當攻擊者篡改用于訓練 AI 模型的數(shù)據(jù)時,實際上會“中毒”。因為人工智能依賴于這些數(shù)據(jù)來學習如何做出準確的預測,所以算法生成的預測將是不正確的。
威脅行為者現(xiàn)在正在以可用于網(wǎng)絡攻擊的方式處理數(shù)據(jù)。例如,他們可以通過更改推薦引擎的數(shù)據(jù)來做很多事情。從那里,他們可以讓某人下載惡意軟件應用程序或單擊受感染的鏈接。
數(shù)據(jù)中毒是如此危險,因為它使用人工智能來對付我們。我們越來越相信人工智能對我們個人生活和工作的許多方面的預測。從幫助我們選擇要觀看的電影到告訴我們哪些客戶可能會取消他們的服務,它無所不能。
威脅行為者也在使用數(shù)據(jù)中毒來滲透防御者用來發(fā)現(xiàn)威脅的工具。首先,他們可以更改數(shù)據(jù)或添加數(shù)據(jù)以生成不正確的分類。此外,攻擊者還利用數(shù)據(jù)中毒來生成后門。
對 AI 工具的數(shù)據(jù)中毒攻擊的增加意味著企業(yè)和機構(gòu)可能會猶豫轉(zhuǎn)向這些工具。它還使防御者知道要信任哪些數(shù)據(jù)變得更具挑戰(zhàn)性。
針對使用人工智能 (AI) 和機器學習 (ML) 的安全軟件的數(shù)據(jù)中毒可能是下一個重大的網(wǎng)絡安全風險。隨著這種新威脅的迅速出現(xiàn),防御者必須學習如何發(fā)現(xiàn)數(shù)據(jù)中毒攻擊以及如何預防它們。否則,將根據(jù)錯誤數(shù)據(jù)做出業(yè)務和網(wǎng)絡安全決策。作為捍衛(wèi)者不能盲目相信擁有的工具和數(shù)據(jù)。應更加了解算法的工作原理并定期檢查異常數(shù)據(jù)將有助于我們提前防范攻擊。