对抗式机器学习——产业界视角
计算机与社会
2021-03-22 v3 密码学与安全
机器学习
机器学习
摘要
基于对28家机构的访谈，我们发现产业界从业者缺乏保护、检测并响应其机器学习（ML）系统所受攻击的战术与战略工具。我们利用访谈所得洞见，枚举了在传统软件安全开发语境下审视机器学习系统安全时存在的视角缺口。本文从两类角色视角撰写：开发者/ML工程师，以及负责在ML系统设计、开发与部署过程中保障其安全的安全事件响应者。本文旨在促使研究者修订并修正对抗式ML时代工业级软件的安全开发生命周期。
引用
@article{arxiv.2002.05646,
title = {Adversarial Machine Learning -- Industry Perspectives},
author = {Ram Shankar Siva Kumar and Magnus Nyström and John Lambert and Andrew Marshall and Mario Goertzel and Andi Comissoneru and Matt Swann and Sharon Xia},
journal= {arXiv preprint arXiv:2002.05646},
year = {2021}
}
备注
Minor Typos corrected 7 pages, 1 figure