知识卡片
数据质量是安全条件
模型依靠输入数据形成或使用判断,数据缺失、变形、噪声和恶意污染都可能传递为输出错误。数据量大并不能自动抵消来源不可靠的问题。安全检查应区分自然质量缺陷与有意攻击,并保留来源、质量检查和异常处理依据。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 概述 数据、模型与应用扩散 · 查看原书依据
人工智能缺乏对数据正确性甄别的能力,同时,人工智能在进行推理判断的时候,是依据所获取的数据来进行的,所以,人工智能系统高度依赖数据的正确性。有多种原因能够使输入的数据质量低下,包括数据丢失和变形、噪声数据输入、数据投毒和样本对抗等,进而会对
参考来源
- 位置:《人工智能安全》概述,数据、模型与应用扩散(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能安全/_epub-src/EPUB/xhtml/Section0001_0004.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;书中历史数据与技术预测保留原有时点,不当作当前已验证结论。
- 原始内容:人工智能缺乏对数据正确性甄别的能力,同时,人工智能在进行推理判断的时候,是依据所获取的数据来进行的,所以,人工智能系统高度依赖数据的正确性。有多种原因能够使输入的数据质量低下,包括数据丢失和变形、噪声数据输入、数据投毒和样本对抗等,进而会对