深度学习面临围攻：识别安全漏洞与风险缓解策略
密码学与安全
2024-09-17 v1 人工智能
摘要
随着深度学习（DL）模型在社会几乎所有方面的广泛采用，一系列独特的挑战随之而来。这些风险主要围绕这些模型的架构，构成了重大挑战，而应对这些挑战是它们未来成功实施和使用的关键。在本研究中，我们提出了当前部署到生产环境中的深度学习模型相关的安全挑战，并基于计算、人工智能和硬件技术的进步，预测了未来深度学习技术的挑战。此外，我们提出了风险缓解技术来抑制这些挑战，并提供了度量评估来衡量这些指标的有效性。
引用
@article{arxiv.2409.09517,
title = {Deep Learning Under Siege: Identifying Security Vulnerabilities and Risk Mitigation Strategies},
author = {Jamal Al-Karaki and Muhammad Al-Zafar Khan and Mostafa Mohamad and Dababrata Chowdhury},
journal= {arXiv preprint arXiv:2409.09517},
year = {2024}
}
备注
10 pages, 1 table, 6 equations/metrics