文献

J-GLOBAL ID：202102222579693411   整理番号：21A0153258

敵対的機械学習-産業展望【JST・京大機械翻訳】

Adversarial Machine Learning-Industry Perspectives

著者 (8件)： Siva Kumar Ram Shankar (Microsoft,Redmond,USA) ,  Nystrom Magnus (Microsoft,Redmond,USA) ,  Lambert John (Microsoft,Redmond,USA) ,  Marshall Andrew (Microsoft,Redmond,USA) ,  Goertzel Mario (Microsoft,Redmond,USA) ,  Comissoneru Andi (Microsoft,Redmond,USA) ,  Swann Matt (Microsoft,Redmond,USA) ,  Xia Sharon (Microsoft,Redmond,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SPW  ページ： 69-75  発行年： 2020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： 28の組織とのインタビューに基づいて,産業実務者は,それらの機械学習(ML)システムに対する攻撃を保護,検出および応答するための戦術的および戦略的ツールを備えていないことを見出した。著者らは,従来のソフトウェアセキュリティ開発の文脈で見たとき,インタビューから洞察を活用し,機械学習システムの確保におけるギャップを列挙する。本論文では,開発者/MLエンジニアとセキュリティインシデント応答者という2つの人の展望から,本稿を書いた。この論文の目的は,敵対的ML時代における産業グレードのソフトウェアのためのセキュリティ開発ライフサイクルを改めるための研究課題をレイアウトすることである。Copyright 2021 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： ライフサイクル ,  ソフトウェア ,  セキュリティ ,  *機械学習
準シソーラス用語： 戦術 ,  ソフトウェアセキュリティ , 【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 (3件)： 敵対的機械学習 ,  産業 ,  展望