References analysis of the Wikipedia article "Adversarial machine learning" in the Italian version

acm.org

dl.acm.org

Shike Mei e Xiaojin Zhu, Using machine teaching to identify optimal training-set attacks on machine learners, in Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelligence, AAAI Press, 25 gennaio 2015, pp. 2871–2877, DOI:10.5555/2886521.2886721. URL consultato il 15 giugno 2021.

arxiv.org

Kalpesh Krishna, Gaurav Singh Tomar e Ankur P. Parikh, Thieves on Sesame Street! Model Extraction of BERT-based APIs, in arXiv:1910.12366 [cs], 12 ottobre 2020. URL consultato il 15 giugno 2021.

Battista Biggio, Blaine Nelson e Pavel Laskov, Poisoning Attacks against Support Vector Machines, in arXiv:1206.6389 [cs, stat], 25 marzo 2013. URL consultato il 15 giugno 2021.

Nicolas Papernot, Patrick McDaniel e Somesh Jha, The Limitations of Deep Learning in Adversarial Settings, in arXiv:1511.07528 [cs, stat], 23 novembre 2015. URL consultato il 15 giugno 2021.

Samuel Yeom, Irene Giacomelli e Matt Fredrikson, Privacy Risk in Machine Learning: Analyzing the Connection to Overfitting, in arXiv:1709.01604 [cs, stat], 4 maggio 2018. URL consultato il 16 giugno 2021.

Reza Shokri, Marco Stronati e Congzheng Song, Membership Inference Attacks against Machine Learning Models, in arXiv:1610.05820 [cs, stat], 31 marzo 2017. URL consultato il 16 giugno 2021.

Giuseppe Ateniese, Giovanni Felici e Luigi V. Mancini, Hacking Smart Machines with Smarter Ones: How to Extract Meaningful Data from Machine Learning Classifiers, in arXiv:1306.4447 [cs, stat], 19 giugno 2013. URL consultato il 16 giugno 2021.

Florian Tramèr, Fan Zhang e Ari Juels, Stealing Machine Learning Models via Prediction APIs, in arXiv:1609.02943 [cs, stat], 2 ottobre 2016. URL consultato il 16 giugno 2021.

Tribhuvanesh Orekondy, Bernt Schiele e Mario Fritz, Knockoff Nets: Stealing Functionality of Black-Box Models, in arXiv:1812.02766 [cs], 6 dicembre 2018. URL consultato il 16 giugno 2021.

Battista Biggio, Giorgio Fumera e Fabio Roli, Security Evaluation of Pattern Classifiers under Attack, in IEEE Transactions on Knowledge and Data Engineering, vol. 26, n. 4, 2014-04, pp. 984–996, DOI:10.1109/TKDE.2013.57. URL consultato il 16 giugno 2021.

Ian J. Goodfellow, Jonathon Shlens e Christian Szegedy, Explaining and Harnessing Adversarial Examples, in arXiv:1412.6572 [cs, stat], 20 marzo 2015. URL consultato il 17 giugno 2021.

Kathrin Grosse, Nicolas Papernot e Praveen Manoharan, Adversarial Perturbations Against Deep Neural Networks for Malware Classification, in arXiv:1606.04435 [cs], 16 giugno 2016. URL consultato il 17 giugno 2021.

Geoffrey Hinton, Oriol Vinyals e Jeff Dean, Distilling the Knowledge in a Neural Network, in arXiv:1503.02531 [cs, stat], 9 marzo 2015. URL consultato il 17 giugno 2021.

Nicolas Papernot, Patrick McDaniel e Xi Wu, Distillation as a Defense to Adversarial Perturbations against Deep Neural Networks, in arXiv:1511.04508 [cs, stat], 14 marzo 2016. URL consultato il 17 giugno 2021.

Battista Biggio, Igino Corona e Blaine Nelson, Security Evaluation of Support Vector Machines in Adversarial Environments, in arXiv:1401.7727 [cs], 29 gennaio 2014. URL consultato il 17 giugno 2021.

Benjamin I. P. Rubinstein, Peter L. Bartlett e Ling Huang, Learning in a Large Function Space: Privacy-Preserving Mechanisms for SVM Learning, in arXiv:0911.5708 [cs], 30 novembre 2009. URL consultato il 17 giugno 2021.

doi.org

dx.doi.org

Benjamin I.P. Rubinstein, Blaine Nelson e Ling Huang, ANTIDOTE: understanding and defending against poisoning of anomaly detectors, in Proceedings of the 9th ACM SIGCOMM conference on Internet measurement, Association for Computing Machinery, 4 novembre 2009, pp. 1–14, DOI:10.1145/1644893.1644895. URL consultato il 15 giugno 2021.

Battista Biggio, Ignazio Pillai e Samuel Rota Bulò, Is data clustering in adversarial settings secure?, in Proceedings of the 2013 ACM workshop on Artificial intelligence and security, Association for Computing Machinery, 4 novembre 2013, pp. 87–98, DOI:10.1145/2517312.2517321. URL consultato il 15 giugno 2021.

