一、前言

开学事多，好久没有更新博客了（好久没有认真学习了）。深刻检讨，好好学习，天天向上。

经过了一段时间的学习（假学习），发现其实自己做安全领域更好一些，因为所有的专业老师都是安全领域的。但是自己不知道为啥，对机器学习情有独钟。唉，孽缘，孽缘。所以，两个领域都多了解了解吧，更深入了解之后，再定自己到底做什么。

如果你有什么问题，希望跟我能够一起交流，除了通过博客交流外，欢迎你加入我的QQ群，一起交流有关于机器学习、深度学习、计算机视觉有关内容。目前我处于广泛涉猎阶段，希望我们能够一起沟通。下图是我的群二维码：

今天看到一篇文章，是关于人工智能和安全的，确实现在人工智能比较火热，但是人工智能安全性等问题，关注度还是没有深度学习火热。但这个确实是很重要的问题。所以把这篇文章尝试翻译，分享给大家，希望大家喜欢，大家有什么想法，有什么意见，欢迎与我一同讨论。

这篇文章的题目是《Summary/Overview for Artificial Intelligence and Security》

二、摘要

人工智能与安全研讨会（AISec）关注人工智能（AI）和机器学习在对抗性环境中的理论和应用，例如安全和隐私应用，相对应的，通过使用大规模AI方法对安全和隐私产生了影响。研讨会是包含应用、算法和理论的首要场所，并继续吸引来自不同研究人员的意见，他们解决了这个不断增长的领域中新出现的问题。AISec为安全、隐私、人工智能和学习社区的研究人员提供了一个论坛，用于讨论智能技术在安全和隐私应用中的作用，并向人工智能和学习社区展示这些问题的独特需求。

人工智能（AI）、机器学习（ML）和数据挖掘在安全和隐私问题上的应用前景正在不断扩大。这些技术提供的分析工具和智能行为使得人工智能和学习对于拥有大量数据或需要对不断变化的情况作出快速反应的领域的自动实时决策变得越来越重要。特别是，这些智能技术为涉及通过云计算扩展的大数据分析的安全问题提供了新的解决方案。在安全敏感领域使用学习方法为安全研究开辟了新的领域，在这一领域，对手可能试图误导或躲避智能机器。AISec研讨会提供了一个展示和讨论安全/隐私与人工智能和机器学习融合的新发展的场所。

AISec连续六年成为在ccs工作并对安全、隐私、AI和ML结合感兴趣的研究人员的首选会议场所。过去一年，AISec社区内开展了大量活动，首先是Dagstuhl研讨会，然后是第五次AISec研讨会。这种激增有几个原因。首先，机器学习、数据挖掘和其他人工智能技术在从大数据中提取知识、态势感知和安全智能方面发挥着关键作用。其次，像谷歌和亚马逊这样以数据为中心的公司正越来越多地探索和部署学习技术，为客户解决大数据问题。最后，这些趋势正在使公司及其客户切实接触到智能技术。因此，研究人员正在探索这些学习技术，作为安全/隐私问题的潜在解决方案，同时也作为需要保护的新的潜在隐私/安全漏洞。

三、WORKSHOP OBJECTIVE（研讨会目标）

AISec研讨会是一个将实际安全问题与人工智能和机器学习的发展结合起来的场所。在做这件事的过程中，研究人员也在开发这一领域特有的理论和分析，并探索各种各样的主题，包括在博弈论对抗环境中学习，隐私保护学习，以及垃圾邮件和入侵检测的应用。AI和ML提供了一组有用的分析和决策技术，这些技术正被不断增长的实践者社区所利用，包括在具有安全敏感元素的应用程序中。然而，虽然安全研究人员经常利用这些技术来解决问题，而AI/ML研究人员开发用于大数据分析的技术，但这些社区只能将有限的注意力放在另一个方面：在安全研究中，AI/ML组件通常被视为黑盒解算器。相反，学习社区很少考虑应用其算法所带来的安全/隐私影响。虽然这两个社区通常关注不同的方向，这两个领域在哪里相遇，但有趣的新问题出现了。这已经为两个社区提出了许多新的问题，并创建了一个新的研究分支，称为安全学习。在这个交叉点内，AISec研讨会已经成为这一独特研究融合的主要场所。

四、 TOPICS OF INTEREST（感兴趣的话题）

就作者和读者而言，我们征集了以下（但不限于）研究主题的论文：

与安全相关的学习理论主题

对抗性学习

稳健统计

在线学习

随机博弈中的学习

安全应用程序

计算机取证

垃圾邮件检测

网络钓鱼检测与防范

僵尸网络检测

入侵检测与响应

恶意软件识别

作者身份识别

大数据安全分析

安全相关人工智能问题

分布式安全推理与决策

安全多方计算与密码方法

隐私保护数据挖掘

自适应侧信道攻击

验证码的设计与分析

人工智能获得信任和声誉的途径

通过智能探测进行漏洞测试（例如，模糊化）

内容驱动的安全策略管理和访问控制

生成训练集和测试集的技术和方法

异常行为检测（例如，为了防止欺诈、认证的目的）