[1] |
中国信息通信研究院, 京东探索研究院. 可信人工智能白皮书[R], 2021.
|
[2] |
王亦菲, 韩凯峰. 数字经济时代人工智能伦理风险及治理体系研究[J]. 信息通信技术与政策, 2021, 47(2): 32-36.
|
[3] |
李雨霏. 人工智能在数据治理中的应用[J]. 信息通信技术与政策, 2019, 45(5): 23-27.
|
[4] |
中国信息通信研究院, 中国人工智能产业发展联盟. 人工智能治理白皮书[R], 2020.
|
[5] |
朱强. 机器学习中的对抗样本防御和隐私保护[D]. 西安: 西安电子科技大学, 2019.
|
[6] |
魏国富, 石英村. 人工智能数据安全治理与技术发展概述[J]. 信息安全研究, 2021, 7(2): 110-119.
|
[7] |
杨强. AI与数据隐私保护: 联邦学习的破解之道[J]. 信息安全研究, 2019, 5(11): 961-965.
|
[8] |
闫树, 吕艾临. 隐私计算发展综述[J]. 信息通信技术与政策, 2021, 47(6): 1-11.
|
[9] |
令狐曦. 机器学习模型测评技术研究与实现[D]. 北京: 北京邮电大学, 2019.
|
[10] |
GOODFELLOW IJ, SHLENS J, SZEGEDY C, et al. Explaining and harnessing adversarial examples. arXiv:1412.6572, 2014.
|
[11] |
PAPERNOT N, MCDANIEL P, GOODFELLOW I, et al. Practical black-box attacks against machine learning[C]. Computer and Communications Security, 2017: 506-519.
|
[12] |
姜妍, 张立国. 面向深度学习模型的对抗攻击与防御方法综述[J]. 计算机工程, 2021, 47(1): 1-11.
|
[13] |
王科迪, 易平. 人工智能对抗环境下的模型鲁棒性研究综述[J]. 信息安全学报, 2020, 5(3): 13-22.
|
[14] |
腾讯研究院. 可解释AI发展报告2022——打开算法黑箱的理念与实践[R], 2022.
|