Машинное обучение активно применяется во многих областях нашей жизни. Алгоритмы помогают распознавать знаки дорожного движения, фильтровать спам, распознавать лица наших друзей на Facebook, даже помогают торговать на фондовых биржах. Алгоритм принимает важные решения, поэтому необходимо быть уверенным, что его нельзя обмануть.
Но в то же время алгоритмы машинного обучения уязвимы к попыткам манипуляции, с помощью т.н. Adversarial-атак. В рамках лекции 11 ноября представители компании Digital Security расск
4 views
24
2
6 months ago 00:46:40 1
⚡️#FREEDUROV⚡️Дуров Бьётся За Свободу Слова⚡️Чудовищная Атака на Украину⚡️Штрафы Начальникам-Занудам
1 year ago 00:01:00 1
Краткая история мирных палестинцев
2 years ago 00:10:41 1
👽 Вижен - Эволюция (1968 - 2019) ! Все Появления 💥!
3 years ago 01:24:33 2
Продвинутый поток: Adversarial attacks. Black-box атаки
4 years ago 00:12:48 12
Александр Чагочкин: “Атаки на системы распознавания лиц“
4 years ago 00:36:42 1
Как защитить алгоритм машинного обучения от Adversarial-примеров | Технострим
4 years ago 00:47:20 4
Adversarial-атаки на алгоритмы машинного обучения
5 years ago 00:36:42 20
Как защитить алгоритм машинного обучения от Adversarial-примеров / Сергей Дудоров (Digital Security)