抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
機械学習(ML)は,工場の自動化から環境センシングへの応用のための訓練されたモデルを用いて,クラウドとEdgeの両方において,インターネットのインターネット(IoT)において増加する役割を果たしている。しかし,IoT環境におけるMLの使用は,ユニークなセキュリティ課題を提示する。特に,敵は,センサの測定による改tampによって訓練データを操作することができる。被毒攻撃として知られているこのタイプの攻撃は,全体的な性能を著しく低下させ,目標とする誤分類または悪い挙動を引き起こし,「バックドア」と「神経トロイ」を挿入することが示されている。最近開発されたタンパフリー起源フレームワークを利用して,訓練集合におけるデータ点の起源と変換に関する文脈情報を用いて,毒性データを同定する方法論を提示した。このアプローチは信頼できる試験データセットの有無にかかわらず動作する。提案したアプローチを用いて,攻撃を効果的に検出し,信頼できる情報源情報を持つIoT環境において軽減することができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】