ML components

CUBICS框架通过面向情境的风险估算提升ML组件的安全性

引入了一个名为CUBICS的新框架，以应对确保安全关键应用中机器学习组件（MLC）安全性的挑战。传统方法通常将故障建模为简单的伯努利过程，这未能考虑到MLC性能的依赖于情境的性质。CUBICS通过将操作域划分为特定情境并按组件估算性能，提供了一种模块化方法。它利用主观逻辑更新每个组件在其相关情境内的概率保证，从而无需整体系统模型即可实现更准确、面向情境的风险评估。