तकनीकी सारांश: रूपात्मक-वाक्यविन्यास संबंधी जुड़ाव (Morphosyntactic Linkage) पर आधारित तिब्बती शब्द-स्तरीय प्रतिकूल नमूनों (Adversarial Samples) के निर्माण पर शोध

समस्या विवरण

यद्यपि बड़े भाषा मॉडलों (जैसे DEEPZANG, YangGuang QingYan) के उद्भव के साथ तिब्बती बुद्धिमान सूचना प्रसंस्करण में महत्वपूर्ण प्रगति हुई है, फिर भी अंग्रेजी और चीनी की तुलना में इन मॉडलों की सुरक्षा और मजबूती (robustness) पर शोध कम हुआ है। मौजूदा तिब्बती प्रतिकूल हमला (adversarial attack) विधियाँ मुख्य रूप से वर्ण-स्तर (character-level) या शब्दांश-स्तर (syllable-level) के व्यवधानों (जैसे शब्दांश प्रतिस्थापन, सम्मिलन, विलोपन) पर निर्भर करती हैं। इन दृष्टिकोणों की एक महत्वपूर्ण सीमा तिब्बती व्याकरणिक मानदंडों, विशेष रूप से कार्य शब्दों (function words - जो कारक, स्वामित्व, स्थान आदि दर्शाने वाले कण हैं) को नियंत्रित करने वाले नियमों की उपेक्षा करना है।

जब मौजूदा विधियाँ रूपात्मक-वाक्यविन्यास संबंधी जुड़ाव (morphosyntactic linkage) का पालन किए बिना शब्द-स्तरीय प्रतिस्थापन करती हैं, तो परिणामी प्रतिकूल नमूने अक्सर टूटे हुए वाक्य तर्क और अमान्य व्याकरणिक नियमों से ग्रस्त होते हैं। उदाहरण के लिए, तिब्बती में एक विषय-वस्तु शब्द (content word) को बदलने के लिए अक्सर उसके बाद के कार्य शब्द (जैसे कि संबंध कारक, कर्ता कारक, या स्थान कारक कण) में भी संगत परिवर्तन की आवश्यकता होती है ताकि व्याकरणिक वैधता बनी रहे। इन कार्य शब्दों को अपडेट करने में विफलता प्रतिकूल नमूने को भाषाई रूप से अमान्य बना देती है, जिससे इसकी प्रभावशीलता और गुणवत्ता कम हो जाती है।

कार्यप्रणाली: TWLAS-BMSL

यह शोध पत्र TWLAS-BMSL (तिब्बती शब्द-स्तरीय प्रतिकूल नमूना पीढ़ी, रूपात्मक-वाक्यविन्यास संबंधी जुड़ाव पर आधारित) प्रस्तावित करता है, जो उच्च गुणवत्ता वाले, व्याकरणिक रूप से सही प्रतिकूल उदाहरण उत्पन्न करने के लिए डिज़ाइन किया गया है। यह ढांचा एक व्हाइट-बॉक्स हमला प्रतिमान (white-box attack paradigm) के तहत कार्य करता है और इसमें चार मुख्य चरण शामिल हैं:

1. यादृच्छिक शब्द व्यवधान (Random Word Perturbation):

   • एक निर्मित तिब्बती सिमेम ज्ञान आधार (जिसमें 32,745 प्रविष्टियाँ हैं) का उपयोग करते हुए, यह विधि मूल पाठ में विषय-वस्तु शब्दों (content words) की पहचान करती है।
   • यह इन शब्दों को ज्ञान आधार से अर्थपूर्ण समान विकल्पों के साथ यादृच्छिक रूप से मेल कराती है।
   • मूल अर्थ को यथासंभव सुरक्षित रखते हुए एक एकल-शब्द प्रतिस्थापन किया जाता है ताकि एक व्यवधित पाठ बनाया जा सके।

2. कार्य शब्द पहचान और सुधार (Function Word Detection and Correction):

   • यह पहचानते हुए कि तिब्बती में गहरे अर्थपूर्ण संबंध कार्य शब्दों के माध्यम से व्यवस्थित होते हैं, यह विधि एक कार्य शब्द जुड़ाव पहचान और सुधार एल्गोरिदम का उपयोग करती है।
   • कीवर्ड को बदलने के बाद, एल्गोरिदम गतिशील रूप से नए शब्द की व्याकरणिक श्रेणी का विश्लेषण करता है (जैसे कि क्या वह एक कर्ता विषय के रूप में कार्य करता है या उसे विशिष्ट कारक अंकन की आवश्यकता है)।
   • यह स्वचालित रूप से बाद के कार्य शब्दों (संबंध कारक, कर्ता कारक, स्थान कारक और व्यक्तिगत संज्ञा प्रत्यय) को अपडेट करता है ताकि वे तिब्बती व्याकरणिक नियमों (विशेष रूप से प्रत्यय अक्षरों के संबंध में "तीस छंदों" के नियमों) के अनुरूप हों।

3. पुनर्गठन (Reconstruction):

   • प्रणाली अर्थपूर्ण समान कीवर्ड को व्याकरणिक रूप से सुधारे गए कार्य शब्दों के साथ एकीकृत करके वाक्य का पुनर्गठन करती है।

4. हमला निष्पादन (Attack Execution):

   • अंतिम पुनर्गठित प्रतिकूल नमूने को लक्ष्य मॉडल में गलत वर्गीकरण (misclassification) प्रेरित करने के लिए इनपुट किया जाता है।

