기계 학습 - 스포츠 토토 배트맨터 무결성

2019 년 4 월 16 일

우리의 마지막토론기계 학습 알고리즘과의 대적 상호 작용의 광범위한 문제를 강조했습니다. 우리가 이전 논의에서 조사한 대적 상호 작용의 중심점은 잘못된 부정을 통해 오류를 유도하는 것이 었습니다. 그러나 기계 학습에 대한 또 다른 유형의 위협이 있습니다. 그러나 단순한 내용 난독 화 또는 멋진 단어 변환보다 훨씬 교활한 것입니다. 믿거 나 말거나, 우리의 교육 스포츠 토토 배트맨터는중독. 중독은 어떻게 작동하며 중심점은 무엇입니까? 알아 보자!

미러, 거울

독 병

용어중독오해의 소지가 있습니다. 중독은 알고리즘을 비활성화하는 것을 목표로하지 않습니다 (즉, 사망). 오히려 중독의 목표는 알고리즘을 효과적으로 잘못 지시하는 것입니다. 시안화물처럼 연기 나 거울처럼 생각하십시오. 따라서 중독에 대해 명확하게하고 싶은 것은 독에 의해 정확히 영향을받는 것입니다. 대중 인식은 알고리즘이 영향을받는 구성이라고 생각합니다. 이것은 단순히 사실이 아닙니다. 글쎄, 이것은 단순히 불가능합니다. 알고리즘은 소스에서 고정되어 있으며 런타임 형식으로 수정할 수 없습니다. 적어도 그것은 중독이 작동하는 방식이 아닙니다. 런타임 알고리즘 자체가 후에 메모리 주입 또는 기타 악용이 필요합니다.

따라서 중독은 알고리즘이 생성하는 출현 모델을 손상시킵니다. 독은 훈련 스포츠 토토 배트맨터 내에서 특정 요소를 목표로하고 결과를 왜곡시킴으로써이를 수행합니다. 다시 생각의사 결정 트리, 트리의 기능과 라벨 또는 가지 및 노드가 영향을받는 모델 구성 요소라고 상상할 수 있습니다. 학생들이 이전에 프로그래밍 수업을 수강 한 경우 프로그래밍 과정을 좋아할 것이라고 예측하는 대신 (부정확하게) 그 반대를 예측할 것입니다.

중요한 점은 기계 학습 알고리즘이 중독시 오류를 생성 할 필요는 없다는 것입니다. 사실, 전용 방어 메커니즘이 없으면 모델이나 예측이 잘못되는 동안 우리가 독살되었다는 것을 깨닫지 못할 수도 있습니다.

방어

다행히도 스포츠 토토 배트맨터 중독 위협으로부터 기계 학습 구현을 보호하는 검증 된 방법이 있습니다. 중독은 우리의 훈련 스포츠 토토 배트맨터에 작용하기 때문에 우리는 마찬가지로 스포츠 토토 배트맨터에 중점을 둡니다. 예를 들어, 우리는 알고리즘에 도달하기 전에 교육 스포츠 토토 배트맨터를 소독 할 수 있습니다. 여기의 개념은 SQL 주입을 피하기 위해 웹 응용 프로그램에서 사용자 입력을 소독하는 것과 유사합니다. 또한, 우리는 독이 영향을받는 특정 요소가 예측 모델에 영향을 줄 수없는 학위로 훈련 스포츠 토토 배트맨터를 일반화하려고 시도 할 수 있습니다.

Jason Pittman

이들은 정적 방어입니다. 즉, 우리는 위생을 사용합니다이후우리는 교육 스포츠 토토 배트맨터를 캡처하고 스포츠 토토 배트맨터가 수정되었습니다. 일반화에 대해서도 마찬가지입니다. 또한 새로운 교육 스포츠 토토 배트맨터가 수집 될 때마다 소독 또는 일반화 프로세스를 다시 실행해야합니다. 효과적이지만, 이러한 방어의 본질은 나를 어색한 것으로칩니다.

기본적으로 중독의 위협은 스포츠 토토 배트맨터 무결성 문제입니다. 우리는 훈련 스포츠 토토 배트맨터가 될 것으로 기대합니다a, 그리고 적어도 우리가 아는 한 그것을 포착했을 때였습니다. 그러나 우리에게 알려지지 않은 훈련 스포츠 토토 배트맨터는 중독되어B전혀 다릅니다. 고전적인 사이버 보안에서 체크섬 또는 해시를 생성하고 객체가 변경되었는지 확인할 수 있습니다. 우리의 출력은 소스 스포츠 토토 배트맨터 세트에서 파생되지만이 아니기 때문에 머신 러닝에서는 불가능합니다.the스포츠 토토 배트맨터 세트. 물론, 우리는 여전히 교육 세트를 스포츠 토토 배트맨터 블로브로 해시 할 수 있지만 도움이되지 않는다고 생각합니다. 그래도 모든 것이 잃어버린 것은 아닙니다.

미래

공정하게 말하면, 덜 어색한 방어에 대한 연구 그룹이 있습니다. 일부 아이디어는 추가 기계 학습 알고리즘을 사용하여 중독과 같은 위협을 방어합니다. 다른 연구는속도실행 가능한 제어 일 수 있습니다. 확실히, 아직 발견되지 않은 미래의 아이디어도 있습니다. 다음에 머신 러닝을 위해 사이버 보안에서 가장 최신의 최첨단 아이디어를 조사 할 때 나와 함께하십시오!