走进对抗性机器学习与网络安全
RSA 2023创新沙盒盘点|HiddenLayer:针对机器学习攻击的防护与响应平台
RSAC 2023创新沙盒十强盘点之HiddenLayer。
部署机器学习方案之困(下)
从业者在机器学习方案部署的各个阶段都面临着哪些挑战?
部署机器学习方案之困(上)
从业者在机器学习方案部署的各个阶段都面临着哪些挑战?
安全领域中使用机器学习的注意事项
安全场景下机器学习使用的常见误区以及缓解措施。
元学习——让机器学习学会学习
一、概述 现代机器学习模型通常使用手工设计的特征和固定的学习算法,然后针对特定的任务从零开始进行训练,特别是在
基于机器学习的自动化网络流量分析
传统网络流量分析任务依赖于大量的专家知识和人力成本,如何将整个过程自动化?
基于机器学习的反欺诈研究
互联网应用在给用户带来便利的同时,也引入了新的风险。屡见报端的网络欺诈事件,已经给许多互联网用户带来了严重危害。本文将介绍几种基于机器学习的能够有效监管和防御网络欺诈的技术手段。
面向开放环境的机器学习—属性变化
一、摘要 机器学习在很多领域展现出其独特的优势,在过去的很多年里,我们关注更多的是封闭环境下的机器学习,即静态
谁偷了我的模型:机器学习模型水印技术介绍与分析
本文介绍了几种用以保护机器学习模型知识产权的模型水印技术,并分别对其优缺点进行了分析和比较。
面向开放环境的机器学习—样本类别增加
机器学习在很多领域展现出其独特的优势,在过去的很多年里,我们关注更多的是封闭环境下的机器学习,即静态地收集数据并训练模型,但是在现实生活中越来越多地遇到开放环境下的任务,比如数据分布、样本类别、样本属性、评价目标等都会发生变化,这就需要模型具有较好的鲁棒性。本文重点关注流式数据中样本类别增加的问题,并给读者介绍一种可行的解决方法。
RSA创新沙盒盘点 | Cape Privacy——基于加密机器学习的多方数据协作与隐私保护方案
创新沙盒大赛十强盘点