机器学习是人工智能的核心，也是使计算机具有智能的根本途径。机器学习主旨是让计算机去模拟或实现人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构，使之不断改善自身的性能。
机器学习虽然可以在大数据训练中学到正确的工作方法，但它也很容易受到恶意干扰。通常攻击者是通过输入恶意数据来“欺骗”机器学习模型，导致其出现严重故障。
此次，开发出新算法的研究团队——“Data61”机器学习小组领导者理查德·诺克表示，攻击者会在进行图像识别时，在图像上添加一层干扰波，达到“欺骗”的目的，从而让机器学习模型产生错误的图像分类。
诺克及其团队成员研发的新算法，通过一种类似疫苗接种的思路，可以帮助机器学习“修炼”出抗干扰能力。这是针对机器学习模型打造的防干扰训练，譬如，在图片识别领域，该算法能够对图片集合进行微小的修改或使其失真，激发出机器学习模型“领会”到越来越强的抗干扰能力，并形成相关的自我抗干扰训练模型。
经过此类小规模的失真训练后，最终的抗干扰训练模型将更加强大，当真正的攻击到来之时，机器学习模型将具备“免疫”功能。
总编辑圈点
用小伎俩干扰机器对图像的识别，这种手段已经应用在网络黑产中。人眼看起来并无明显区别的图片，覆上一层专门针对机器的干扰波，就能让机器的判断大失水准。所谓接种疫苗，其实也就是“以毒攻毒”，让机器先见识已经被微小修改的图片，并在训练中自我学习，从而最终能识破这层恶意干扰，揭开图片的庐山真面目。机器的学习功能是强大的，教会它应对方法，它便能自我完善。但攻击与防御总是相伴相生，这是一场没有尽头的技术博弈。
