Acceso
Iniciar sesión

Galería de mapas mentales Riesgos de seguridad de datos de inteligencia artificial (versión detallada)

Riesgos de seguridad de datos de inteligencia artificial (versión detallada)

Se solucionan los riesgos de seguridad de los datos que enfrenta la propia inteligencia artificial, las aplicaciones y los desafíos de gobernanza de la seguridad de los datos.

Editado a las 2021-03-23 13:42:35,

WSUJfrxa

Trabajos recientes Ver más trabajos>>

細菌
これはバクテリアに関するマインドマップであり、その主な内容には、概要、形態、種類、構造、生殖、分布、アプリケーション、および拡張が含まれます。概要は包括的で綿密で、レビュー資料として適しています。
植物無性生殖
これは、植物の無性生殖に関するマインドマップであり、その主な内容には、概念、胞子の生殖、栄養生殖、組織培養、芽が含まれます。概要は包括的で綿密で、レビュー資料として適しています。
動物の生殖発達
これは、動物の生殖発達に関するマインドマップであり、その主な内容には、昆虫、カエル、鳥、性的生殖、無性生殖が含まれます。概要は包括的で綿密で、レビュー資料として適しています。

Riesgos de seguridad de datos de inteligencia artificial (versión detallada)

WSUJfrxa

Trabajos recientes Ver más trabajos>>

Recomendados
Resumen

Recomendaciones para la gobernanza de la seguridad de los datos de la inteligencia artificial
- 9
WSUJfrxa
Recomendaciones para la gobernanza de la seguridad de los datos de la inteligencia artificial
- 12
WSUJfrxa
Seguridad de datos
- 4
WSb6eYgD

Riesgos de seguridad de datos de inteligencia artificial

Riesgos de seguridad de los datos que enfrenta la propia inteligencia artificial

Contaminación de datos de entrenamiento

Resultados del ataque

Puede provocar errores en la toma de decisiones de la inteligencia artificial

Método de ataque

Usando modelo sesgado

objetivo de ataque

muestras de datos de entrenamiento

El propósito de cambiar el límite de clasificación del clasificador es contaminar los datos de entrenamiento.

Por ejemplo: la desviación del modelo que contamina los datos de entrenamiento puede engañar a un clasificador para que etiquete un binario malicioso específico como benigno.

Utilice la retroalimentación para engañar

objetivo de ataque

modelo de aprendizaje en sí

Utilice el mecanismo de retroalimentación del usuario del modelo para lanzar ataques e "inyectar" directamente datos o información disfrazados en el modelo para engañar a la inteligencia artificial y hacer que tome juicios erróneos.

Lanzar ataques a la red desde la etapa de muestra de entrenamiento se ha convertido en el método más directo y eficaz, con un enorme daño potencial.

Anormalidad en los datos de operación

Resultados del ataque

Puede provocar errores de funcionamiento del sistema inteligente.

Método de ataque

Ataques de muestra adversarios construidos artificialmente

Liderar sistemas inteligentes para producir resultados incorrectos en la toma de decisiones

Los modelos de algoritmos de inteligencia artificial reflejan principalmente la correlación de datos y presentan estadísticas, pero no capturan realmente la causalidad de los datos.

Los ataques de muestra adversarios permiten evadir la detección

Los ataques de muestra adversarios pueden engañar a los sistemas de autenticación de identidad y detección de vida basados en tecnología de inteligencia artificial.

Entrada no convencional para entornos dinámicos

Puede provocar errores de funcionamiento del sistema inteligente.

La toma de decisiones de inteligencia artificial depende en gran medida de la distribución y la integridad de las características de los datos de entrenamiento. La cobertura insuficiente de los datos etiquetados manualmente, la homogeneidad de los datos de entrenamiento y los datos de prueba, etc., a menudo conducen a capacidades de generalización deficientes de los algoritmos de inteligencia artificial, lo que hace imposible la inteligencia artificial. sistemas para tomar decisiones en uso real en entornos dinámicos. Se produjo un error.

Los errores de funcionamiento del sistema pueden diferir de los accidentes graves, como los de los vehículos autónomos, y pueden provocar accidentes de tráfico mortales.

Restauración inversa de datos

Riesgos del marco de código abierto

Riesgos de seguridad de los datos causados por aplicaciones de inteligencia artificial

Recopilación excesiva de datos

discriminación por sesgo de datos

Abuso de recursos de datos

Campo de consumo social

Puede ofrecer precios diferenciados

Fraude malicioso o propaganda engañosa

Dando como resultado daños a los derechos de los consumidores, como su derecho a saber y su derecho al comercio justo.

campo de difusión de información

Conduciendo a una brecha cognitiva cada vez mayor entre diferentes grupos de la sociedad.

Se ve afectada la libre elección de la voluntad personal

Incluso amenazan la estabilidad social y la seguridad nacional.

El análisis y el abuso de datos basados en la tecnología de inteligencia artificial plantean graves desafíos de seguridad a la gobernanza social digital y la seguridad nacional.

Robo de inteligencia de datos

Se puede utilizar para fijar objetivos automáticamente

Realización de ataques de ransomware de datos

Encuentre automáticamente vulnerabilidades del sistema e identifique objetivos clave a través del aprendizaje de la biblioteca de funciones para mejorar la eficiencia de los ataques.

Genera automáticamente una gran cantidad de información falsa sobre amenazas.

Ataque a sistemas de análisis

A través del aprendizaje automático, la minería de datos, el procesamiento del lenguaje natural y otras tecnologías, se genera automáticamente inteligencia falsa sobre amenazas para confundir el juicio.

Reconocer automáticamente códigos de verificación de imágenes

La tecnología de inteligencia artificial ha logrado descifrar códigos de verificación de manera efectiva

Falsificación de datos

Reducir la credibilidad de la tecnología de identificación biométrica

Mejorar las capacidades de ataque a la red

Provocando una crisis de confianza entre las personas

Amenazan la ética y la seguridad social

Influir en la opinión política mediante la producción de noticias falsas

amenazar la seguridad nacional

Desafíos de la gobernanza de datos exacerbados por las aplicaciones de inteligencia artificial

Problemas de propiedad de datos

nivel personal

La propiedad de los datos se refleja en los derechos de los ciudadanos sobre los datos, y la protección de la privacidad personal enfrenta desafíos.

nivel de industria

La propiedad de los datos se refleja en los derechos de propiedad de los datos de las empresas, y el monopolio de los datos perjudica el desarrollo general de la industria.

Violaciones de datos transfronterizas

El estatus de los datos como recurso estratégico nacional básico se ha vuelto más prominente

Las empresas de tecnología obtienen la mayor cantidad de datos posible proporcionando a los consumidores aplicaciones gratuitas en campos específicos, utilizando datos públicos del gobierno y colaborando con datos industriales ascendentes y descendentes.

Recopile datos a escala global, fortalezca las ventajas de los recursos de datos y promueva su propia inteligencia artificial. desarrollo, exacerbando el riesgo de flujo transfronterizo de violaciones de datos.