Лабораториямодальности и модули пилота
Лаборатория: пилот на изображениях и расширение на текст, звук и таблицы
Три модуля изображений работают с одними и теми же экспортированными чекпоинтами и CSV-таблицами пакета исследования; лаборатории текста, аудио и таблиц — со своими данными, моделями и сохранёнными прогонами. Значки режима показывают, откуда взято каждое число.
- REAL COMPUTATIONвычислено в вашем браузере сейчас по весам чекпоинтов (инференс, FGSM/PGD, CKA, метрики)
- VERIFIED PRECOMPUTED EXPERIMENTстроки CSV/JSON пакета (прогоны 29.10.2026 и 05.11.2026), значения не изменялись
- ILLUSTRATIVE SCHEMATICсхема, не данные
- в новых лабораторияхте же классы называются LIVE COMPUTATION (живой расчёт), VERIFIED RUN (сохранённый прогон со строками по каждому примеру и хэшами) и ILLUSTRATIVE; NOT IMPLEMENTED — только описание будущей работы
00
Лаборатории по модальностям
Где тот же вопрос о переносе атак проверяется на тексте, звуке и таблицах — и чем эти проверки различаются?
расширение 19.11.2026; пилот НИР — изображения
Изображения
Пилот работы: цифры 8×8, четыре классификатора, FGSM и PGD-10 по градиенту источника, перенос и CKA.
Открыть модальностьТекст
Фильтры SMS-спама: допустимые замены слов и обфускация символов по запросам к источнику, проверка на двух других классификаторах.
Открыть модальностьАудио
Классификаторы синтетических сигналов: FGSM и PGD по форме волны с ограничением амплитуды и SNR, прослушивание исходного и атакованного сигнала.
Открыть модальностьТабличные данные
Синтетические транзакции со схемой признаков: неизменяемые, целые, категориальные и производные поля, поиск допустимой атаки и её перенос.
Открыть модальность
Одинаковые названия метрик в разных модальностях не означают общей шкалы: бюджеты измеряются в разных единицах. Сводка с знаменателями и провенансом — на странице сравнения модальностей.
To‘rt modallik laboratoriyasi: tasvirlar (NIR pilot), matn, audio va jadval ma’lumotlari. Har birida o‘z byudjeti va cheklovlari bor; ularni bitta shkalada solishtirib bo‘lmaydi.
- Модуль 1 · FGSM
FGSM-лаборатория
Пример из 450 тестовых изображений, пара моделей, бюджет ε (0…0,30) и метод (FGSM или PGD-10). Три изображения, ответы обеих моделей, четыре исхода, контроль шума и метрики по всей выборке — на одном экране.
Открыть - Модуль 2 · Перенос
Перенос атак
Направленная матрица T(источник → цель) 4×4 с числителями и знаменателями; асимметрия A→B и B→A, контроль случайного шума и живой пересчёт всех 12 пар в браузере.
Открыть - Модуль 3 · CKA
CKA
Матрица linear CKA по слоям и seed, пошаговый расчёт, живое вычисление по 450 примерам и диаграмма «CKA против переноса» для обоих направлений, без p-value.
Открыть
01
Параметры эксперимента и их эффект
Что меняет каждый элемент управления и для каких значений есть измеренные строки CSV?
| Параметр | Значения | Что меняется | Измерено в CSV |
|---|---|---|---|
| Набор чекпоинтов | prior seed 42; rerun seed 42 / 43 / 44 | веса всех четырёх моделей и тестовое разбиение (seed задаёт разбиение, инициализацию и порядок батчей) | prior: FGSM, ε 0,10/0,20, seed 42/43/44 (чекпоинты только seed 42); rerun: FGSM и PGD, ε 0,05–0,20, все seed |
| Источник | MLP-96, MLP-160, CNN-12, CNN-20 | модель, на которой вычисляется градиент; кэш знака градиента сбрасывается | все 12 направленных пар |
| Цель | любая другая модель | модель, оценивающая готовое изображение; равенство источнику запрещено | все 12 направленных пар |
| ε | 0…0,30 шаг 0,01 | амплитуда L∞ возмущения; при ε = 0 изображение чистое | 0,05 · 0,10 · 0,15 · 0,20 (prior: 0,10 · 0,20); остальные — только живой расчёт |
| Атака | FGSM; PGD-10 | один шаг по знаку градиента; десять шагов с проекцией на ε-шар (в браузере — без случайного старта) | PGD только в перезапуске |
| Слой CKA | penultimate; early | какие активации сравниваются | early — только в перезапуске |
| Пример | позиция теста 0…449 | изображение, метка, состояние «входит ли в J» | — |
Checkpoint to‘plami vaznlarni va test bo‘linishini belgilaydi; manba — gradient olinadigan model; nishon — faqat baholovchi; ε — maksimal piksel o‘zgarishi; CSV da faqat ε = 0,05/0,10/0,15/0,20 o‘lchangan.
02
Четыре исхода одного примера и две метрики
Что считается переносом, а что нет?
Для направленной пары источник s → цель t берутся только примеры J, которые обе модели классифицировали верно до атаки. Внутри J каждый пример попадает ровно в одну категорию:
Входит и в T_joint, и в T_conditional. Пример пилота: позиция 177 (метка 3): MLP-96 3→9, CNN-12 3→9.
Перенос не произошёл. Пример: позиция 53 (метка 2): MLP-96 2→5, CNN-12 2→2.
Входит в T_joint, но не в T_conditional: источник устоял. Пример: позиция 256 (метка 3): MLP-96 3→3, CNN-12 3→9 (в первом демо пакета — позиция 5: 6→6 / 6→8).
Пример: позиция 294 (метка 0).
Для MLP-96 → CNN-12 при ε = 0,10 (prior seed 42): |J| = 434; обе 111, только источник 137, только цель 10, ни одна 176. T_joint = (111 + 10)/434 = 27,9 %; T_conditional = 111/248 = 44,8 %; при нулевом знаменателе выводится N/A, а не 0. Отобранные примеры выбраны детерминированным правилом для наглядности и не являются частотами — частоты показаны в лаборатории для всего J.
T_joint — nishonning xato ulushi (manbaga qaramasdan); T_conditional — manbani aldagan misollar ichida nishon ham aldangan ulush. «6→6 / 6→8» holati T_joint ga kiradi, qat’iy ko‘chish emas.