来自 安全 2021-11-06 07:28 的文章

ddos防御_网站云防护_免费试用

ddos防御_网站云防护_免费试用

 由管理员2020年8月11日专家小组福布斯网站»人工智能的最新进展使其潜力似乎无限。它的一个可能用途是使用机器人来过滤各种程序和应用程序中的敏感材料。然而,允许机器人访问、确定和阻止敏感材料可能存在风险,如何做好ddos的防御,因此谨慎行事非常重要。为了更好地理解这些风险,我们邀请了福布斯技术委员会的一组成员分享一些重要的注意事项,当你在开发一个过滤敏感材料的人工智能机器人时要记住。他们最好的回答如下。1消除噪音。从消除噪音开始。确保你的假设是基于不区分或创造偏见基础的基本概念。在判断主观材料时,机器人尽可能保持公正是一个重要的考虑因素。–萨姆·阿姆拉尼,奥尔文2定期验证数据集并重新培训。人工智能机器人训练的监控数据集必须是干净和精确的。否则,机器人将无法过滤出关键信息。在训练机器人之前,必须验证数据集的准确性和正确性。第二,由于敏感信息以新的和不同的方式出现,因此应该有规律地用最新数据进行再培训。–舒布·贾因,奥泉三。让跨学科专家参与以消除偏见。算法偏差已经逐渐渗透到人工智能工具中,这是开发人员/程序员固有偏见的产物。这可能会给企业带来严重的问题,尤其是那些过滤敏感材料的机器人,在这种情况下,风险更大,冲击也更猛烈。让跨学科专家,如数据民族志专家,社会科学家和伦理学家参与无偏见机器人。–Sayandeb Banerjee,马拉松公司4小心管理你的成本。使用机器人来过滤敏感材料可能相当昂贵,尤其是在参数严格控制的情况下。如果数据库很大,部署和管理机器人程序以及检查它们过滤的数据集的成本会迅速失控,因此必须加以控制。–Irsa Faruqui,RetroCube-软件和移动应用程序开发公司5制定一套明确的道德价值观。一套清晰的价值观需要被编程到任何人工智能中,无论是面向人类还是做出影响人类的决策。用于过滤敏感材料的机器人必须展示出一套清晰的人类价值观,并且对它们是什么、它们的目标以及它们使用的标准保持透明。–Ran Zilla,内网ddos攻击防御,快乐6了解过滤如何影响传递速度。"敏感"的定义因行业而异。对于像银行和公共部门这样的受监管行业,这个术语定义了数据的合规级别,使用模板标准对其进行过滤是一个非常明智的想法。然而,过滤阻碍了组织的交付速度,因此应该明智地将其用于其他行业。–Sandeep Shilawat,ManTech公司7控制bot的访问权限,方法与用户相同。机器人增加了很多机会,但也带来了新的风险和风险。他们像组织中的任何其他用户一样访问关键系统、应用程序和数据,控制他们的访问非常重要。黑客可以很容易地欺骗一个机器人,结果,访问机器人可以访问的所有应用程序和数据。–Juliette Rizkallah,帆船之角8用文化敏感度设计你的机器人。当我们集体意识到需要重新设计我们的组织使其具有文化敏感性时,我们需要对我们开发的机器人应用同样的期望。如果他们的目的是帮助过滤敏感材料,他们需要了解所述材料的全部内容,作者、内容、媒介、渠道、目的等,以避免意外的歧视。–Florian Quarré,指数人工智能9仔细检查第三方访问和数据隐私。许多人工智能解决方案要求将数据从公司的服务器上转移到第三方解决方案提供商的服务器上。您的公司可能有数据保护策略和程序,但当第三方开始处理您的数据时,您可能会受到第三方的摆布。Cambridge Analytica为我们提供了一个最坏情况下,个人ip防御ddos,当第三方可以访问客户数据时会发生什么。–肖恩·赫尔曼,金动物园10确保初始培训资料中有足够的数据。机器学习和人工智能需要大量的信息来进行训练,因此在初始训练源中有足够的数据是至关重要的。如果你觉得你有足够的,再加一些。越多越好。同样重要的是包括控制数据(非敏感)和边缘情况,这样人工智能就可以得到一个清晰的画面。–Saryu Nayar,古鲁古尔11创造一个安全的数字环境。无论是社交媒体还是内部商业通信,机器人都必须在完全安全的数字环境中运行。如果人工智能机器人要过滤和处理敏感数据,它最终会成为黑客的目标。过滤机器人将根据需要使用加密密钥,因此您需要一个安全的密钥管理环境,ddos攻击原理及防御方法,以确保敏感材料不会泄漏。–John Shin,RSI安全12让你的公司安全团队参与进来。公司安全团队最终将对数据、信息、设备、网络等所有敏感信息承担责任。如果我们让CSO团队参与持续翻译和签署安全要求的过程,机器人团队可以毫无差距地跟进。这是我们保持人工智能开发和企业安全流程同步的唯一途径。–Anbu Muppidathi,认知13投入必要的人力资源。机器人必须经过良好的训练才能正常工作。确保您的组织能够投入必要的人力资源来拥有和管理bot成功所需的知识库。正是人类经验和人工智能潜力的协同作用产生了最好的影响。–史蒂文·坤,库拉索库比14确保有充足的历史数据和人为干预。当建立了事务性的、可重复的、简单的决策标准时,AI机器人可以很好地工作。对于专门构建的人工智能,一个关键的考虑是确保机器上有人在循环中学习,以避免自主创造的偏见(就像Facebook和其他人发现的那样)。大量的历史数据也有助于人工智能更快地走向自主。–John Walsh III,国内cdn防御cc,全球红色峰会外部链接:构建过滤机器人的14个重要策略分享这个页码:LinkedInFacebookTwitter分享