Wymiar biznesowy ataków na systemy uczące się. Cz. 1

• Autorzy: Rafało Mariusz
• Języki publikacji: PL

Abstrakty

PL

W dzisiejszych czasach większość procesów biznesowych jest zinformatyzowana, a wiele z nich jest realizowanych wyłącznie w świecie cyfrowym. Informatyzacja sprawia, że poszczególne kroki procesu, generowane dane czy inne informacje, są rejestrowane w bazach danych. Dane rejestrowane w ten sposób określa się mianem cyfrowego śladu. Służą one monitorowaniu procesu i analizowaniu aktywności uczestników procesu.

Słowa kluczowe

PL

proces biznesowy; system uczący się; system analityczny

EN

business process; learning system; analytical system

• Wydawca: Wydawnictwo "Druk-Art" SC
• Czasopismo: Napędy i Sterowanie
• Rocznik: 2021
• Tom: R. 23, nr 2
• Strony: 40--45
• Opis fizyczny: Bibliogr. 45 poz., rys., tab.

Twórcy

autor

Rafało Mariusz

• Kolegium Analiz Ekonomicznych, Szkoła Główna Handlowa, Warszawa

Bibliografia

• [1] Andress, J. (2011). The Basics of Information Security, https://doi.org/10.1016/C2010-0-68336-2.
• [2] Bhaumik, R., Williams, C., Mobasher, B. i Burke, R. (2006). Securing collaborative filtering against malicious attacks through anomaly detection. Center for Web Intelligence, DePaul University School of Computer Science, Telecommunication, and Information Systems Chicago, Illinois, USA.
• [3] Bielecki, W. ( 2001). Informatyzacja zarządzania: wybrane zagadnienia. Warszawa: PWE.
• [4] Cantos, M. (2019). Breaking the Bank: Weakness in Financial AI Applications, https:// www.fireeye.com/blog/threat-research/2019/03/breaking-the-bank-weakness-in-financial-ai-applications.html (dostęp: 15.02.2020 r.).
• [5] Chawla, N.V., Bowyer, K.W., Hall, L.O. i Kegelmeyer, W.P. (2002). SMOTE: Synthetic minority over-sampling technique. Journal of Artificial Intelligence Research, 16, 321–357, https://doi.org/10.1613/jair.953.
• [6] Conrow, E. (2000). Effective Risk Management: Some Keys to Success. American Institute of Aeronautics and Astronautics.
• [7] Culkin, R., i Das, S.R. (2017). Machine Learning in Finance: The Case of Deep Learning for Option Pricing Artificial Intelligence: A Reincarnation. Santa Clara University.
• [8] Dabouei, A., Soleymani, S., Dawson, J., i Nasrabadi, N.M. (2019). Fast geometrically-perturbed adversarial faces. Proceedings – 2019. IEEE Winter Conference on Applications of Computer Vision, WACV 2019, 1979–1988, https://doi.org/10.1109/WACV.2019.00215.
• [9] Dai, H., Li, H., Tian, T., Huang, X., Wang, L., Zhu, J. i Song, L. ( 2018). Adversarial Attack on Graph Structured Data, cyt. jako https://arxiv.org/abs/1806.02371.
• [10] Dastin, J. (2018). Amazon scraps secret AI recruiting tool that showed bias against women. Reuters.Com., https://www.reuters.com/article/us-amazon-com-jobs-automation-insight/amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK08G (dostęp: 15.02.2020 r.).
• [11] Davenport, T. i Harris, J.G. ( 2007). Inteligencja analityczna w biznesie: nowa nauka zwyciężania. Archives, http://books.google.com/books?id=n7Gp7Q84hcsC&pgis=1.
• [12] Deldjoo, Y., Di Noia, T. i Merra, F.A. (2020). Adversarial Machine Learning in Recommender Systems. AML-RecSys (December), 869–872, https://doi.org/10.1145/3336191.3371877.
• [13] Economist (2014). Why the run on banks? https://www.economist.com/eastern-approaches/2014/07/02/why-the-run-on-banks (dostęp: 11.02.2020 r.).
• [14] Fisher, M. ( 2013). Syrian hackers claim AP hack that tipped stock market by $136 billion. Is it terrorism? Washongton Post, https://www.washingtonpost.com/news/worldviews/wp/2013/04/23/syrian-hackers-claim-ap-hack-that-tipped-stock-market-by-136-billion-is-it-terrorism/ (dostęp: 15.02.2020 r.).
• [15] Goldblum, M., Schwarzschild, A., Cohen, N., Balch, T., Patel, A.B. i Goldstein, T. (2020). Adversarial Attacks on Machine Learning Systems for High-Frequency Trading, http://arxiv.org/abs/2002.09565.
• [16] Goodfellow, I.J., Pouget-abadie, J., Mirza, M., Xu, B. i Warde-farley, D. (2014). Generative Adversarial Nets. Universite de Montreal.
• [17] Hacker News ( 2016). Russian Hackers Manipulate Ruble-Dollar Exchange Rate with Malware, https://thehackernews.com/2016/02/russian-exchange-hacked.html (dostęp: 10.02.2020 r.).
• [18] Hunt, E. (2016). Tay, Microsoft ’s AIchatbot, gets a crash course in racism from Twitter. The Guardian, https://www.theguardian.com/technology/2016/mar/24/tay-micro-soft s alchatbot-gets-a-crash-course-in-racism-from-twitter (dostęp: 11.02.2020 r.).
