advmlthreatmatrix:对抗威胁矩阵

对抗性ML威胁矩阵-目录 该项目的目标是在样式的框架中定位对机器学习（ML）系统的攻击，以便安全分析人员可以使自己适应这些新的和即将到来的威胁。 如果您不熟悉ML系统的攻击方法，建议您从针对安全分析人员的简洁。 或者，如果您想直接潜水，请前往 。 为什么要开发对抗性ML威胁矩阵？ 在过去的三年中，诸如 ， ， 和主要公司都对其机器学习系统进行了欺骗，逃避或误导。 根据这种趋势只会上升。 到2022年，将有30％的网络攻击涉及数据中毒，模型盗窃或对抗性例子。 行业准备不足。 在对大小型组织的28个组织的中，有25个组织不知道如何保护其机器学习系统。 与绑定到特定软件和硬件系统的传统网络安全漏洞不同，对抗性ML漏洞由ML算法所固有的局限性实现。 可以采用新方法对数据进行武器处理，这需要扩展我们对网络对手行为建模的方式，以反映新出现的威胁向量和快速发展的对抗机器学习攻击生命周期。