rezensiyadan o‘tmagan.

02

Формулировка темы

RU
Исследование влияния сходства признаковых пространств на переносимость состязательных атак между моделями машинного обучения
EN
Investigating the Influence of Feature-Space Similarity on Adversarial Attack Transferability Between Machine-Learning Models
UZ
Mashinali o‘qitish modellari o‘rtasida adversarial hujumlarning ko‘chuvchanligiga belgilar fazolari o‘xshashligining ta’sirini tadqiq qilish

03

Провенанс данных сайта

Откуда взят каждый тип данных и как он классифицируется на страницах.
ДанныеИсточникКлассификация
Веса 16 чекпоинтов (4 модели × prior seed 42, rerun seed 42/43/44)файлы .pt пакета исследования; экспортированы в JSON float32 без изменений; SHA-256 исходных файлов записаны в manifest.jsonVERIFIED PRECOMPUTED EXPERIMENT (веса); REAL COMPUTATION (инференс и атаки в браузере)
Таблицы переноса, CKA, точности, агрегаты, корреляции, репликацияresults/verified_derived/*.csv и key_numbers.json пакета; значения скопированы без измененийVERIFIED PRECOMPUTED EXPERIMENT
Изображения digits и разбиенияscikit-learn 1.9.1 (BSD-3-Clause); train_test_split(test_size=0.25, random_state=seed, stratify=y)публичный датасет; детерминированный протокол
Эталоны PyTorch для проверки браузеравычислены при экспорте кодом пакета (torch 2.15.0+cpu)REAL COMPUTATION при экспорте; используются только для проверки паритета
Отобранные примерыдетерминированное правило визуального приложения пакета и демо пакетазаписи выбора; категории пересчитываются в браузере
Схемынарисованы для сайтаILLUSTRATIVE SCHEMATIC

Прогоны: первый прогон 29.10.2026 (Linux, torch 2.10.0+cpu) и перезапуск того же протокола 05.11.2026 на второй машине (Windows 11, Python 3.14.7, torch 2.15.0+cpu). Сведения о среде и исполнителях прогонов записаны в метаданных пакета исследования (results/environment.json, experiment_metadata.json), который не публикуется целиком. Машиночитаемый манифест сайта: manifest.json; проверка целостности и паритета — диагностика.

04

Как устроен демонстратор; приватность и настройки

Как устроен демонстратор

  • Статический сайт без сборки и без внешних библиотек; шрифт Inter (OFL) и иконки Lucide (ISC) размещены на самом сайте; сторонних запросов нет.
  • Инференс, FGSM, PGD, случайный контроль, linear CKA и метрики реализованы на JavaScript (nn.js) по определениям пакета; тяжёлые расчёты по 450 примерам выполняются в Web Worker.
  • Арифметика браузера — double, PyTorch — float32: логиты совпадают до ~10⁻⁵, предсказания — за исключением редких почти-равных случаев; знаки градиента в пикселях с почти нулевым градиентом могут отличаться. Измеренные границы — на странице диагностики и в репозитории (docs/TEST_REPORT.md).
  • Исходный код сайта и скрипт экспорта данных хранятся в репозитории сайта (каталоги research/ и scripts/research/).

Приватность и настройки

Сайт не использует трекеры, аналитику, cookies и внешние запросы. В localStorage браузера хранятся только ваши настройки интерфейса (тема, состояние боковой панели, режим узбекских пояснений, сниженная анимация, повышенный контраст); они никуда не отправляются. Параметры эксперимента (набор, модели, ε, пример) хранятся в адресе страницы, чтобы ссылку можно было передать. Лаборатории текста, аудио и таблиц ничего не загружают с вашего устройства и не запрашивают микрофон: текст, который вы вводите в текстовой лаборатории, обрабатывается только в этой вкладке и не попадает в адрес страницы; звук воспроизводится из сгенерированных в браузере буферов; в sessionStorage вкладки сохраняется лишь итог последнего запуска (успех или код ошибки) для страницы диагностики.

Системные предпочтения (prefers-color-scheme, prefers-reduced-motion, prefers-contrast, forced-colors) учитываются автоматически.

05

Лицензии и атрибуция

  • Датасет digits — часть scikit-learn (BSD-3-Clause); происхождение — UCI Optical Recognition of Handwritten Digits.
  • Текстовая лаборатория: SMS Spam Collection (T. A. Almeida, J. M. Gómez Hidalgo, A. Yamakami), UCI Machine Learning Repository, лицензия CC BY 4.0, DOI 10.24432/C5CC84; на сайте опубликована только тестовая часть, сообщения не изменены.
  • Аудио и табличные лаборатории: синтетические данные, сгенерированные для этой работы по открыто описанным правилам; это не записи речи, не данные банка и не данные реальных людей.
  • Библиографические записи — страницы издателей и arXiv (см. литературу).
  • Код сайта — учебный, для демонстрации исследования; тексты — © автор работы, 2026.