Sécurité

Un exemple adversarial est une entrée spécialement conçue pour induire en erreur les modèles d'IA et les amener à faire des prédictions incorrectes.

La robustesse adversariale fait référence à la capacité des systèmes d'IA à résister aux entrées malveillantes conçues pour les tromper.

Defense-GAN est un type de réseau antagoniste génératif conçu pour renforcer la sécurité des modèles d'apprentissage automatique.

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

L'inférence d'appartenance est un type d'attaque qui détermine si un point de données spécifique a été utilisé lors de l'entraînement d'un modèle d'apprentissage automatique.

L'extraction de modèle est un processus par lequel un attaquant recrée un modèle d'apprentissage automatique en le questionnant.

L'inversion de modèle est une technique utilisée pour extraire des données sensibles des modèles d'apprentissage automatique.

Une méthode pour extraire des données sensibles des modèles d'apprentissage automatique en exploitant leurs prédictions.

L'empoisonnement de modèle est une attaque qui compromet les modèles d'apprentissage automatique en introduisant des données malveillantes.

La limitation du taux contrôle le nombre de requêtes qu'un utilisateur peut effectuer à un service dans une période donnée pour prévenir les abus.

Les cibles molles sont des lieux ou des individus vulnérables aux attaques en raison de leur manque de sécurité.

Un jeton est une unité de données numériques qui représente autre chose en informatique et en cryptomonnaie.