攻击与防御公共云的机器学习应用
机器学习
2020-08-06 v1 密码学与安全
摘要
对抗攻击打破了传统安全防御的边界。针对对抗攻击以及云服务的特性，我们提出了面向机器学习应用的安全开发生命周期，例如用于机器学习的 SDL（SDL for ML）。SDL for ML 通过减少机器学习即服务（ML-as-a-service）中漏洞的数量与严重程度，同时降低开发成本，帮助开发者构建更安全的软件。
引用
@article{arxiv.2008.02076,
title = {Attacking and Defending Machine Learning Applications of Public Cloud},
author = {Dou Goodman and Hao Xin},
journal= {arXiv preprint arXiv:2008.02076},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1704.05051 by other authors