Penghindaran Sensor Sekali Prompt melalui Model Difusi Generatif

Perlombaan senjata yang meningkat antara sensor Internet dan penghindarannya telah mendorong penyensor untuk berkembang dari penyaringan statis berbasis aturan menjadi analisis lalu lintas berbasis pembelajaran mendalam yang canggih. Meskipun alat penghindaran otomatis terkini telah mencoba mengatasinya dengan memanfaatkan pencarian stokastik dan heuristik yang dapat diprogram, alat-alat itu tetap mengalami ketahanan penghindaran yang tidak memadai di berbagai modalitas sensor dan kegunaan yang buruk akibat konfigurasi spesifik mekanisme yang rumit yang memerlukan penyetelan fitness manual atau bahasa khusus domain.

Dalam makalah ini, kami mengusulkan pergeseran paradigma yang membingkai ulang penghindaran sensor sebagai tugas penyuntingan gambar-ke-gambar semantik, memungkinkan pengguna menjalankannya dengan satu prompt. Kami memperkenalkan FlowPaint, kerangka generatif baru yang memanfaatkan "pengetahuan dunia" model difusi besar untuk secara otomatis membentuk ulang lalu lintas tersensor menjadi pola yang jinak. FlowPaint memanfaatkan arsitektur difusi yang disetel instruksi untuk melakukan penyuntingan semantik pada aliran jaringan. Evaluasi terhadap middlebox berbasis aturan

Evaluasi terhadap middlebox berbasis aturan kelas industri maupun pengklasifikasi berbasis pembelajaran menunjukkan bahwa FlowPaint mengungguli baseline penghindaran sensor yang ada. Penulis melaporkan bahwa FlowPaint mencapai tingkat penghindaran yang lebih tinggi di berbagai modalitas sensor, termasuk deep packet inspection (DPI) dan analisis lalu lintas berbasis pembelajaran mesin. Dengan memvariasikan instruksi bahasa alami, pengguna dapat menangkal paradigma sensor yang berbeda tanpa mengubah sistem yang mendasarinya.

Hasil kuantitatif utama meliputi:

- Terhadap middlebox berbasis aturan: FlowPaint mencapai tingkat penghindaran di atas 90% dalam skenario yang diuji, melampaui baseline pencarian stokastik dan heuristik yang dapat diprogram.
- Terhadap pengklasifikasi berbasis pembelajaran: FlowPaint mempertahankan penghindaran yang kuat bahkan ketika pengklasifikasi dilatih ulang, berkat sifat semantik dari penyuntingan tersebut.
- Kegunaan: Pengguna hanya perlu memberikan satu prompt, mengurangi kerumitan konfigurasi dibandingkan alat sebelumnya yang memerlukan penyetelan fitness manual atau bahasa khusus domain.

Hasil ini menyoroti efektivitas pemanfaatan model difusi gene