Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Bài viết "Rủi ro vi phạm riêng tư dữ liệu trong học sâu" tổng hợp và phân tích các công trình liên quan đến vấn đề vi phạm riêng tư dữ liệu trong học sâu trong những năm gần đây, từ đó đề xuất mô hình và đưa ra những cảnh báo khi xây dựng các mô hình học sâu. Mời các bạn cùng tham khảo chi tiết bài viết tại đây. | Tạp chí Khoa học Công nghệ và Thực phẩm 22 3 2022 330-343 RỦI RO VI PHẠM RIÊNG TƯ DỮ LIỆU TRONG HỌC SÂU Trần Trương Tuấn Phát1 2 Đặng Trần Khánh1 1 Trường Đại học Công nghiệp Thực phẩm TP.HCM 2 Trường Đại học Bách Khoa - ĐHQG TP.HCM Email khanh@hufi.edu.vn Ngày nhận bài 10 06 2022 Ngày chấp nhận đăng 13 7 2022 TÓM TẮT Nhờ vào sự vượt trội về khả năng dự đoán của các phương pháp học sâu ứng dụng trí tuệ nhân tạo nói chung và học sâu nói riêng đã giải quyết được nhiều vấn đề thực tế và ngày càng được sử dụng rộng rãi trong nhiều lĩnh vực ngành nghề. Tuy nhiên mặc dù các mô hình học máy dựa trên học sâu mạnh trong nhiều tác vụ và bài toán nhưng vẫn chưa hoàn thiện. Điển hình là các mô hình này rất dễ bị tấn công và vi phạm các tiêu chí về an toàn thông tin. Trong đó rủi ro vi phạm về riêng tư dữ liệu là một vấn đề nhức nhối vì nó không chỉ ảnh hưởng đến hệ thống người cung cấp dịch vụ người dùng mà còn cả đến sự an toàn lòng tin của con người vào việc sử dụng công nghệ và các vấn đề xã hội pháp lý. Trong bài báo này chúng tôi tổng hợp và phân tích các công trình liên quan đến vấn đề vi phạm riêng tư dữ liệu trong học sâu trong những năm gần đây từ đó đề xuất mô hình và đưa ra những cảnh báo khi xây dựng các mô hình học sâu. Từ khóa Riêng tư dữ liệu học sâu dữ liệu lớn bảo mật dữ liệu điều khiển truy xuất. 1. MỞ ĐẦU Nhờ sự phát triển của các công nghệ phần cứng và dữ liệu lớn các mô hình học sâu dựa vào mạng nơron lần lượt vượt qua các phương pháp học máy trước đó trong hàng loạt các lĩnh vực đặc biệt là trong thị giác máy tính 1-3 và xử lý ngôn ngữ tự nhiên 4-6 . Tuy vậy gần đây các mô hình xây dựng dựa trên phương pháp học sâu bị khai thác và chứng minh có khả năng không an toàn trước nhiều rủi ro và các cuộc tấn công tấn công trốn tránh adversarial evasion attack 7-9 tấn công cửa sau backdoor attack 10 11 làm vi phạm tính toàn vẹn integrity của an toàn thông tin bên cạnh đó tấn công đầu độc dữ liệu data poisoning attack 12 13 làm vi phạm tính toàn vẹn integrity và