文献

J-GLOBAL ID：201802264409601784   整理番号：18A1809783

iot環境における機械学習に対する中毒攻撃の検出【JST・京大機械翻訳】

Detecting Poisoning Attacks on Machine Learning in IoT Environments

著者 (5件)： Baracaldo Nathalie ,  Chen Bryant ,  Ludwig Heiko ,  Safavi Amir ,  Zhang Rui
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICIOT  ページ： 57-64  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： インターネット ,  自動化 ,  毒性 ,  *中毒 ,  センサ ,  セキュリティ ,  *機械学習 ,  情報源
準シソーラス用語： 試験データ ,  文脈情報 ,  神経 ,  訓練データ ,  モノのインターネット ,  環境センシング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： IoT ,  環境 ,  機械学習 ,  中毒 ,  攻撃