面向 AI-机器人数字孪生系统的隐私攻击综述
机器人学
2024-06-28 v1 人工智能
摘要
工业 4.0 推动了由人工智能/机器学习（AI/ML）和数字孪生（DT）技术驱动的复杂机器人的兴起。尽管这些技术带来了诸多好处，但也引入了潜在的隐私和安全风险。本文综述了针对由 AI 和 DT 模型驱动的机器人隐私攻击。讨论了 ML 模型的数据外泄与模型提取，以及来自首因原理（如基于物理的）模型的提取。我们还讨论了融合 DT 的机器人系统设计中的考量，包括 ML 模型训练、负责任的 AI 与 DT 安全措施、数据治理以及伦理问题对这些攻击效果的影响。我们主张采用可信自主方法，强调需要将机器人、AI 和 DT 技术与健壮的伦理框架和可信赖原则相结合，以构建安全可靠的 AI 机器人系统。
引用
@article{arxiv.2406.18812,
title = {A Survey on Privacy Attacks Against Digital Twin Systems in AI-Robotics},
author = {Ivan A. Fernandez and Subash Neupane and Trisha Chakraborty and Shaswata Mitra and Sudip Mittal and Nisha Pillai and Jingdao Chen and Shahram Rahimi},
journal= {arXiv preprint arXiv:2406.18812},
year = {2024}
}
备注
10 pages, 3 figures, 1 table