முக அங்கீகார மாதிரி குறித்த ஒரு வழக்கு ஆய்வு
மோசடி கண்டறிதல் AI மாதிரிகளுக்கான ஏமாற்று எதிர்ப்பு வீடியோ தரவுத்தொகுப்பு
மோசடி கண்டறிதலுக்கான AI மாடல்களைப் பயிற்றுவிப்பதற்காக, உண்மையான மற்றும் மறு தாக்குதல் காட்சிகளைக் கொண்ட 25,000 உயர்தர ஆண்டி-ஸ்பூஃபிங் வீடியோ தரவுத்தொகுப்புகளை ஷாப் எவ்வாறு வழங்கினார் என்பதைக் கண்டறியவும்.
திட்ட கண்ணோட்டம்
மோசடி கண்டறிதலுக்கான AI மாதிரி பயிற்சியை மேம்படுத்த வடிவமைக்கப்பட்ட உயர்தர, ஆஃப்-தி-ஷெல்ஃப்-ஆன்டி-ஸ்பூஃபிங் வீடியோ தரவுத்தொகுப்பை வழங்க, Shaip ஒரு முன்னணி AI பாதுகாப்பு நிறுவனத்துடன் கூட்டு சேர்ந்தது. தரவுத்தொகுப்பில் உண்மையான மற்றும் மறு தாக்குதல் காட்சிகளைப் படம்பிடிக்கும் 25,000 வீடியோக்கள் அடங்கும், இது ஸ்பூஃபிங் எதிர்ப்பு மாதிரிகளுக்கான வலுவான பயிற்சி தரவை உறுதி செய்கிறது.
ஒவ்வொரு 12,500 பங்கேற்பாளர்கள் இரண்டு வீடியோக்களை பங்களித்தார் - ஒரு உண்மையான மற்றும் ஒரு மறு தாக்குதல் - பதிவு செய்யப்பட்டது 720p அல்லது அதற்கு மேற்பட்ட தெளிவுத்திறன் பிரேம் வீதத்துடன் 26 FPS மற்றும் அதற்கு மேல்.
வழங்குவதே திட்டத்தின் குறிக்கோளாக இருந்தது உண்மையான மற்றும் மாறுபட்ட தரவுத்தொகுப்புகள் இது உண்மையான மற்றும் ஏமாற்றப்பட்ட பயோமெட்ரிக் வீடியோக்களை திறம்பட வேறுபடுத்தி அறிய AI மாதிரிகளை அனுமதிக்கும், இதன் மூலம் பயோமெட்ரிக் அங்கீகார அமைப்புகளில் மோசடி அபாயங்களைக் குறைக்கும்.
முக்கிய புள்ளிவிவரங்கள்
25,000 மொத்த வீடியோக்கள் (12,500 உண்மையான வீடியோக்கள், 12,500 தாக்குதல் வீடியோக்களை மீண்டும் இயக்கு)
12,500 தனிப்பட்ட
பங்கேற்பாளர்கள்
5 இனக்குழுக்கள்
தரவுத்தொகுப்பில் குறிப்பிடப்பட்டுள்ளது
படிப்படியாக டெலிவரி: 4 தொகுதிகள் ஒவ்வொன்றும் 6,250 வீடியோக்கள்
மெட்டாடேட்டா பண்புக்கூறுகள்: 12 மேம்படுத்தப்பட்ட தரவுத்தொகுப்பு பயன்பாட்டிற்கான முக்கிய அளவுருக்கள்
ஏமாற்று எதிர்ப்பு பயோமெட்ரிக் தரவுத்தொகுப்பு நோக்கம்
தரவுத்தொகுப்பு க்யூரேஷன்: இந்தத் திட்டம் உயர்தர ஏமாற்று எதிர்ப்பு வீடியோ தரவுத்தொகுப்புகளை வழங்குவதில் கவனம் செலுத்தியது, இதில் பின்வருவன அடங்கும்: உண்மையான மற்றும் மீண்டும் தாக்குதல் வீடியோக்கள். முக்கிய அம்சங்கள் சேர்க்கப்பட்டுள்ளன:
- 12,500 பங்கேற்பாளர்கள் பங்களிப்பு தலா இரண்டு வீடியோக்கள் (1 நிஜம், 1 ஏமாற்றப்பட்டது).
- பதிவு சாதனங்களில் பன்முகத்தன்மை மாதிரி தகவமைப்புத் திறனை மேம்படுத்த.
- சமச்சீர் இன பிரதிநிதித்துவம் தரவுத்தொகுப்பு உள்ளடக்கத்தை உறுதி செய்ய.
மெட்டாடேட்டா சேகரிப்பு: ஒவ்வொரு காணொளியும் இதனுடன் இணைக்கப்பட்டது 12 மெட்டாடேட்டா பண்புக்கூறுகள் தரவுத்தொகுப்பு பயன்பாட்டை மேம்படுத்த.
வீடியோ தரவு சேகரிப்பு சவால்கள்
சமமான பிரதிநிதித்துவம்
உயர்தர வீடியோக்களை ஆதாரமாகக் கொண்டு, இனவாரியாக சமநிலையான தரவு விநியோகத்தைப் பராமரித்தல்.
தர கட்டுப்பாடு
தரவுத்தொகுப்பு ஒருமைப்பாட்டைப் பராமரிக்க ஒவ்வொரு பங்கேற்பாளரும் ஒரு உண்மையான தாக்குதல் வீடியோவையும் ஒரு மறு தாக்குதல் வீடியோவையும் பங்களிப்பதை உறுதி செய்தல்.
தொழில்நுட்ப நிலைத்தன்மை
FPS (≥ 26), தெளிவுத்திறன் (≥ 720p) மற்றும் நேர முத்திரை துல்லியம் (+/- 0.5ms) ஆகியவற்றுக்கான கண்டிப்பான வழிகாட்டுதல்களைப் பின்பற்றுதல்.
