تهدیدات امنیتی و نقض حریم شخصی در سیستم‌های هوشمند مبتنی بر یادگیری ماشین

پیشرفت سریع یادگیری ماشین در دو دهه اخیر، علی‌رغم مزایای بسیاری که به همراه داشته، موجب بروز برخی تهدیدات امنیتی نیز شده که تا حدودی بر عملکرد آن سایه انداخته است. درواقع، آموزش و پیش‌بینی مدل‌های یادگیری ماشین بر اساس حجم زیادی از داده‌ها انجام می‌شود که ممکن است حاوی اطلاعات حساس یا شخصی باشند. وقوع مکرر نقص‌های امنیتی و نقض حریم شخصی در مبحث یادگیری ماشین توجه بسیاری از متخصصان را به خود جلب کرده است. با توجه به اهمیت موضوع، در این مقاله در ابتدا مفهوم مدل خصمانه در محافظت از حریم شخصی یادگیری ماشین معرفی‌شده و در ادامه، تهدیدات مشترک امنیتی و حریم شخصی در مراحل آموزش و پیش‌بینی یادگیری ماشین مانند نشت داده‌های حریم شخصی در مرحله‌ی آموزش، حملات مسموم‌سازی، حملات مقابله‌ای و حملات حریم شخصی بررسی می‌شوند. سپس روش‌های رایج دفاع و محافظت از حریم شخصی، تمرکز بر فناوری رمزنگاری هم‌ریختی، فناوری محاسبات چندجانبه‌ی ایمن، فناوری حریم شخصی افتراقی معرفی می‌شوند. در انتها، روند توسعه‌ و تحقیقات آتی در رابطه با حفظ حریم شخصی یادگیری ماشین مطرح می‌شود.