送给码农的免费Python机器学习课程

4.1 恶意活动/滥用（NAA）

• 对数据集和数据转移过程的非授权访问；
• 对数据集和数据转移过程的操作；
• 对模型代码的非授权访问；
• 入侵和限制人工智能结果；
• 入侵人工智能干扰正确的数据；
• 入侵机器学习干扰正确的数据；
• 数据投毒；
• 数据修改；
• 权限提升；
• 内部威胁；
• 优化算法的操作；
• 基于对抗样本的错误分类；
• 模型投毒；
• 对抗攻击的转移；
• 在线系统操纵；
• 白盒、定向或非定向攻击；
• 标记数据操纵；
• 针对训练数据集的后门插入攻击；
• 入侵机器学习训练验证数据；
• 对抗样本；
• 降低数据准确率；
• 机器学习模型完整性操纵；
• DDoS攻击；
• 入侵机器学习预处理；
• 入侵模型框架；
• 数据索引破坏；
• 降低人工智能机器学习结果的有效性；
• 模型后门。

4.2 窃听/拦截/劫持（EIH）

• 数据干扰；
• 数据窃取；
• 模型泄露；
• 弱加密。

4.3 物理攻击（PA）

• 由于不可靠数据基础设施引发的错误或限制；
• 模型破坏；
• 针对基础设施系统的物理攻击；
• 通信网络攻击；
• 其他蓄意破坏。

4.4 非故意损害（UD）

• 入侵或限制人工智能结果；
• 在数据操作过程中破坏隐私；
• 破坏特征选择；
• 人工智能系统的操作配置或错误处理；
• 机器学习模型性能降级；
• 在线系统操纵；
• 数据缺乏充分的表示；
• 统计数据错误处理；
• 降低数据准确率；
• 模型的错误配置；
• 数据所有者引入的偏见；
• 个人信息泄露；
• 模型框架破坏。

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!