मुख्य योगदान

लेखक तीन प्राथमिक योगदानों को रेखांकित करते हैं:

• रूपात्मक-वाक्यविन्यास संबंधी जुड़ाव विधि: एक शब्द-स्तरीय प्रतिकूल पीढ़ी विधि का प्रस्ताव जो स्पष्ट रूप से रूपात्मक-वाक्यविन्यास संबंधी जुड़ाव को शामिल करती है, यह सुनिश्चित करती है कि कार्य शब्द बदले गए विषय-वस्तु शब्दों से मेल खाने के लिए स्वचालित रूप से अनुकूलित हों। यह श्वेत-बॉक्स व्यवधान हमलों के विरुद्ध तिब्बती भाषा मॉडलों की मजबूती को बढ़ाता है।
• स्वचालित अनुकूलन एल्गोरिदम: व्यवधान के दौरान तिब्बती कार्य शब्दों के स्वचालित अनुकूलन और अद्यतन के लिए मानदंडों और एल्गोरिदम की स्थापना, जो मौजूदा चीनी और अंग्रेजी-केंद्रित हमला रणनीतियों के अंतराल को भरती है।
• तिब्बती सिमेम ज्ञान आधार: एक विशेष तिब्बती सिमेम ज्ञान आधार का निर्माण जिसमें 32,745 प्रविष्टियाँ हैं, जिसे विशेष रूप से तिब्बती पाठ में शब्द-स्तरीय प्रतिकूल प्रयोगों को सुगम बनाने के लिए डिज़ाइन किया गया है।

प्रयोगात्मक परिणाम

अध्ययन ने पाठ वर्गीकरण और भावना विश्लेषण कार्यों को कवर करने वाले चार डेटासेट (TNC, TU_SA, QHNUTSA, MZUCTSA) पर TWLAS-BMSL पद्धति का मूल्यांकन किया। लक्षित मॉडलों में TiBERT, CINO-base-v2, और CINO-large शामिल थे।

• हमले की प्रभावशीलता:

  • इस विधि ने मॉडलों में औसतन 2.69% की सटीकता गिरावट (ADV) उत्पन्न की।
  • औसत हमला सफलता दर (ASR) 28.83% तक पहुँच गई।
  • औसत लेवेनश्टीन दूरी (LD) 6.80% थी, जो इंगित करती है कि हमले प्रभावी होने के लिए अपेक्षाकृत छोटे व्यवधानों की आवश्यकता थी।
  • CINO-base-v2 मॉडल ने हमले के प्रति उच्चतम संवेदनशीलता दिखाई, जबकि CINO-large ने सबसे मजबूत मजबूती प्रदर्शित की।

• व्याकरणिक सुधार प्रदर्शन:

  • कार्य शब्दों के लिए स्वचालित अनुकूलन और त्रुटि सुधार के कार्य में, यह विधि तीन प्रमुख मेट्रिक्स में 100% प्राप्त करती है:
    • कार्य शब्द त्रुटि पहचान दर।
    • कुल सटीकता।
    • पूर्ण त्रुटि वाक्य सुधार सफलता दर।

• गुणात्मक विश्लेषण:

  • रूपात्मक-वाक्यविन्यास संबंधी जुड़ाव के बिना, उत्पन्न नमूनों में अक्सर व्याकरणिक त्रुटियां थीं जो वाक्य तर्क को तोड़ देती थीं। प्रस्तावित विधि के साथ, प्रतिकूल नमूनों ने व्याकरणिक कठोरता बनाए रखी और सफलतापूर्वक लक्ष्य मॉडलों को भ्रमित किया।

महत्व और दावे

शोध पत्र दावा करता है कि प्रस्तावित TWLAS-BMSL विधि मौजूदा तिब्बानी प्रतिकूल हमलों में "अस्पष्ट वाक्य तर्क" की समस्या को प्रभावी ढंग से संबोधित करती है। यह सुनिश्चित करके कि विषय-वस्तु शब्दों के प्रतिस्थापन के साथ कार्य शब्द अपडेट हों, यह विधि उत्पन्न नमूनों की व्याकरणिक तार्किक कठोरता की गारंटी देती है।

लेखक का तर्क है कि यह दृष्टिकोण न केवल मॉडलों को गलत वर्गीकरण निर्णय लेने के लिए सफलतापूर्वक भ्रमित करता है, बल्कि प्रतिकूल उदाहरणों की पाठ गुणवत्ता को भी सुनिश्चित करता है, जिससे वे व्याकरणिक शुद्धता के मामले में प्राकृतिक पाठ के समान प्रतीत होते हैं। इसे तिब्बती बड़े भाषा मॉडलों की सुरक्षा और मजबूती को बेहतर बनाने की दिशा में एक महत्वपूर्ण कदम के रूप में प्रस्तुत किया गया है।

शोध पत्र विनम्रतापूर्वक समाप्त होता है, जिसमें निर्मित सिमेम ज्ञान आधार (32,745 प्रविष्टियाँ) के सीमित आकार और परीक्षण के लिए तिब्बती-विशिष्ट बड़े मॉडलों की कमी जैसी सीमाओं को स्वीकार किया गया है। भविष्य के कार्य के रूप में इस पद्धति को तिब्बती बड़े मॉडलों पर लागू करने का सुझाव दिया गया है ताकि उनकी हस्तक्षेप-विरोधी क्षमताओं को और बढ़ाया जा सके।