Negli ultimi anni, l’intelligenza artificiale (AI) è uscita da una fase sperimentale per entrare a far parte della nostra vita quotidiana con un impatto crescente su persone, istituzioni, business e cultura. In uno scenario dove l’uso dell’AI è così pervasivo, diventa cruciale garantirne la sicurezza contro gli attacchi informatici, nuove minacce che mirano a manipolare i modelli di intelligenza artificiale e machine learning.

Favoriremo un brainstorming collettivo che possa generare idee circa le opportunità e gli ostacoli atti a contrastare tali cyber-attacchi e garantire un efficace funzionamento dei propri sistemi di AI.

In questa data breakfast condivideremo:

• Come oggi la Cybersecurity sta assumendo un ruolo fondamentale nella nostre attività quotidiane.
• Esempi di vulnerabilità ed attacchi tradizionali (SQL injection, social engineering, email spoofing, phishing, etc.)
• Artificial Intelligence Attack (es. Data poisoning, Evasion attacks, Intent specific attacks, etc.)
• Casi studio ed eventi di Artificial Intelligence Attack

Stimolare l’ “awareness” su nuovi fenomeni malevoli di cyber attacks – quali A.I.A (Artificial Intelligence Attacks) o Adversarial AI – è una questione ancora più urgente se si pensa che oggi è molto complicato accorgersi di un attacco in corso o risalire ai dati compromessi, soprattutto quando sul mercato non esistono ancora delle soluzioni dedicate. Infatti ad oggi le tecniche difensive non risultano ancora sufficientemente efficaci contro tutte le tipologie di attacchi, e sono ancora oggetto di studio di numerosi ricercatori.

Oggi l’AI viene utilizzata sempre di più in settori quali la finanza, la sanità, il manufacturing, l’entertainment e la robotica: uno straordinario potenziale che rischia di essere compromesso da nuove sofisticate tecniche cyber criminali. La pericolosità di questi attacchi è proporzionale al potenziale danno che possono generare, anche in base all’Industry di riferimento. Per esempio, se vengono alterati i dati che servono ad “allenare” un modello algoritmico, quest’ultimo potrebbe consigliare prodotti non aderenti agli interessi e alle preferenze degli utenti di un eCommerce (con eventuale ricaduta negativa sul business), così come potrebbe raccomandare una cura o un programma di salute completamente errato, o ancora creare incidenti mortali alterando la conduzione di veicoli a guida autonoma.