Apprentissage adverse et algorithmes de détection d'évènements : une première typologie - Systèmes d’Informations Généralisées Accéder directement au contenu
Poster De Conférence Année : 2022

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
Vignette du fichier
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)

Dates et versions

hal-03668829 , version 1 (16-05-2022)

Identifiants

  • HAL Id : hal-03668829 , version 1

Citer

Olivier de Casanove, Florence Sèdes. Apprentissage adverse et algorithmes de détection d'évènements : une première typologie. Rendez-vous de la Recherche et de l'Enseignement de la Sécurité des Systèmes d'Information (RESSI 2022), May 2022, Chambon-Sur-Lac, France. 2022. ⟨hal-03668829⟩
242 Consultations
64 Téléchargements

Partager

Gmail Facebook X LinkedIn More