एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
स्टोकास्टिक डिफेंस
एक रक्षात्मक दृष्टिकोण जो वर्गीकरण प्रक्रिया में यादृच्छिकता का उपयोग करता है ताकि विपरीत हमलों को अप्रत्याशित और कम प्रभावी बनाया जा सके, जिसके लिए अनुमान में स्टोकास्टिसिटी पेश की जाती है।
प्रायिकतात्मक मजबूती
मजबूती का एक माप जो यह आकलन करता है कि क्या कोई मॉडल विक्षेपणों के सामने सही भविष्यवाणियां बनाए रखेगा, इसके बजाय कि सभी हमलों के खिलाफ पूर्ण सुरक्षा की गारंटी दी जाए।
गाऊसीय डिफेंस
मॉडल की रक्षा के लिए गाऊसीय शोर का उपयोग करने वाली एक विशिष्ट यादृच्छिकीकरण तकनीक, जहां सामान्य वितरण का उपयोग या तो इनपुट या तंत्रिका नेटवर्क के भार (weights) पर किया जाता है।
ड्रॉपआउट डिफेंस
नेटवर्क के सक्रियण में यादृच्छिकता लाने के लिए अनुमान (inference) के दौरान (जो सामान्य रूप से बंद होता है) ड्रॉपआउट का रणनीतिक उपयोग, जिससे ग्रेडिएंट हमले कम विश्वसनीय हो जाते हैं।
यादृच्छिक रूपांतरण
वर्गीकरण से पहले इनपुट पर यादृच्छिक रूपांतरण (घुमाव, अनुवाद, स्केलिंग) लागू करना, जिससे एक विचलन पैदा होता है जो लक्षित विपरीत उदाहरणों के निर्माण में बाधा डालता है।
एन्ट्रॉपी-आधारित डिफेंस
संदिग्ध इनपुट का पता लगाने और उन्हें अस्वीकार करने के लिए आउटपुट प्रायिकता वितरण की एन्ट्रॉपी को मेट्रिक के रूप में उपयोग करने वाली एक रक्षात्मक विधि, जिसे अनिश्चितता बढ़ाने के लिए यादृच्छिकीकरण के साथ जोड़ा जाता है।
मॉन्टे कार्लो डिफेंस
मॉडल की मजबूती का अनुमान लगाने के लिए मॉन्टे कार्लो विधियों का उपयोग करते हुए, विभिन्न यादृच्छिक कार्यान्वयनों के साथ एकाधिक अनुमान करने और परिणामों को एकत्रित करने वाला एक रक्षात्मक दृष्टिकोण।
बेयसियन डिफेंस
एक रक्षा ढांचा जो नेटवर्क के भार (weights) को निश्चित बिंदुओं के बजाय प्रायिकता वितरण के रूप में मानता है, जो वर्गीकरण प्रक्रिया में प्राकृतिक रूप से अनिश्चितता और यादृच्छिकीकरण को एकीकृत करता है।
स्टोकास्टिक ग्रेडिएंट मास्किंग
एक तकनीक जो विपरीत उदाहरण उत्पन्न करने के लिए आक्रमणकारियों द्वारा ग्रेडिएंट-आधारित तरीकों का प्रभावी ढंग से उपयोग करने से रोकने के लिए यादृच्छिकीकरण के माध्यम से जानबूझकर ग्रेडिएंट को अस्पष्ट करती है।
रैंडमाइज्ड एनसेंबलिंग
मॉडल एनसेंबल का निर्माण जहां प्रत्येक सदस्य अलग-अलग यादृच्छिकीकरण का उपयोग करता है, जो भविष्यवाणियों की स्टोकास्टिक विविधता के माध्यम से एक अधिक मजबूत सामूहिक रक्षा बनाता है।
एडेप्टिव रैंडमाइजेशन
एक रक्षा रणनीति जहां रोबस्टनेस-सटीकता समझौते को अनुकूलित करने के लिए इनपुट की विशेषताओं या पता लगाई गई धमकियों के आधार पर यादृच्छिकीकरण का स्तर और प्रकार गतिशील रूप से अनुकूलित किया जाता है।
प्रायिकतात्मक प्रमाणन
एक गणितीय गारंटी जो विक्षेपण के तहत सही वर्गीकरण की संभावना पर एक सीमा प्रदान करती है, बजाय पूर्ण निश्चितता के, जो यादृच्छिक रक्षा विधियों के लिए उपयुक्त है।
नॉइज-अवेयर डिफेंस
एक रक्षात्मक दृष्टिकोण जो जोड़े गए शोर की प्रकृति और सांख्यिकीय गुणों को स्पष्ट रूप से ध्यान में रखकर बनाया गया है, प्रदर्शन बनाए रखते हुए अधिकतम सुरक्षा के लिए यादृच्छिकीकरण को अनुकूलित करता है।
स्टोकास्टिक इन्फरेंस
एक अनुमान प्रक्रिया जो विभिन्न चरणों (इनपुट, एक्टिवेशन, वेट) पर यादृच्छिक तत्वों को एकीकृत करती है, निर्धारक वर्गीकरण को एक हमला-प्रतिरोधी प्रायिकतात्मक प्रक्रिया में बदल देती है।
रैंडमाइज्ड प्रीप्रोसेसिंग
डेटा पूर्व-प्रसंस्करण पाइपलाइन जो विपरीत हमलों के खिलाफ रक्षा की पहली पंक्ति बनाने के लिए यादृच्छिक चरणों (चर सामान्यीकरण, स्टोकास्टिक वृद्धि) को शामिल करती है।
डिस्ट्रीब्यूशनल रोबस्टनेस
किसी मॉडल का वह गुण जो इनपुट डेटा वितरण में भिन्नता के सामने स्थिर प्रदर्शन बनाए रखता है, जो इन भिन्नताओं को अनुकरण करने और उनसे बचाव के लिए यादृच्छिकीकरण के माध्यम से प्राप्त किया जाता है।