RMF: A Risk Measurement Framework for Machine Learning Models

机器学习（ML）模型现在被用于许多安全和安全关键的应用程序中。因此，衡量使用ML作为组件的系统的安全性非常重要。本文关注ML领域，特别是自动驾驶汽车的安全性。为此，将描述、实现和评估一个技术框架，并在一个案例研究中进行评估。基于ISO/IEC 27004:2016，风险指标被用来衡量和评估攻击者造成的损害程度和所需的努力。然而，无法确定代表攻击者努力的单个风险值。因此，必须单独解释四个不同的值。

本论文旨在解决使用机器学习模型的安全和安全关键应用程序中的安全问题，特别是自动驾驶汽车领域的安全问题。

本论文提出了一个技术框架，利用ISO/IEC 27004：2016中的风险指标来度量和评估攻击者的破坏程度和所需的努力。

本论文的实验采用了案例研究的方式，对技术框架进行了实现和评估。需要注意的是，攻击者的努力无法用单一的风险值来表示，需要分别解释四个不同的值。

最近的相关研究包括“自动驾驶汽车的安全挑战”和“使用深度学习的自动驾驶汽车的安全性分析”等论文。