Sicherheit

Ein adversariales Beispiel ist ein speziell entwickelter Input, der darauf ausgelegt ist, KI-Modelle in die Irre zu führen und sie zu falschen Vorhersagen zu verleiten.

Adversarielle Robustheit bezieht sich auf die Fähigkeit von KI-Systemen, böswilligen Eingaben standzuhalten, die dazu entwickelt wurden, sie zu täuschen.

Defense-GAN ist eine Art von Generative Adversarial Network, das entwickelt wurde, um die Sicherheit von Machine-Learning-Modellen zu verbessern.

Luhn's Algorithm is a checksum formula used to validate identification numbers, particularly credit card numbers.

Mitgliedschaftsinferenz ist eine Art von Angriff, bei dem festgestellt wird, ob ein bestimmter Datenpunkt beim Training eines maschinellen Lernmodells verwendet wurde.

Modellextraktion ist ein Prozess, bei dem ein Angreifer ein maschinelles Lernmodell durch Abfragen rekonstruiert.

Modellinversion ist eine Technik, die verwendet wird, um sensible Daten aus maschinellen Lernmodellen zu extrahieren.

Eine Methode, um sensible Daten aus maschinellen Lernmodellen durch Ausnutzung ihrer Vorhersagen zu extrahieren.

Modellvergiftung ist ein Angriff, bei dem maschinelle Lernmodelle durch die Einführung bösartiger Daten kompromittiert werden.

Die Ratenbegrenzung steuert die Anzahl der Anfragen, die ein Benutzer innerhalb eines bestimmten Zeitraums an einen Dienst stellen kann, um Missbrauch zu verhindern.

Weiche Ziele sind Orte oder Personen, die aufgrund mangelnder Sicherheit anfällig für Angriffe sind.

Ein Token ist eine Einheit digitaler Daten, die in der Computertechnik und Kryptowährung etwas anderes repräsentiert.