訂閱
糾錯
加入自媒體

全新算法助機(jī)器學(xué)習(xí)抵抗干擾

機(jī)器學(xué)習(xí)模型受到攻擊將產(chǎn)生嚴(yán)重的后果,但如果對這一情形提前預(yù)防呢?就像人類針對即將到來的病毒去接種疫苗一樣。據(jù)澳大利亞聯(lián)邦科學(xué)與工業(yè)研究組織(CSIRO)官方網(wǎng)站消息,該機(jī)構(gòu)的一個研究團(tuán)隊(duì),日前開發(fā)了一套人工智能(AI)最新算法,可幫助機(jī)器學(xué)習(xí)抵御可能遇到的干擾。

機(jī)器學(xué)習(xí)是人工智能的核心,也是使計(jì)算機(jī)具有智能的根本途徑。機(jī)器學(xué)習(xí)主旨是讓計(jì)算機(jī)去模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為,以獲取新的知識或技能,并重新組織已有的知識結(jié)構(gòu),使之不斷改善自身的性能。

機(jī)器學(xué)習(xí)雖然可以在大數(shù)據(jù)訓(xùn)練中學(xué)到正確的工作方法,但它也很容易受到惡意干擾。通常攻擊者是通過輸入惡意數(shù)據(jù)來“欺騙”機(jī)器學(xué)習(xí)模型,導(dǎo)致其出現(xiàn)嚴(yán)重故障。

此次,開發(fā)出新算法的研究團(tuán)隊(duì)——“Data61”機(jī)器學(xué)習(xí)小組領(lǐng)導(dǎo)者理查德·諾克表示,攻擊者會在進(jìn)行圖像識別時,在圖像上添加一層干擾波,達(dá)到“欺騙”的目的,從而讓機(jī)器學(xué)習(xí)模型產(chǎn)生錯誤的圖像分類。

諾克及其團(tuán)隊(duì)成員研發(fā)的新算法,通過一種類似疫苗接種的思路,可以幫助機(jī)器學(xué)習(xí)“修煉”出抗干擾能力。這是針對機(jī)器學(xué)習(xí)模型打造的防干擾訓(xùn)練,譬如,在圖片識別領(lǐng)域,該算法能夠?qū)D片集合進(jìn)行微小的修改或使其失真,激發(fā)出機(jī)器學(xué)習(xí)模型“領(lǐng)會”到越來越強(qiáng)的抗干擾能力,并形成相關(guān)的自我抗干擾訓(xùn)練模型。

經(jīng)過此類小規(guī)模的失真訓(xùn)練后,最終的抗干擾訓(xùn)練模型將更加強(qiáng)大,當(dāng)真正的攻擊到來之時,機(jī)器學(xué)習(xí)模型將具備“免疫”功能。

總編輯圈點(diǎn)

用小伎倆干擾機(jī)器對圖像的識別,這種手段已經(jīng)應(yīng)用在網(wǎng)絡(luò)黑產(chǎn)中。人眼看起來并無明顯區(qū)別的圖片,覆上一層專門針對機(jī)器的干擾波,就能讓機(jī)器的判斷大失水準(zhǔn)。所謂接種疫苗,其實(shí)也就是“以毒攻毒”,讓機(jī)器先見識已經(jīng)被微小修改的圖片,并在訓(xùn)練中自我學(xué)習(xí),從而最終能識破這層惡意干擾,揭開圖片的廬山真面目。機(jī)器的學(xué)習(xí)功能是強(qiáng)大的,教會它應(yīng)對方法,它便能自我完善。但攻擊與防御總是相伴相生,這是一場沒有盡頭的技術(shù)博弈。

聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請聯(lián)系我們。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評論

暫無評論

    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯
    x
    *文字標(biāo)題:
    *糾錯內(nèi)容:
    聯(lián)系郵箱:
    *驗(yàn) 證 碼:

    粵公網(wǎng)安備 44030502002758號