Lucian Constantin ?陈琳华

数据中毒会导致机器学习模型失准，从而得出错误的结论。由于目前缺乏简单易行的解决办法，因此安全专家必须重点关注数据中毒的检测和预防。

过去的十年中，云计算的普及为广大企业提供了高性能的运算与数据存储服务。受益于此，机器学习的应用也迎来了爆发式的增长。随着上游供应商将机器学习整合进他们的产品当中，这些机器学习的运算结果也成为了用户做决策的重要依据。对此，安全专家警告称，针对机器学习技术漏洞进行的网络攻击将会大量出现。

大多数网络社交平台、在线视频网站、大型购物网站、搜索引擎等服务都有基于机器学习技术的推荐系统。比如网飞用户爱看的电影和表演，脸书用户点赞或分享的内容，推特用户点赞或标注的内容，消费者在亚马逊购物网站上购买或浏览过的商品以及网友通过谷歌搜索查询过的信息，这些数据全都反馈给了这些公司的机器学习系统，从而可以更加准确地给用户推送适合其口味的信息。

网络攻击者试图影响这些推荐系统并使其结果发生偏差，这早已不是什么新闻了。他们会用虚假的账户给某些特定的产品投赞成或反对票，并进行分享和推广。用户甚至可以在地下市场或者“巨魔农场”（注：专门在网络上散播不实言论或发表煽动性评论的网络组织）购买到这种操纵推荐系统的服务。

网络安全供应商F-Secure人工智能卓越中心的研究员Andrew Patel表示，“理论上，如果攻击者了解某个用户与系统交互的方式，他就可以设计一个专门针对该用户的网络攻击，向其推荐油管视频、推送惡意软件或者诱导其关注冒充的社交账户等。……