• [19] Koźmiński, A.K. ( 2004). Zarządzanie w warunkach niepewności. Podręcznik dla zaawansowanych. Warszawa: Wydawnictwo Naukowe PWN.
• [20] Kumar, R .S.S., Nyström, M., Lambert, J., Marshall, A., Goertzel, M., Comissoneru, A. i Xia, S. (2020). Adversarial Machine Learning - Industry Perspectives, http://arxiv.org/abs/2002.05646.
• [21] Kwiatkowski, S. ( 2000). Przedsiębiorczość intelektualna. Warszawa: Wydawnictwo Naukowe PWN.
• [22] Lundberg, S.M. i Lee, S. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, Conference on Neural Information Processing Systems (NIPS 2017), Long Beach, CA, USA.
• [23] Mandel, R. (2017). Optimizing Cyberdeterrence: A Comprehensive Strategy for Preventing Foreign Cyberattacks. Georgetown University Press.
• [24] Minelli, M., Chambers, M. i Dhiraj, A. (2013). Big Data, Big Analytics: Emerging Business Intelligence and Analytic Trends for Today’s Businesses. Wiley.
• [25] Moore, J., Hammerla, N. i Watkins, C. (2019). Explaining deep learning models with constrained adversarial examples. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), https://doi.org/10.1007/978-3-030-29908-8_4.
• [26] Neekhara, P., Hussain, S., Jere, M., Koushanfar, F. i Mcauley, J. ( 2019). Adversarial Deepfakes: Evaluating Vulnerability of Deepfake Detectors to Adversarial Examples, http://doi.org/10.13140/RG.2.2.26227.48168.
• [27] Niemimaa, M., Järveläinen, J., Heikkilä, M. i Heikkilä, J. (2019). Business continuity of business models: Evaluating the resilience of business models for contingencies. International Journal of Information Management, 49, 208–216. https://doi.org/10.1016/j.ijinfomgt.2019.04.010.
• [28] Niesen, T., Houy, C., Fettke, P. i Loos, P. (2016). Towards an Integrative Big Data Analysis Framework for Data-Driven Risk Management in Industry 4.0. 49th Hawaii International Conference on System Sciences (HICSS).
• [29] Papernot, N., McDaniel, P. i Goodfellow, I. (2017). Practical Black-Box Attacks against Machine Learning, cyt. jako arXiv:1602.02697.
• [30] Perez, S. ( 2013). AP Twitter Hack Preceded By A Phishing Attempt. from https://techcrunch.com/2013/04/23/ap-twitter-hack-preceded-by-a-phishing-attempt-news-org-says/ (dostęp: 15.02.2020 r.).
• [31] Provost, F. i Fawcett, T. (2013). Data Science for Business. O’Reilly.
• [32] Ribeiro, M., Singh, S. i Guestri, C. (2016). “Why Should I Trust You?”: Explaining the Predictions of Any Classifier. KDD ’16: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: Association for Computing Machinery.
• [33] Sadgrove, K. (2015). The Complete Guide to Business Risk Management. Routledge.
• [34] Schreyer, M., Borth, D. i Reimer, B. (2019). Adversarial Learning of Deepfakes in Accounting, cyt. jako arXiv:1910.03810.
• [35] Sobczak, A. ( 2018). RPA i AI w liczbach i cytatach, https://blog.cionet.com/2018/04/18/rpa-i-ai-w-liczbach-i-cytatach/ (dostęp: 5.03.2020 r.).
• [36] Sobczak, A. (2020a). 101 pytań i odpowiedzi dotyczących robotyzacji biznesu, https://robonomika.pl/101pytan/czym-jest-robotyzacja-procesow-biznesowych (dostęp: 12.04.2020 r.).
• [37] Sobczak, A. ( 2020b). Zastosowanie sztucznej inteligencji w sektorze finansowym, Forum Gospodarcze TIME website: https://robonomika.pl/zastosowanie-sztucznej-inteligencji-w-sektorze-finansowym-moja-prezentacja-z-forum-gospodarczego (dostęp: 12.03.2020 r.).
• [38] Surma, J. (2009). Business Intelligence. Warszawa: Wydawnictwo Naukowe PWN.
• [39] Surma, J. (2017). Cyfryzacja życia w erze Big Data. Warszawa: Wydawnictwo Naukowe PWN.
• [40] Suwajanakorn, S., Seitz, S.M. i Kemelmacher-Shlizerman, I. ( 2017). Synthesizing Obama: Learning Lip Sync from Audio. ACM Transactions on Graphics, 36(4).
• [41] Szegedy, C., Zaremba, W., Sutskever, I., Bruna, J., Erhan, D., Goodfellow, I. i Fergus, R. (2014). Intriguing properties of neural networks. International Conference on Learning Representations.
• [42] Tupa, J., Simota, J. i Steiner, F. (2017). Aspects of risk management implementation for Industry 4 0. Procedia Manufacturing, 11, 1223–1230. https://doi.org/10.1016/j.promfg.2017.07.248.
• [43] Westerlund, M. (2019). The Emergence of Deepfake Technology: A Review. Technology Innovation Management Review, 9(11).
• [44] Zawiła-Niedźwiecki, J. (2013). Zarządzanie ryzykiem operacyjnym w zapewnianiu ciągłości działania organizacji. Kraków–Warszawa: edu-Libri.
• [45] Zhou, W., Wen, J., Qu, Q., Zeng, J. i Cheng, T. ( 2018). S hilling attack detection for recommender systems based on credibility of group users and rating time series. PLoS ONE, May, 1–17.