AI的未来是乌云遮天的
发布时间：2021-05-13 15:24:16 所属栏目：大数据 来源：互联网
导读：当AI和ML系统用于企业安全(例如，用户行为分析、监控网络流量或检查数据过滤)时，偏差和模型漂移也会带来潜在风险。低估特定攻击或很快过时的训练数据集会使组织易受攻击，尤其是在越来越依赖人工智能进行防御的情况下。你需要不断更新你的模型，Raff说。你
|
当AI和ML系统用于企业安全(例如，用户行为分析、监控网络流量或检查数据过滤)时，偏差和模型漂移也会带来潜在风险。低估特定攻击或很快过时的训练数据集会使组织易受攻击，尤其是在越来越依赖人工智能进行防御的情况下。“你需要不断更新你的模型，”Raff说。“你需要让它成为一个连续的东西。”
在某些情况下，训练可以是自动的。例如，使模型适应不断变化的天气模式或供应链交付时间表，可以帮助它随着时间的推移而变得更加可靠。当信息源涉及恶意参与者时，就需要小心的管理训练数据集，以避免中毒和被操纵。
企业已经在处理产生伦理问题的算法了，比如当进行面部识别或招聘平台歧视女性或少数民族时。当偏见渗透到算法中时，它也会产生合规性的问题，而在自动驾驶汽车和医疗应用的情况下，甚至还会导致人员死亡。
就像算法可以在预测中注入偏差一样，它们也可以用来控制偏差。例如，Othot在帮助大学实现优化班级规模或实现财务目标等。在没有适当约束的情况下创建模型就很容易产生偏见，Othot的Abbatico说。“对偏见的核算需要更加勤奋。添加与多样性相关的目标将有助于建模理解目标，以及消除偏差，如果不将多样性目标作为约束条件纳入数据录取中，这种偏见就很容易被纳入。”
AI和ML系统需要大量的数据、复杂的算法和强大的处理器，以便在需要时进行扩展。所有主要的云供应商都致力于提供一个数据科学平台，将一切都放在一个方便的地方。这意味着数据科学家将不需要等待IT来为他们提供服务器。他们只要上网，填几张表格，然后就可以开始做生意了。
根据德勤的人工智能调查，93%的企业正在使用某种形式的云计算人工智能。“这会让入门变得更容易，”德勤的Loucks说。这些项目随后变成了操作系统，而随着规模的扩大，配置问题也成倍增加。有了最新的服务，集中式、自动化的配置和安全管理仪表板就可能不再可用，公司必须自己编写，或者等待供应商来填补空白。
当使用系统的人是公民数据科学家或理论研究人员时，因为他们没有强大的安全背景，就可能会是一个问题。此外，供应商历来都是首先会推出新的功能，其次才是安全性。当系统快速被部署，然后更快速地进行扩展时，就可能是一个问题。我们已经在物联网设备、云存储和容器上看到了这种情况。
人工智能平台供应商越来越意识到了这种威胁，并从错误中吸取了教训，Raff说。“考虑到历史上‘安全第一’的思维方式，我看到包括安全在内的计划会比我们预期的来的更加积极，”他说。“ML社区对此也比较关注，滞后时间可能会更短。”
德勤的首席人工智能联席主管Irfan Saif对此表示赞同，尤其是在支持大型企业人工智能工作负载的主要云平台方面。“我会说，是的，就网络安全能力的发展而言，它们可能会比以前的技术更加成熟。”
 （编辑：常州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
