ПОРІВНЯЛЬНИЙ АНАЛІЗ МЕХАНІЗМІВ ЗМАГАЛЬНОГО ПЕРЕФРАЗУВАННЯ ТЕКСТІВ ЗГЕНЕРОВАНИХ ШТУЧНИМ ІНТЕЛЕКТОМ
Таврійський науковий вісник. Серія: Технічні науки · 28.05.2026 · (3) · 179-185
DOI: 10.32782/tnv-tech.2026.3.18 ↗Kurz gefasst
Fachartikel in der Zeitschrift Таврійський науковий вісник. Серія: Технічні науки, online erschienen am 28.05.2026. Verfasst von В. С. Раленко und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
В статті розглянуто актуальну проблему інформаційної безпеки в галузі обробки природної мови, а саме критичну вразливість систем детекції згенерованого тексту штучним інтелектом до змагальних атак. Показано, що найбільш ефективна загроза це змагальне перефразування, інструменти якого еволюціонували від простих систем підбору синонімів до спеціалізованих оптимізаційних нейромережевих архітектур. Метою дослідження є глибинний аналіз внутрішніх механізмів роботи трьох фундаментально різних архітектурних філософій перефразування і порівняння їхньої агресивності в протидії системам виявлення контенту. У роботі розглянуто стратегію контрольованої генерації з семантичним збереженням, підхід дистрибутивного вирівнювання статистичних характеристик і стратегію прямої оптимізації вподобань проти класифікаторів за допомогою навчання з підкріпленням. Експериментальне моделювання проведено з використанням текстів, які згенеровані великими мовними моделями OPT-13B, GPT-3.5 і GPT-4o mini з використанням п'яти ітерацій рекурсивного перефразування. Ефективність обходу протестована на метричних і класифікаційних детекторах за умов жорсткого контролю рівня хибнопозитивних спрацьовувань. Результати дослідження доводять, що ефективність евазії безпосередньо залежить від цільової функції атакуючої моделі, наприклад архітектури семантичного збереження утримують понад 96% оригінального змісту, проте залишають достатньо статистичних артефактів базової моделі для розпізнавання, в той час коли агресивніші моделі здатні критично знизити точність найсучасніших детекторів до рівня 0.7% – 19.2%. Виявлено фундаментальний компроміс між невидимістю для детекторів і збереженням змісту, на який вказує те, що екстремальне падіння сепарабельності завжди супроводжується зниженням семантичної подібності тексту до 87,7% – 91,7% через необхідність зміни логічної структури речень. Зроблено висновок про структурну вразливість традиційних статичних детекторів та необхідність розробки динамічних систем захисту, стійких до дистрибутивних зсувів.
Zitieren
APA
Раленко, В. С., & Антіпова, К. О. (2026). ПОРІВНЯЛЬНИЙ АНАЛІЗ МЕХАНІЗМІВ ЗМАГАЛЬНОГО ПЕРЕФРАЗУВАННЯ ТЕКСТІВ ЗГЕНЕРОВАНИХ ШТУЧНИМ ІНТЕЛЕКТОМ. Таврійський науковий вісник. Серія: Технічні науки, 179-185. https://doi.org/10.32782/tnv-tech.2026.3.18
Vancouver
Раленко ВС, Антіпова КО. ПОРІВНЯЛЬНИЙ АНАЛІЗ МЕХАНІЗМІВ ЗМАГАЛЬНОГО ПЕРЕФРАЗУВАННЯ ТЕКСТІВ ЗГЕНЕРОВАНИХ ШТУЧНИМ ІНТЕЛЕКТОМ. Таврійський науковий вісник. Серія: Технічні науки. 2026:179-185. doi:10.32782/tnv-tech.2026.3.18
BibTeX
@article{2026,
author = {Раленко, В. С. and Антіпова, К. О.},
title = {ПОРІВНЯЛЬНИЙ АНАЛІЗ МЕХАНІЗМІВ ЗМАГАЛЬНОГО ПЕРЕФРАЗУВАННЯ ТЕКСТІВ ЗГЕНЕРОВАНИХ ШТУЧНИМ ІНТЕЛЕКТОМ},
journal = {Таврійський науковий вісник. Серія: Технічні науки},
year = {2026},
number = {3},
pages = {179--185},
doi = {10.32782/tnv-tech.2026.3.18}
}
EUVIMED