Anamorpher

Anamorpher (سمي تيمنًا بـ anamorphosis) هي أداة لصنع وتصور هجمات تغيير حجم الصورة ضد أنظمة الذكاء الاصطناعي متعددة الوسائط. توفر واجهة أمامية وواجهة برمجة تطبيقات بايثون لتوليد الصور التي لا تكشف عن حقن التعليمات متعددة الوسائط إلا عند تصغير حجمها. راجع مقالة "تسليح تغيير حجم الصورة ضد أنظمة الذكاء الاصطناعي الإنتاجية" لمزيد من المعلومات حول هذا المتجه الهجومي.

Anamorpher قيد التطوير التجريبي النشط. نرحب بالملاحظات والمساهمات!

الميزات

• توليد حمولات للأنظمة التي تستخدم تنفيذات مختارة من خوارزميات التصغير bicubic و bilinear و nearest neighbor
• مقارنة فعالية الحمولات من خلال واجهة أمامية تتضمن تنفيذات من OpenCV و PyTorch و TensorFlow و Pillow
• تضمين تنفيذ تصغير الصور المخصص الخاص بك باستخدام التصميم المعياري لواجهة برمجة تطبيقات بايثون

عرض توضيحي للواجهة الأمامية	عرض توضيحي لهجوم Gemini CLI

المتطلبات

• Python 3.11+
• uv (موصى به) أو pip

الإعداد

1. تثبيت التبعيات:

uv sync

2. تشغيل الخلفية:

uv run python backend/app.py

3. افتح frontend/index.html في متصفح ويب

Windows: استخدم WSL2 بسبب تبعيات TensorFlow.

التحذيرات والقيود المعروفة

• نظرًا للطبيعة الاحتمالية لهذه الأنظمة، قد تختلف النتائج. للتقييم المتسق، قم بتشغيل كل مثال 5 مرات.
• قد تتداخل تحويلات الصور الإضافية مع فعالية الحقن.
• لن تعمل جميع الحمولات ضد كل تنفيذ ومجموعة معلمات لخوارزميات التصغير bicubic و bilinear نتيجة لتفاوت قوة anti-aliasing عبر التنفيذات، ومعلمات افتراضية مختلفة في مكتبات التحجيم، وتحسينات خاصة بالتنفيذ تؤثر على سلوك الاستيفاء.
• هذا ينطبق أيضًا على أنظمة الذكاء الاصطناعي الإنتاجية بشكل أوسع حيث أن سلوك تحجيم النظام عرضة للتغيير.

المشرفون

• Kikimora Morozova
• Suha Sabi Hussain

المراجع

• تسليح تغيير حجم الصورة ضد أنظمة الذكاء الاصطناعي الإنتاجية
• المعالجة المسبقة العدائية: فهم ومنع هجمات تغيير حجم الصورة في التعلم الآلي
• الرؤية ليست تصديقًا: هجمات التمويه على خوارزميات تغيير حجم الصورة