机构名称：
¥ 1.0
在分布式人工智能系统中，使用潜在不可靠来源的数据训练出来的模型可能会受到攻击，通过在训练集中插入精心设计的样本来操纵训练数据分布，这种攻击被称为数据中毒。中毒会改变模型行为，降低模型性能。本文提出了一种算法，提高了分布式人工智能系统中数据中毒的效率和安全性。过去的主动防御方法往往存在大量无效校验，减慢了整个系统的运行效率，而被动防御也存在数据缺失、错误源检测速度慢的问题。所提算法通过建立嫌疑假设等级来测试和扩展数据包的验证，估计终端数据的风险，通过防止中毒攻击的发生，保证系统运行的高效性和安全性，可以提高分布式人工智能系统的健康度。
一种分布式人工智能系统抗中毒攻击的方法
主要关键词
相关文件推荐
