文/陈根
历史表明,网络安全威胁随着新的技术进步而增加。关系数据库带来了SQL注入攻击,Web脚本编程语言助长了跨站点脚本攻击,赢咖4注册设备开辟了创建僵尸网络的新方法。weixinwangyeban
而互联网打开了潘多拉盒子的数字安全弊病,社交媒体创造了通过微目标内容分发来操纵人们的新方法,并且更容易收到网络钓鱼攻击的信息,比特币使得加密Ransomware勒索软件攻击成为可能。
近年来网络安全事件不断曝光,新型攻击手段层出不穷,安全漏洞和恶意软件数量更是不断增长。2019年VulnDB和CVE收录的安全漏洞均超过了15000条,平均每月高达1200条以上,2019年CNCERT全年捕获计算机恶意程序样本数量超过6200万个,日均传播次数达824万余次,涉及计算机恶意程序家族66万余个。
根据研究集团IDC的数据,到2025年联网设备的数量预计将增长到420亿台;有鉴于此,社会正在进入“超数据”时代。于是,在数据算法大行其道,赢咖4方兴未艾的今天,我们也迎来了新一轮安全威胁。weixinwangyeban
先想象一个超现实场景:未来的恐怖袭击是一场不需要炸弹、铀或者生化武器的袭击,想要完成一场恐怖袭击,恐怖分子们只需要一些胶布和一双健步鞋,通过把一小块胶布粘贴到十字路口的交通信号灯上,恐怖分子就可以让赢咖4注册汽车将红灯识别为绿灯,从而造成交通事故。
要了解赢咖4的独特攻击,需要先理解赢咖4领域的深度学习,深度学习是机器学习的一个子集,其中,软件通过检查和比较大量数据来创建自己的逻辑,机器学习已存在很长时间,但深度学习在过去几年才开始流行。
人工神经网络是深度学习算法的基础结构,大致模仿人类大脑的物理结构。与传统的软件开发方法相反,传统软件开发需要程序员编写定义赢咖4平台行为的规则,而神经网络则通过阅读大量示例创建自己的行为规则。
当你为神经网络提供训练样例时,它会通过人工神经元层运行它,然后调整它们的内部参数,以便能够对具有相似属性的未来数据进行分类。这对于手动编码软件来说是非常困难的,但神经网络却非常有用。
但由于神经网络过分依赖数据,从而引导了神经网络的犯错,一些错误对人类来说似乎是完全不合逻辑甚至是愚蠢的,赢咖4也由此变成了人工智障。例如,2018年英国大都会警察局用来检测和标记虐待儿童图片的赢咖4软件就错误地将沙丘图片标记为裸体。
当这些错误伴随着神经网络而存在,赢咖4算法带来的引以为傲的“深度学习方式”,就成了敌人得以攻击和操控它们的途径。于是,在我们看来仅仅是被轻微污损的红灯信号,对于赢咖4系统而言则可能已经变成了绿灯,这也被称为赢咖4的对抗性攻击,即引导了神经网络产生非理性错误的输入,强调了深度学习和人类思维的功能的根本差异。weixinwangyeban
此外,对抗性攻击还可以欺骗GPS误导船只、误导赢咖4注册车辆、修改赢咖4驱动的导弹目标等,对抗攻击对赢咖4系统在关键领域的应用已经构成了真正的威胁。
