Machine Learning Under Malware Attack
A gépi tanulás kulcsfontosságúvá vált a döntéshozatali folyamatok támogatásában az alkalmazások széles skáláján, az autonóm járművektől kezdve a rosszindulatú programok felismeréséig.
Ezek az algoritmusok azonban, bár rendkívül pontosak, bizonyítottan sebezhetőek, és megtéveszthetők, hogy előnyös előrejelzéseket adjanak vissza. Ezért a gondosan kidolgozott ellenséges objektumok hatással lehetnek a gépi tanulási rendszerek bizalmára, veszélyeztetve előrejelzéseik megbízhatóságát, függetlenül attól, hogy milyen területen alkalmazzák őket.
A könyv célja, hogy javítsa az ellenséges támadások megértését, különösen a rosszindulatú szoftverek kontextusában, és felhasználja a tudást az adaptív ellenfelek elleni védekezés feltárásához. Továbbá olyan rendszerszintű gyengeségek tanulmányozása, amelyek javíthatják a gépi tanulási modellek ellenálló képességét.