← 返回刚才阅读的位置

知识卡片

概念解析型 · 7171.k · 生成模型:DeepSeek-V4.1-Flash

机器学习框架及依赖库漏洞

理解等级:高级

机器学习框架多基于C/C++或Python开发并依赖众多第三方库,会出现语言性安全漏洞,威胁识别准确性与系统安全。如Numpy的CVE-2017-12852可导致DoS,需通过代码扫描与Fuzz测试加强安全开发。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 前沿安全技术 · 查看原书依据

      机器学习框架大部分基于C/C++或Python开发,且依赖众多第三方库(protobuf、librosa、libjpeg-turbo、libz、numpy等),会出现语言性的安全漏洞,这些漏洞直接威胁到识别的准确性和系统安全。比如,TensorFlow中依赖的Numpy存在CVE-2017-12852相关漏洞会造成DoS攻击,同时TensorFlow自身的漏洞(如CVE-2018-10055)会造成内存溢出等危害。

    参考来源

    - 位置:《大型互联网企业安全架构(石祖文)》第15章《前沿安全技术》(源文件:extracted/大型互联网企业安全架构 (石祖文)/_epub-src/EPUB/xhtml/chapter020) - 结论依据:原文给出对应定义与依据,支撑本卡结论。 - 原始内容:机器学习框架大部分基于C/C++或Python开发,且依赖众多第三方库(protobuf、librosa、libjpeg-turbo、libz、numpy等),会出现语言性的安全漏洞,这些漏洞直接威胁到识别的准确性和系统安全。比如,TensorFlow中依赖的Numpy存在CVE-2017-12852相关漏洞会造成DoS攻击,同时TensorFlow自身的漏洞(如CVE-2018-10055)会造成内存溢出等危害。