Machine Learning Under Malware Attack
Das maschinelle Lernen ist für die Unterstützung von Entscheidungsprozessen in einer Vielzahl von Anwendungen - von autonomen Fahrzeugen bis hin zur Erkennung von Malware - von zentraler Bedeutung.
Diese Algorithmen sind zwar sehr genau, weisen aber nachweislich Schwachstellen auf, durch die sie getäuscht werden können, um bevorzugte Vorhersagen zu treffen. Sorgfältig ausgearbeitete gegnerische Objekte können daher das Vertrauen in maschinelle Lernsysteme beeinträchtigen und die Zuverlässigkeit ihrer Vorhersagen gefährden, unabhängig von dem Bereich, in dem sie eingesetzt werden.
Ziel dieses Buches ist es, das Verständnis von Angriffen durch Angreifer, insbesondere im Zusammenhang mit Malware, zu verbessern und dieses Wissen zu nutzen, um Abwehrmaßnahmen gegen adaptive Angreifer zu erforschen. Außerdem sollen systemische Schwachstellen untersucht werden, die die Widerstandsfähigkeit von Modellen des maschinellen Lernens verbessern können.
| ISBN: | 9783658404413 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2023 |
| Seitenzahl: | 116 |
Derzeit verfügbar, auf Lager.
