机器学习攻击模型：对抗攻击与数据投毒攻击
机器学习
2021-12-07 v1 密码学与安全
摘要
许多最先进的机器学习（ML）模型在图像分类等各种任务上已超越人类表现。凭借如此出色的性能，ML模型如今被广泛应用。然而，对抗攻击与数据投毒攻击的存在真正质疑了ML模型的鲁棒性。例如，Engstrom等人证明，最先进的图像分类器可被任意图像上的微小旋转轻易欺骗。随着ML系统日益集成到安全与安防敏感的应用中，对抗攻击与数据投毒攻击构成了相当大的威胁。本章聚焦于ML安全中两个广泛且重要的领域：对抗攻击与数据投毒攻击。
引用
@article{arxiv.2112.02797,
title = {ML Attack Models: Adversarial Attacks and Data Poisoning Attacks},
author = {Jing Lin and Long Dang and Mohamed Rahouti and Kaiqi Xiong},
journal= {arXiv preprint arXiv:2112.02797},
year = {2021}
}