【AAMSA 2019 | tutorial】对抗机器学习 Adversarial Machine Learning， 伊利诺伊大学厄巴纳-香槟分校|Bo Li，圣路易斯华盛顿大学|Yevgeniy Vorobeychik

题目： Adversarial Machine Learning

报告简介： 近年来，机器学习在广泛的行业和应用中获得了惊人的普及。机器学习技术的许多应用本质上都是对抗性的。的确，对抗性使用远远超出了简单的分类示例：对恶意软件的分析将群集，异常检测甚至自动驾驶车辆的视觉系统结合在一起，都可能受到攻击。针对这些担忧，出现了有关对抗性机器学习的新兴文献，既涵盖了机器学习算法中的漏洞分析，又包括产生更强大学习的算法技术。本教程将调查来自网络安全和机器学习研究领域的各种问题和技术。特别是，我们考虑了对抗性分类器和训练数据本身已损坏的问题。我们首先讨论分类器，然后讨论其他学习范例，以及相关的防御技术，然后，我们考虑用于攻击和防御神经网络的专用技术。

嘉宾介绍： Bo Li是伊利诺伊大学香槟分校计算机科学系的助理教授。 她的研究兴趣在于对抗性深度学习，安全性，隐私和博弈论。 她已经开发并分析了可扩展的健壮学习框架，用于在对抗环境中学习算法以应对逃避攻击。 她还分析了物理世界中针对学习算法的对抗行为。

Yevgeniy Vorobeychik是圣路易斯华盛顿大学计算机科学与工程学院的副教授。此前，他是桑迪亚国家实验室的首席研究科学家。2008年至2010年，他是宾夕法尼亚大学计算机与信息科学系的博士后研究员。他获得了密歇根大学的计算机科学与工程博士学位(2008)和硕士学位(2004)，以及西北大学的计算机工程学士学位。他的工作重点是安全与隐私的博弈论建模，对抗机器学习，算法和行为博弈论和激励设计，优化，基于代理的建模，复杂系统，网络科学，流行病控制。Vorobeychik博士在2017年获得了美国国家科学基金会职业成就奖，并受邀发表了ijcai16早期职业聚焦演讲。他被提名为2008年ACM博士学位论文奖，并获得了2008年IFAAMAS杰出论文奖的荣誉奖。