网络安全任务中对抗机器学习的博弈论方法综述
密码学与安全
2019-12-06 v1 人工智能
机器学习
机器学习
摘要
机器学习技术目前被广泛用于自动化各种网络安全任务。这些技术大多利用监督学习算法，通过使用相关领域中遇到的数据训练算法将传入数据分类到不同类别。这些算法的一个关键漏洞是它们易受对抗攻击：称为 adversary 的恶意实体故意篡改训练数据，误导学习算法产生分类错误。对抗攻击可能使学习算法不再适用，并使关键系统易受网络安全攻击。我们的论文详细综述了利用博弈论计算框架使机器学习算法对对抗攻击具有鲁棒性的前沿技术。我们还讨论了开放问题与挑战，以及可能的研究方向，以使基于深度机器学习的系统对网络安全任务更鲁棒和可靠。
引用
@article{arxiv.1912.02258,
title = {A Survey of Game Theoretic Approaches for Adversarial Machine Learning in Cybersecurity Tasks},
author = {Prithviraj Dasgupta and Joseph B. Collins},
journal= {arXiv preprint arXiv:1912.02258},
year = {2019}
}
备注
13 pages, 2 figures, 1 table