Key points are not available for this paper at this time.
Les techniques d'apprentissage profond (DL) sont désormais répandues et intégrées dans de nombreux systèmes importants. Leurs capacités de classification et de reconnaissance garantissent leur pertinence dans de multiples domaines d'application bien au-delà du traitement de signal pur. En tant que technique d'apprentissage automatique reposant sur l'entraînement plutôt que sur une programmation algorithmique explicite, elles offrent un degré élevé de productivité. Mais des recherches récentes ont montré qu'elles peuvent être vulnérables aux attaques, et la vérification de leur correction n'est qu'à peine en train d'émerger comme une possibilité scientifique et technique. De plus, les outils DL ne sont pas intégrés dans l'ingénierie logicielle classique, donc des outils logiciels pour spécifier, modifier et vérifier ceux-ci les rendraient encore plus courants en tant que systèmes logiciels-matériels. Cet article examine les travaux récents et propose des directions et des méthodologies de recherche à cet effet.
Hains et al. (Sun,) ont étudié cette question.