Jangseung: A Guardian for Machine Learning Algorithms to Protect Against Poisoning Attacks
Jangseung: A Guardian for Machine Learning Algorithms to Protect Against Poisoning Attacks abstract。
解决的问题
很多智能城市应用依赖机器学习,然而对抗扰动可以嵌入到训练数据中导致模型返回错误的结果。
Jangseung是一个预处理器,可以在不影响准确性的情况下限制中毒攻击的影响。创建 Jangseung 是为了利用异常检测算法来保护支持向量机免受中毒数据影响。
思路与方法
数据扰动
通过添加数据扰动来评估本文提出方法的效果,添加数据扰动的方法是Munoz-Gonzalez等人提出的。
Janseung 防护
两个空数组被初始化,一个用来跟踪 受保护的支持向量机 guard SVM,一个用来跟踪 不受保护的支持向量机 unguard SVM.
两个独立的森林针对对应的标签(一个正样本AD+,一个负样本AD-)来训练。
然后根据两个模型的值来进行异常值检测,对于新的输入,先通过异常值检测器获得一个预测,如果预测为负样本则送入正样本训练的SVM获得一个pass值,如果预测为正阳被则送入负样本训练的SVM获得一个pass值。
根据pass值决定是否需要过滤数据。
All articles in this blog are licensed under CC BY-NC-SA 4.0 unless stating additionally.