Battista Biggio, Konrad Rieck e Davide Ariu, Poisoning behavioral malware clustering, in Proceedings of the 2014 Workshop on Artificial Intelligent and Security Workshop, Association for Computing Machinery, 7 novembre 2014, pp. 27–36, DOI:10.1145/2666652.2666666. URL consultato il 15 giugno 2021.

(EN) Kathrin Grosse, Nicolas Papernot e Praveen Manoharan, Adversarial Examples for Malware Detection, in Computer Security – ESORICS 2017, Springer International Publishing, 2017, pp. 62–79, DOI:10.1007/978-3-319-66399-9_4. URL consultato il 16 giugno 2021.

Xi Wu, Matthew Fredrikson e Somesh Jha, A Methodology for Formalizing Model-Inversion Attacks, in 2016 IEEE 29th Computer Security Foundations Symposium (CSF), 2016-06, pp. 355–370, DOI:10.1109/CSF.2016.32. URL consultato il 16 giugno 2021.

Matt Fredrikson, Somesh Jha e Thomas Ristenpart, Model Inversion Attacks that Exploit Confidence Information and Basic Countermeasures, in Proceedings of the 22nd ACM SIGSAC Conference on Computer and Communications Security, Association for Computing Machinery, 12 ottobre 2015, pp. 1322–1333, DOI:10.1145/2810103.2813677. URL consultato il 16 giugno 2021.

Ling Huang, Anthony D. Joseph e Blaine Nelson, Adversarial machine learning, in Proceedings of the 4th ACM workshop on Security and artificial intelligence, Association for Computing Machinery, 21 ottobre 2011, pp. 43–58, DOI:10.1145/2046684.2046692. URL consultato il 16 giugno 2021.

(EN) Ofer Dekel, Ohad Shamir e Lin Xiao, Learning to classify with missing and corrupted features, in Machine Learning, vol. 81, n. 2, 1º novembre 2010, pp. 149–178, DOI:10.1007/s10994-009-5124-8. URL consultato il 17 giugno 2021.

Saeed Abu-Nimeh, Dario Nappa e Xinlei Wang, A comparison of machine learning techniques for phishing detection, in Proceedings of the anti-phishing working groups 2nd annual eCrime researchers summit, Association for Computing Machinery, 4 ottobre 2007, pp. 60–69, DOI:10.1145/1299015.1299021. URL consultato il 17 giugno 2021.

Ivan Studnia, Vincent Nicomette e Eric Alata, Survey on security threats and protection mechanisms in embedded automotive networks, in 2013 43rd Annual IEEE/IFIP Conference on Dependable Systems and Networks Workshop (DSN-W), 2013-06, pp. 1–12, DOI:10.1109/DSNW.2013.6615528. URL consultato il 17 giugno 2021.

(EN) Michael Bailey, Jon Oberheide e Jon Andersen, Automated Classification and Analysis of Internet Malware, in Recent Advances in Intrusion Detection, Springer, 2007, pp. 178–197, DOI:10.1007/978-3-540-74320-0_10. URL consultato il 17 giugno 2021.

(EN) Konrad Rieck, Philipp Trinius e Carsten Willems, Automatic analysis of malware behavior using machine learning, in Journal of Computer Security, vol. 19, n. 4, 1º gennaio 2011, pp. 639–668, DOI:10.3233/JCS-2010-0410. URL consultato il 17 giugno 2021.

(EN) Konrad Rieck, Thorsten Holz e Carsten Willems, Learning and Classification of Malware Behavior, in Detection of Intrusions and Malware, and Vulnerability Assessment, Springer, 2008, pp. 108–125, DOI:10.1007/978-3-540-70542-0_6. URL consultato il 17 giugno 2021.

doi.org

ieee.org

ieeexplore.ieee.org

springer.com

link.springer.com

web.archive.org

Battista Biggio, Giorgio Fumera e Fabio Roli, Multiple Classifier Systems for Robust Classifier Design in Adversarial Environments, in Journal of Machine Learning and Cybernetics, vol. 1, 2010, pp. 27–41. URL consultato il 17 giugno 2021 (archiviato dall'url originale il 19 gennaio 2023).

Supervised and Unsupervised Ensemble Methods and Their Applications, vol. 245, Springer Berlin / Heidelberg, 2009. URL consultato il 17 giugno 2021 (archiviato dall'url originale il 15 gennaio 2015).

Adversarial machine learning (Italian Wikipedia)

acm.org

dl.acm.org

arxiv.org

csoonline.com

doi.org

dx.doi.org

doi.org

iarpa.gov

ieee.org

ieeexplore.ieee.org

iospress.com

content.iospress.com

openreview.net

qualified.one

semanticscholar.org

springer.com

link.springer.com

tensorflow.org

towardsdatascience.com

web.archive.org

webopedia.com