آموزش یادگیری ماشین و امنیت هوش مصنوعی خطر: طبقه بندی حملات و حالت های شکست

Machine Learning and Artificial Intelligence Security Risk: Categorizing Attacks and Failure Modes

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      توضیحات دوره:
      از پیش بینی نتایج پزشکی به مدیریت صندوق های بازنشستگی، ما اعتماد زیادی به یادگیری ماشین (ML) و هوش مصنوعی (AI) داریم، هرچند ما می دانیم که آنها به حملات آسیب پذیر هستند و گاهی اوقات می توانند به طور کامل ما را شکست دهند. در این دوره، مربی Diana Kelley نمونه های دنیای واقعی را از آخرین تحقیقات ML می برد و از طریق راه هایی که ML و AI می تواند شکست بخورد، اشاره می کند، اشاره گر در مورد چگونگی طراحی، ساخت و نگهداری سیستم های انعطاف پذیر.

      درباره شکست های عمدی ناشی از حملات و شکست های غیر عمدی ناشی از نقص های طراحی و مسائل اجرایی. تهدیدات امنیتی و خطرات حریم خصوصی جدی هستند، اما با ابزار مناسب و آماده سازی شما می توانید خودتان را برای کاهش آنها تنظیم کنید. دیانا برخی از موثرترین روش ها و تکنیک های موثرترین ML را توضیح می دهد، از جمله بهداشت مجموعه داده ها، آموزش های تبلیغاتی و کنترل دسترسی به API ها.

      سرفصل ها و درس ها

      معرفی Introduction

      • نگرانی های امنیتی ماشین Machine learning security concerns

      • آنچه شما باید بدانید What you should know

      1. پایه های یادگیری ماشین 1. Machine Learning Foundations

      • چگونه سیستم ها می توانند شکست بخورند و چگونه از آنها محافظت کنند How systems can fail and how to protect them

      • چرا امنیت ML Why does ML security matter

      • حملات در مقابل حالت های شکست ناخواسته Attacks vs. unintentional failure modes

      • اهداف امنیتی برای ML: سیا Security goals for ML: CIA

      • فصلنامه Chapter Quiz

      2. حالت های نقص عمدی/حملات 2. Intentional Failure Modes/Attacks

      • حملات متضاد و AUPS Perturbation attacks and AUPs

      • حملات مسمومیت Poisoning attacks

      • شبکه های عصبی برنامه ریزی مجدد Reprogramming neural nets

      • دامنه فیزیکی (Objects offersarial 3D) Physical domain (3D adversarial objects)

      • حملات زنجیره تامین Supply chain attacks

      • معکوس مدل Model inversion

      • دستکاری سیستم System manipulation

      • استنتاج عضویت و سرقت مدل Membership inference and model stealing

      • پشت سرپوشیده و سوء استفاده های موجود Backdoors and existing exploits

      • فصلنامه Chapter Quiz

      3. حالت های شکست ناخواسته/نقص طراحی ذاتی 3. Unintentional Failure Modes/Intrinsic Design Flaws

      • هک کردن پاداش Reward hacking

      • عوارض جانبی در یادگیری تقویت Side effects in reinforcement learning

      • تغییرات توزیع و تست ناقص Distributional shifts and incomplete testing

      • بیش از حد/لباس زیر Overfitting/underfitting

      • ملاحظات تعصب داده ها Data bias considerations

      • فصلنامه Chapter Quiz

      4. ساختمان ML Resilient 4. Building Resilient ML

      • تکنیک های موثر برای ایجاد انعطاف پذیری در ML Effective techniques for building resilience in ML

      • ML DataSet Hygiene ML dataset hygiene

      • آموزش ML Adversarial ML adversarial training

      • کنترل دسترسی ML به APIs ML access control to APIs

      • فصلنامه Chapter Quiz

      نتیجه Conclusion

      • مراحل بعدی Next steps

      نمایش نظرات

      آموزش یادگیری ماشین و امنیت هوش مصنوعی خطر: طبقه بندی حملات و حالت های شکست
      جزییات دوره
      1h 11m
      29
      Linkedin (لینکدین) Linkedin (لینکدین)
      (آخرین آپدیت)
      -
      - از 5
      ندارد
      دارد
      دارد
      Diana Kelley
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Diana Kelley Diana Kelley

      CTO و Coflounding SecurityCurve

      Diana Kelley CTO و Cofounder SecurityCurve، یک استراتژی مستقل، مشاوره و مشاوره شرکت است.

      دیانا در حال حاضر اصلی VCISO در SALT Cybersecurity، عضو هیئت مدیره اجرایی زنان در امنیت سایبری و آینده سایبر است بنیاد و مشاور در فن آوری های Comptia و Woplli. او سری #mycyberwhy را تولید می کند و میزبان عمل متعادل سازی (امنیت) توسط BrightTalk و میزبان پادکست پادکست روزانه سایبر است. یک میدان سابق امنیت سایبری CTO در مایکروسافت و مشاور امنیت جهانی اجرایی IBM، او 2020 مدیر اجرایی سال 2009 توسط انجمن زنان اجرایی در مورد امنیت اطلاعات، مدیریت ریسک و حفظ حریم خصوصی نامگذاری شد و همکاران معماری سایبری عملی و کتابخانه های رمزنگاری است برای توسعه دهندگان.