Алгоритмы машинного обучения

Злоумышленники могут атаковать алгоритмы машинного обучения (АМО) с помощью вредоносных входных данных. Система, основанная на АМО, должна быть способной противостоять этим данным, так как они могут нарушить работу модели машинного обучения и бизнес-логику системы.

Мы проводим комплексный аудит безопасности алгоритмов машинного обучения и связанной с ними инфраструктуры. По результатам анализа клиент получает рекомендации по улучшению системы и противодействию атакам. Аудит безопасности алгоритмов машинного обучения позволит значительно сократить риск успешной атаки на АМО, а также улучшить работу моделей обучения.

Заполните форму для предоставления расчета сроков и стоимости работ

Задачи аудита

1

Проанализировать инфраструктуру, взаимодействующую с АМО

2

Проанализировать компоненты внутреннего устройства АМО

3

Провести симуляцию WhiteBox
и BlackBox атак

Объект исследования

  • Алгоритмы машинного обучения (АМО)
  • Инфраструктура взаимодействия с АМО
  • Модель машинного обучения

Результат проекта

  • Отчет о выявленных уязвимостях и недостатках безопасности инфраструктуры взаимодействия с АМО и рекомендации по их устранению
  • Рекомендации по обучению модели машинного обучения и эксплуатации АМО

Заинтересованы в услуге?