آشنایی با کاربرد شبکه‌های GAN در امنیت سایبری
شبکه‌های GAN یکی از شاخه‌های هوش مصنوعی و در بخش یادگیری ماشین قرار می‌گیرد. این شبکه اولین بار در سال ۲۰۱۴ توسط Ian Goodfellow و همکارانش ابداع شده و در آن داده‌هایی شبیه داده‌های آموزشی تولید می‌شوند.
این شبکه ها توانایی تصویرسازی چهره‌هایی شبیه انسان را داشته در حالی که این افراد اصلاً وجود خارجی ندارند. در این مقاله اطلاعاتی درباره کاربرد این شبکه ها در امنیت سایبری بیان خواهد شد.
آشنایی با مفاهیم اولیه شبکه‌های GAN
این نوع از شبکه، داده‌های جدید تولید کرده و در آن با شبکه‌های مولد یا اصطلاحاً Generative سر و کار داریم. GAN مخفف عبارت Generative Adversarial Network یا اصطلاحاً شبکه‌های مولد متخاصم است که در ادامه توضیحات بیشتری در این زمینه ارائه خواهد شد.
مفهوم Adversarial در شبکه‌های مولد متخاصم
همانطور که در بخش قبل بیان کردیم، GAN مخفف عبارت Generative Adversarial Network است. Generative به معنای شبکه مولد و Network هم به معنای همان شبکه عصبی است اما عبارت Adversarial به چه معناست؟
Adversarial در زبان فارسی به معنای خصومت بوده، بنابراین در این شبکه‌ها با ۲ مفهوم مولد و خصومت رو به رو هستیم یعنی ۲ شبکه‌ای که مدام با یکدیگر در حال مبارزه هستند.
مفهوم علمی‌تر شبکه‌های GAN در امنیت سایبری
برای درک بهتر Generative Adversarial Network، فرض کنید مطابق شکل زیر دزد و پلیس ۲ شبکه عصبی در GAN هستند. در این شرایط شبکه عصبی MLP، کانولوشن یا هر شبکه مناسب دیگر را به عنوان Generator (مولد) و Discriminator (جداکننده) در نظر بگیریم.
طبق گفته‌های بالا Generator) G) را به عنوان تولید کننده داده و Discriminator) D) را به عنوان شناسایی کننده داده جعلی از غیرجعلی طبقه بندی می‌کنیم. برای آشنایی با ساختار دقیق‌تر شبکه عصبی GAN در یادگیری ماشین در ادامه همراه ما باشید.
ساختار دقیق‌تر شبکه عصبی GAN
متاسفانه ساختار شبکه مولد/ متخاصم طبق توضیحات قسمت قبل دارای نقص‌هایی است که یکی از آن‌ها عدم ورود داده به شبکه G است بنابراین یک ورودی به نام Z تعریف شده که بر اساس آن داده جعلی تولید شده و داده واقعی به عنوان ورودی به شبکه D وارد می‌شود.
مراحل آموزش شبکه های مولد/ متخاصم
این مراحل عبارتند از:
- انتخاب داده واقعی X؛
- ارسال داده X (واقعی) به شبکه D؛
- تولید داده تصادفی Z؛
- محاسبه مقدار اتلاف و بروز رسانی وزن‌های شبکه D؛
مراحل بالا به قدری تکرار شده تا وزن‌های بهینه شبکه عصبی ساخته شود.
شبکه‌های GAN یکی از مهم‌ترین شاخه‌های شبکه‌های عصبی مصنوعی محسوب شده و امروزه در بحث امنیت سایبری بسیار استفاده می‌شود. در این نوع شبکه داده‌های جدیدی تولید شده و اغلب با شبکه‌های مولد و متخاصم سر و کار داریم.
جهت آشنایی بیشتر با انواع شبکه‌های عصبی و کاربرد آن‌ها در هوش مصنوعی به مقاله ” آشنایی با مبانی شبکه‌های عصبی مصنوعی” مراجعه کنید.
