利用仿真环境学习防御AI部署

防御 AI 部署

机器学习以多种形式出现，这些形式都避开了 络安全专业人员的标准工具和技术。攻击 ML 需要数据科学和进攻性安全之间的知识交集来回答这个问题 : “如何攻击它?” 络安全专业人员和数据科学家需要磨练这些新技能来回答这个难题。NVIDIA 希望激励这个生态系统更好地解决这一差距。

MintNV，一个 AI/ML 教育演习，展示了对手如何绕过防御 ML 机制来入侵主机，现在在 NVIDIA NGC 目录，NVIDIA 的 GPU 优化 HPC 和 AI 应用的中心。MintNV docker 容器要求用户向 ML 应用一个对抗的思维过程。将 MintNV 创建为一个脆弱的环境是 ML 向正确方向迈出的一步，这与 NVIDIA 的其他贡献密切相关，如Adversarial ML Threat Matrix。

MintNV 是 AI/ML 研究人员和 络安全专业人员之间的桥梁，贯穿人工智能领域。它使进攻性的安全社区能够实践对抗性的 ML 技术。我们将继续致力于研究、工具和训练，以促进社区的发展，并鼓励更多这类活动。

分享这个练习，并享受学习各种攻击性的安全概念，如枚举、 络协议和管理功能。使用 MintNV 模拟了解 ML 系统的潜在漏洞有助于 ML 开发人员理解如何构建更安全的解决方案。

欲了解更多信息，请访问 MintNV 的 NGC 页面。

cuSOLVERMp v0.0.1 现已推出：通过抢先体验

今天，cuSOLVERMp0.0.1 版本现在可以免费提供给 NVIDIA 开发者计划的成员。

新功能

● 支持带有 pivot 和不带 pivot 的 LU 求解器。

● 抢先体验版的目标是 P9+IBM 的 Spectrum MPI

关于cuSOLVERMp

● cuSOLVERMp 提供了一个分布式内存多节点和多 GPU 解决方案，用于大规模求解线性方程组! 在未来，它也将解决特征值和奇异值问题。

●未来的版本将托管在 HPC SDK 中。它将提供额外的功能并支持 x86_64 + OpenMPI。