AML: A támadások és azok következményeinek mérséklésének taxonómiája és terminológiája
Ez a NIST Trustworthy and Responsible AI (Megbízható és felelősségteljes mesterséges intelligencia) című jelentése a fogalmak taxonómiáját dolgozza ki és meghatározza a terminológiát a támadó gépi tanulás (Adversarial Machine Learning – AML) területén. A taxonómia az AML szakirodalom felmérésén alapul, és egy olyan fogalmi hierarchiába rendeződik, amely magában foglalja az ML-módszerek kulcsfontosságú típusait és a támadás életciklusának szakaszait, a támadó céljait és célkitűzéseit, valamint a támadó képességeit és a tanulási folyamatra vonatkozó ismereteit.
A jelentés a támadások következményeinek mérséklésére és kezelésére vonatkozó megfelelő módszereket is tartalmaz, és rámutat azokra a releváns nyitott kihívásokra, amelyeket a mesterséges intelligencia alapú rendszerek életciklusa során figyelembe kell venni.
A jelentésben használt terminológia összhangban van a pénzmosás elleni védelemmel foglalkozó szakirodalommal, és azt egy szójegyzék egészíti ki, amely meghatározza a mesterséges intelligenciával működő rendszerek biztonságával kapcsolatos legfontosabb fogalmakat, és amely a nem szakértő olvasók számára nyújt segítséget.
A taxonómia és a terminológia együttesen arra szolgál, hogy a gyorsan fejlődő pénzmosás elleni küzdelemben közös nyelvezetet és megértést alakítson ki, és így tájékoztasson más szabványokat és jövőbeli gyakorlati útmutatókat a mesterséges intelligencia alapú rendszerek biztonságának értékeléséről és kezeléséről.