TY -的A2 - Zaman Fawad AU -塔里克,穆罕默德伊姆兰盟——Memon艾哈迈德AU -艾哈迈德,这个沙基尔AU - Tayyaba Shahzadi盟——Mushtaq穆罕默德Tahir AU -面,Natash阿里AU -伊姆兰,默罕默德盟——阿什拉夫,穆罕默德·w . PY - 2020 DA - 2020/04/07 TI -审查深度学习的安全和隐私的防守技术SP - 6535834六世- 2020 AB -在最近几年,深度学习提供了一个优良的性能在不同的图像识别等领域,模式匹配,甚至在网络安全领域也是如此。深度学习有许多优点,包括快速解决复杂的问题,巨大的自动化、非结构化数据的最大应用程序,能够提供高质量的结果,减少高成本,不需要数据标签和识别复杂的相互作用,但它也有一定的局限性和不透明一样,运算量,需要丰富的数据,和更复杂的算法。在我们的日常生活中，我们使用了很多使用深度学习模型的应用来基于预测做出决策，如果深度学习模型由于内部/外部的恶意影响而成为错误预测的原因，可能会给我们的现实生活带来困难。此外，深度学习训练模型往往具有用户的敏感信息，不应易受攻击，暴露安全和隐私。深度学习和机器学习算法仍然容易受到不同类型的安全威胁和风险。因此，有必要在深度学习的安全威胁和相关对策技术方面引起业界的重视，这促使笔者在本文中对深度学习安全和隐私安全面临的挑战和对策进行了全面的调查。我们还讨论了开放的挑战和当前的问题。SN - 1574-017X UR - https://doi.org/10.1155/2020/6535834 DO - 10.1155/2020/6535834 JF - Mobile Information Systems PB - Hindawi KW - ER -