Maison Périphériques technologiques IA Comment utiliser Nightshade pour protéger les œuvres d'art de l'IA générative

Comment utiliser Nightshade pour protéger les œuvres d'art de l'IA générative

Mar 14, 2024 pm 10:55 PM
人工智能 empoisonnement par l'intelligence artificielle

Traducteur | Chen Jun

Contrôleur | Chonglou

Comme vous pouvez le constater, la révolution de l'intelligence artificielle (IA) en cours a balayé tous les horizons. Le sentiment le plus intuitif est que, sur la base d'un dialogue interactif homme-machine, les algorithmes d'IA peuvent non seulement générer du texte similaire au langage humain, mais également créer des images et des vidéos basées sur un (groupe de) mots. Cependant, les données d'entraînement utilisées par ces outils d'intelligence artificielle (notamment les générateurs de texte en image comme DALL-E, Midjourney, etc.) proviennent souvent de sources de données protégées par le droit d'auteur.

Comment utiliser Nightshade pour protéger les œuvres dart de lIA générative

Dans le domaine numérique, empêcher les outils de génération d'IA d'être formés sur des images protégées par le droit d'auteur est une tâche difficile. Les artistes de tous bords ont travaillé à plusieurs niveaux pour protéger leur travail des ensembles de données de formation de l’IA. La protection de la propriété intellectuelle pose de nombreux problèmes complexes, car le développement rapide du monde numérique rend la surveillance et la protection plus difficiles. Les artistes peuvent prendre des mesures techniques, telles que l'ajout de filigranes ou de signatures numériques, pour garantir l'originalité et le caractère unique de leurs œuvres. Cependant, ces mesures ne sont pas toujours possibles

Maintenant, l'avènement de Nightshade va complètement changer le statu quo. Nightshade est un outil d'IA gratuit qui aide les artistes à protéger leurs droits d'auteur en « entachant » les résultats des outils d'IA génératifs. Le lancement de cet outil signifie que les créateurs ont un plus grand contrôle et peuvent mieux protéger leurs œuvres contre les contrefaçons. L'émergence de Nightshade offre aux artistes une nouvelle façon de traiter les problèmes potentiels de violation du droit d'auteur, leur permettant d'afficher leurs œuvres avec plus de confiance et de tranquillité d'esprit. L'introduction de cette technologie apportera des changements révolutionnaires dans l'ensemble du domaine créatif et apportera des changements révolutionnaires dans le monde de l'art. Qu'est-ce que l'empoisonnement de l'intelligence artificielle ?

D'un point de vue conceptuel, l'empoisonnement par l'intelligence artificielle fait référence à l'acte d'« empoisonner » l'ensemble de données d'entraînement des algorithmes d'intelligence artificielle. Cela revient à fournir délibérément de fausses informations à une IA, provoquant un dysfonctionnement de l'IA entraînée et ne parvenant pas à détecter l'image. Techniquement, des outils comme Nightshade peuvent modifier les pixels d’une image numérique afin qu’elle soit complètement différente lorsqu’elle est formée à l’intelligence artificielle. Et ce changement, du point de vue de l’œil humain, est toujours fondamentalement cohérent avec l’image originale. Si vous téléchargez en ligne une photo falsifiée d'un chat sur un humain, la photo pourrait ressembler à un chat normal. Mais pour un système d’IA, il pourrait être falsifié et ne parviendrait pas à identifier avec précision le chat, ce qui entraînerait confusion et erreur de classification. Cela démontre l'importance cruciale de l'exactitude et de l'exhaustivité des données lors de la formation des systèmes d'IA, car des informations erronées ou trompeuses contenues dans les données peuvent avoir un impact négatif sur l'apprentissage et les performances du système. Par conséquent, garantir la qualité et l’authenticité des données est une étape essentielle dans la formation des modèles d’IA afin d’éviter des résultats trompeurs et des jugements inexacts.

De plus, dans le processus de formation des données pour l'intelligence artificielle, en raison de l'effet d'échelle, s'il y a suffisamment d'échantillons d'images falsifiées ou empoisonnées, cela affectera l'exactitude de la compréhension de l'intelligence artificielle, endommageant ainsi sa base. La capacité de générer des images précises à partir d’une invite.

Bien que la technologie de l'intelligence artificielle générative se développe encore rapidement, pour l'instant, une fois que les données utilisées comme base de formation du modèle comportent des erreurs qui échappent à l'œil humain, elles endommageront subtilement le modèle des itérations suivantes. Cela a pour effet de protéger les œuvres numériques originales. En d’autres termes, selon cela, les créateurs numériques qui ne souhaitent pas que leurs images soient utilisées dans des ensembles de données d’intelligence artificielle peuvent protéger efficacement leurs images contre l’importation sans autorisation dans l’intelligence artificielle générative.

Actuellement, certaines plateformes ont commencé à offrir aux créateurs la possibilité de « ne pas inclure leurs œuvres dans l'ensemble de données de formation à l'intelligence artificielle ». Bien entendu, les formateurs de modèles d’intelligence artificielle doivent également y prêter suffisamment d’attention.

Par rapport à d'autres outils de protection d'art numérique tels que

Glaze

, la mise en œuvre de Nightshade

est complètement différente.

Glaze empêche les algorithmes d'IA d'imiter des styles d'image spécifiques, tandis que Nightshade modifie l'apparence des images du point de vue de l'IA. Bien entendu, les deux outils ont été développés par le professeur d'informatique de l'Université de Chicago Ben Zhao.

