Insights on Adversarial Attacks for Tabular Machine Learning via a Systematic Literature Review

要約

機械学習における敵対的な攻撃は、コンピュータービジョンやNLPなどの分野で広範囲にレビューされていますが、表形式データに関する研究は散在したままです。
このペーパーでは、表形式の機械学習モデルをターゲットにした敵対的な攻撃に焦点を当てた最初の体系的な文献レビューを提供します。
重要なトレンドを強調し、攻撃戦略を分類し、実際の適用性に関する実用的な考慮事項にどのように対処するかを分析します。
さらに、現在の課題の概要と研究の質問を開きます。
明確で構造化された概要を提供することにより、このレビューは、表形式の機械学習における敵対的な脆弱性を理解し、対処するための将来の努力を導くことを目的としています。

要約(オリジナル)

Adversarial attacks in machine learning have been extensively reviewed in areas like computer vision and NLP, but research on tabular data remains scattered. This paper provides the first systematic literature review focused on adversarial attacks targeting tabular machine learning models. We highlight key trends, categorize attack strategies and analyze how they address practical considerations for real-world applicability. Additionally, we outline current challenges and open research questions. By offering a clear and structured overview, this review aims to guide future efforts in understanding and addressing adversarial vulnerabilities in tabular machine learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google