超级会员免费看
本文深入探讨了在安全领域应用机器学习时遇到的常见问题，包括数据收集和标记中的抽样偏差和标签不正确，系统设计与训练中的数据窥探和伪相关，性能评估的不当基线和评价措施，以及部署和运行时仅限实验室评估和不当的威胁模型。研究发现这些问题在30篇顶级安全会议论文中普遍存在，并提出了解决和避免这些问题的建议，强调了机器学习在安全领域的应用需要谨慎对待和深入理解。
文章目录
Dos and Don’ts of Machine Learning in Computer Security
abstract
第一段
With the growing processing power of computer systems and the increasing availability of massive datasets, machine learning algorithms have led to major breakthroughs in many different areas.
随着计算机处理能力的增强和海量数据集可用性的提高，机器学习算法在很多不同的领域取得突破
This development has influenced computer security, spawning a series of work on learning-based security systems, such as for malware detection, vulnerability dicovery, and binary code analysis.
这种发展影响了计算机安全，催生了大量基于学习的系统安全的工作，比如恶意软件检测，漏洞发现，二进制代码分析。
Despite great potential, machine lear
订阅专栏 解锁全文
扫一扫
488
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