Comment utiliser Nightshade

Bien que le créateur de cet outil recommande aux utilisateurs d'utiliser Nightshade avec Glaze, il peut également être utilisé comme un outil autonome pour protéger votre travail. Dans l'ensemble, utiliser cet outil n'est pas compliqué et vous pouvez protéger vos créations d'images en quelques étapes seulement en utilisant uniquement Nightshade. Avant de commencer, voici trois choses que vous devez garder à l'esprit :

  1. Nightshade ne fonctionne que sur Windows et MacOS, avec une prise en charge limitée de GPU , et nécessite au moins 4 Go de VRAM. Actuellement, il ne prend pas en charge les GPU et Intel Mac non NVIDIA. Heureusement, l'équipe Nightshade fournit un lien de liste pour prendre en charge Nvidia GPU--https://www.php.cn/link/719e427d3b21a35b8cdcd2d88db6ca11 (Vous remarquerez peut-être : GTX et RTX GPU sont situés dans la section "CUDASupported GeForce et TITAN"). Alternativement, vous pouvez exécuter Nightshade sur CPU, mais ses performances seront réduites.
  2. Un bug dans la bibliothèque PyTorch si vous utilisez GTX 1660, 1650 ou 1550 Cela vous empêchera de démarrer ou d'utiliser normalement Nightshade. L'équipe derrière Nightshade pourrait résoudre ce problème à l'avenir en migrant de PyTorch vers Tensorflow, mais il n'y a pas encore de bonne solution. De plus, le problème s'étend également aux variantes Ti de ces cartes graphiques. Lors des tests, même si je lui ai donné un accès administrateur sur mon ordinateur Windows 11, j'ai quand même dû attendre quelques minutes avant de pouvoir ouvrir le programme. J'espère que votre situation sera différente.
  3. Si votre œuvre comporte de nombreuses formes ou arrière-plans solides, vous risquez de rencontrer des problèmes d'artefact (artefact). Ce problème peut être résolu en réduisant l'intensité du « Poison ».

Vous devez effectuer les étapes suivantes pour utiliser spécifiquement Nightshade pour protéger les images. Veuillez garder à l'esprit que bien que ce guide utilise la version Windows, il s'applique également à la version macOS.

  1. Téléchargez sa version Windows ou macOS depuis la Page de téléchargement de Nightshade.
  2. Étant donné que Nightshade est téléchargé localement sous la forme d'un dossier d'archive, aucune installation supplémentaire n'est requise. Une fois le téléchargement terminé, il vous suffit de décompresser son dossier ZIP et de double-cliquer pour exécuter Nightshade.exe.
  3. Comme le montre l'image ci-dessous, sur l'interface contextuelle, veuillez cliquer sur le bouton « Sélectionner » dans le coin supérieur gauche pour sélectionner l'image que vous souhaitez protéger. Notez que vous pouvez sélectionner plusieurs images simultanément pour le traitement par lots.
  4. Selon vos préférences, vous pouvez régler l'intensité de l'opération sur l'image (Intensité) et la qualité du rendu (Qualité du rendu) via des curseurs. Plus la valeur est élevée, plus l'effet d'empoisonnement est fort, mais cela introduira également des artefacts dans l'image de sortie.
  5. Ensuite, veuillez cliquer sur le bouton "Enregistrer sous" sous la section "Sortie" pour sélectionner une destination pour le fichier de sortie.
  6. Enfin, veuillez cliquer sur le bouton "Exécuter Nightshade" en bas pour exécuter le programme et terminer l'empoisonnement de l'image.

En même temps, vous pouvez également choisir le tag "Poison (poison)". Nightshade détectera et recommandera automatiquement une balise de mot si la balise n'a pas été sélectionnée manuellement. Bien entendu, vous pouvez également le modifier manuellement si le libellé est incorrect ou trop général. Gardez à l'esprit que ce paramètre ne peut être utilisé que lorsque Nightshade traite une seule image.

Si tout se passe bien, vous obtiendrez une image qui ressemble exactement à l'original à l'œil humain, mais qui est reconnue par l'algorithme de l'IA comme étant complètement différente de l'original. Cela signifie que votre œuvre est protégée des générateurs d’intelligence artificielle.

Présentation du traducteur

Julian Chen, 51 ans, rédacteur en chef de la communauté CTO, a plus de dix ans d'expérience dans la mise en œuvre de projets informatiques, est doué pour gérer et contrôler les ressources et les risques internes et externes, et se concentre sur la diffusion du réseau et connaissances et expérience en matière de sécurité de l’information.

Titre original : Comment utiliser Nightshade pour protéger vos œuvres de l'IA générative

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Meilleurs paramètres graphiques
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Comment réparer l'audio si vous n'entendez personne
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Comment déverrouiller tout dans Myrise
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Jun 28, 2024 am 03:51 AM

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Jun 10, 2024 am 11:08 AM

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Sept questions d'entretien technique Cool GenAI et LLM Sept questions d'entretien technique Cool GenAI et LLM Jun 07, 2024 am 10:06 AM

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Jun 11, 2024 pm 03:57 PM

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Jul 25, 2024 am 06:42 AM

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Cinq écoles d'apprentissage automatique que vous ne connaissez pas Cinq écoles d'apprentissage automatique que vous ne connaissez pas Jun 05, 2024 pm 08:51 PM

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Jul 17, 2024 pm 06:37 PM

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées Jul 15, 2024 pm 12:21 PM

Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g

See all articles