நாங்கள் அதை எவ்வாறு தீர்த்தோம்
திட்டத்தின் தேவைகளைப் பூர்த்தி செய்ய, ஷைப் ஒரு கட்டமைக்கப்பட்ட மற்றும் உயர்தர தரவுத்தொகுப்பை வழங்கினார். தீர்வில் பின்வருவன அடங்கும்:
தரவுத்தொகுப்பு மேலாண்மை & தரக் கட்டுப்பாடு
- 25,000 வீடியோக்கள் முழுவதும் சேகரிக்கப்பட்டது 4 கட்டங்கள் தடைகளைத் தவிர்த்து, நிலையான மற்றும் கட்டமைக்கப்பட்ட தரவு ஓட்டத்தை உறுதி செய்ய.
- கடுமையான சரிபார்ப்பு செயல்முறை இணங்குவதை உறுதி செய்ய FPS, தெளிவுத்திறன் மற்றும் மெட்டாடேட்டா துல்லியம். ஒவ்வொரு வீடியோவும் இறுதி ஏற்றுக்கொள்ளப்படுவதற்கு முன்பு பல தர சோதனைகளுக்கு உட்படுத்தப்பட்டது.
- விரிவான மெட்டாடேட்டா டேக்கிங் உடன் 12 பண்புக்கூறுகள்:
- கோப்பு ஐடி/பெயர்
- தாக்குதல் வகை (உண்மையான/மறுபதிப்பு)
- நபர் ஐடி
- வீடியோ தீர்மானம்
- வீடியோ கால
- பாடத்தின் இனம்
- பாடத்தின் பாலினம்
- வீடியோ அசல் வீடியோவா அல்லது ஏமாற்றப்பட்ட வீடியோவா?
- சாதனத்தின் பெயர்/மாடல்
- நபர் பேசுகிறாரா இல்லையா
- நேர முத்திரை தொடக்க நேரம்
- நேர முத்திரை முடிவு நேரம்
- சமச்சீர் இனக்குழு பரவல்: இந்த தரவுத்தொகுப்பு ஒரு சமநிலையான இன பிரதிநிதித்துவத்தை பராமரிக்க கவனமாக வடிவமைக்கப்பட்டுள்ளது. இந்த பரவலில் ஹிஸ்பானிக் (33%), தெற்காசிய (21%), காகசியன் (20%), ஆப்பிரிக்க (15%), மற்றும் கிழக்கு ஆசிய மற்றும் மத்திய கிழக்கு மக்கள் தொகை (ஒவ்வொன்றும் 6% வரை) ஆகியவை அடங்கும்.
- நகல் உள்ளீடுகள் இல்லை தரவுத்தொகுப்பு தனித்துவத்தை பராமரிக்கவும், AI பயிற்சியில் சார்புகளைத் தடுக்கவும்.
- இன ரீதியாக வேறுபட்ட பங்கேற்பாளர் தேர்வு நிஜ உலக பயனர் மாறுபாடுகளை பிரதிபலிக்கும் தரவுத்தொகுப்பை உருவாக்குதல், AI மாதிரி தகவமைப்பு மற்றும் நியாயத்தை மேம்படுத்துதல்.
- சாதன மாறுபாட்டைப் பதிவுசெய்கிறது பல்வேறு சுற்றுச்சூழல் அமைப்புகளுக்கு எதிராக மாதிரியின் வலிமையை மேம்படுத்த பல ஸ்மார்ட்போன் மாதிரிகள், கேமராக்கள் மற்றும் லைட்டிங் நிலைமைகள் ஆகியவை இதில் அடங்கும்.
முடிவு
Shaip வழங்கிய உயர்தர, மாறுபட்ட ஆண்டி-ஸ்பூஃபிங் வீடியோ தரவுத்தொகுப்பு, பல்வேறு பயோமெட்ரிக் அங்கீகார சூழ்நிலைகளில் உண்மையான மற்றும் ஸ்பூஃப் செய்யப்பட்ட வீடியோக்களை துல்லியமாக வேறுபடுத்துவதற்கு AI மாதிரிகளைப் பயிற்றுவிக்க வாடிக்கையாளருக்கு உதவியது. தரவுத்தொகுப்பு இதற்கு பங்களித்தது:
மோசடி கண்டறிதல்
மோசடியான பயோமெட்ரிக் தாக்குதல்களைக் கண்டறிவதில் மேம்படுத்தப்பட்ட AI செயல்திறன்.
பல்வேறு பயிற்சி தரவு
பல்வேறு இனங்கள், சாதனங்கள் மற்றும் சுற்றுச்சூழல் நிலைமைகளில் மறு தாக்குதல்களை அடையாளம் காணும் மாதிரியின் திறனை வலுப்படுத்தியது.
அளவீடல்
இந்த தரவுத்தொகுப்பு எதிர்கால ஏமாற்று எதிர்ப்பு மாதிரி மேம்பாடுகள் மற்றும் விரிவாக்கங்களுக்கு ஒரு அடித்தளமாக செயல்படுகிறது.
எங்கள் AI-இயக்கப்படும் ஏமாற்று எதிர்ப்பு மாதிரிகளை மேம்படுத்துவதில் Shaip இன் தரவுத்தொகுப்பு முக்கிய பங்கு வகிக்கிறது. பயோமெட்ரிக் அங்கீகார அமைப்புகளில் மோசடி கண்டறிதலை மேம்படுத்துவதற்கான பன்முகத்தன்மை, தரம் மற்றும் கட்டமைக்கப்பட்ட மெட்டாடேட்டா ஒரு வலுவான அடித்தளத்தை வழங்கின.
