机器学习的实用攻击：以对抗性 Windows 恶意软件为例
密码学与安全
2022-07-13 v1 机器学习
摘要
尽管机器学习易受对抗样本攻击，但仍缺乏在不同应用背景下评估其安全性的系统流程与工具。在本文中，我们讨论了如何利用实用攻击开发自动化且可扩展的机器学习安全评估，并报告了在 Windows 恶意软件检测上的一个用例。
关键词
引用
@article{arxiv.2207.05548,
title = {Practical Attacks on Machine Learning: A Case Study on Adversarial Windows Malware},
author = {Luca Demetrio and Battista Biggio and Fabio Roli},
journal= {arXiv preprint arXiv:2207.05548},
year = {2022}
}