Apprentissage adverse et algorithmes de détection d'évènements : une première typologie
Résumé
Les réseaux sociaux peuvent être un support opérationnel pour la détection d'évènements. La littérature se concentre sur l'amélioration de la performance des algorithmes de détection d'évènements, mais fait peu mention de mesures permettant de se défendre contre une potentielle manipulation de la donnée d'entrée (appelé "adversarial learning" ou encore "apprentissage adverse"). Toute personne le souhaitant peut poster des messages sur les réseaux sociaux, il est donc possible pour n'importe qui de manipuler les données utilisées pour la détection. En conséquence, les algorithmes de détection d'évènements actuels sont particulièrement vulnérables à l'apprentissage adverse. Cet article propose une première typologie pour décrire les menaces liées à l'apprentissage adverse contre les algorithmes de détection d'évènements.
Fichier principal
poster.pdf (658.83 Ko)
Télécharger le fichier
RESSI_2022_Apprentissage_adverse_et_algorithmes_de_detection_d_evenements__une_premiere_typologie.pdf (81.3 Ko)
Télécharger le fichier
Origine | Fichiers produits par l'(les) auteur(s) |
---|
Origine | Fichiers produits par l'(les) auteur(s) |
---|