ML & Security

Мир информационной безопасности традиционно борьба “щита и меча”: как только защитился, нужно не забывать, что злоумышленники тоже не сидят на месте и также изучают и используют новомодные техники для достижения своих целей.

В этом году в рамках секции рассмотрим как сторону защиты, так и нападения. Спикеры из Positive Technologies и Kaspersky расскажут как применяют машинное обучения для обеспечение безопасности. Спикер из многообещающего стартапа по защищенности ИИ-сервисов Adversa поделится своим опытом тестирования Facial Recognition систем на безопасность. А в заключении обсудим перспективную тему Federated Learning со спикерами из университетов США и Австрии, риски и атаки.

Для обсуждения оффлайн можно использовать канал в ODS #security. 

Доклад	Спикер
How to improve SOC analysts efficiency using ML	Daniil Udimov, Graduated from YSDA in 2016. Data scientist at Kaspersky since 2018.
Web bot detection and classification	Nikolay Lyfenko, Machine Learning Engineer at Positive Technologies
Testing Facial Recognition System Security	Alex Polyakov, CEO Adversa.ai
Federated learning — a step towards privacy-preserving ML. Advantages and challenges of the approach	Anastasia Pustozerova, Machine Learning Researcher at SBA-research PhD student at Technical University of Vienna
How to Backdoor Federated learning	Eugene Bagdasaryan, CS PhD candidate at Cornell Tech working on privacy and security in the context of machine learning systems. He is co-advised by Professors Deborah Estrin and Vitaly Shmatikov.