掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
對抗機器學習:機器學習系統中的攻擊和防御 版權信息
- ISBN：9787111643043
- 條形碼：9787111643043 ; 978-7-111-64304-3
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
對抗機器學習:機器學習系統中的攻擊和防御 本書特色
以對抗樣本生成和防御為核心的對抗深度學習，無疑是對抗機器學習領域目前*受關注的研究熱點。但是，本書涉及更寬廣的主題，從攻擊時機、攻擊者可以利用的信息、攻擊目標三個維度，全面論述了監督學習、無監督學習以及強化學習系統中的攻擊和防御技術。這對于讀者全面系統地掌握對抗機器學習的理論、方法及應用，以及深入開展深度學習的攻擊和防御問題研究，都是至關重要的。
對抗機器學習:機器學習系統中的攻擊和防御 內容簡介
本書首先回顧機器學習的概念和方法, 提出對機器學習攻擊的總體分類。然后討論兩種主要類型的攻擊和相關防御: 決策時攻擊和投毒攻擊。之后, 討論針對深度學習的攻擊的新技術, 以及提高深度神經網絡魯棒性的方法。*后, 討論對抗學習領域的幾個重要問題。
對抗機器學習:機器學習系統中的攻擊和防御 目錄
譯者序
前言
致謝
作者簡介
譯者簡介
第1章 引言1
第2章 機器學習預備知識52.1 監督學習52.1.1 回歸學習62.1.2 分類學習72.1.3 PAC可學習性92.1.4 對抗環境下的監督學習92.2 無監督學習102.2.1 聚類112.2.2 主成分分析112.2.3 矩陣填充122.2.4 對抗環境下的無監督學習132.3 強化學習152.3.1 對抗環境下的強化學習172.4 參考文獻注釋17
第3章 對機器學習的攻擊類型193.1 攻擊時機203.2 攻擊者可以利用的信息223.3 攻擊目標233.4 參考文獻注釋24
第4章 決策時攻擊264.1 對機器學習模型的規避攻擊示例264.1.1 對異常檢測的攻擊：多態混合274.1.2 對PDF惡意軟件分類器的攻擊284.2 決策時攻擊的建模304.3 白盒決策時攻擊314.3.1 對二元分類器的攻擊：對抗性分類器規避314.3.2 對多類分類器的決策時攻擊384.3.3 對異常檢測器的決策時攻擊404.3.4 對聚類模型的決策時攻擊404.3.5 對回歸模型的決策時攻擊414.3.6 對強化學習的決策時攻擊444.4 黑盒決策時攻擊454.4.1 對黑盒攻擊的分類法464.4.2 建模攻擊者信息獲取484.4.3 使用近似模型的攻擊504.5 參考文獻注釋51
第5章 決策時攻擊的防御535.1 使監督學習對決策時攻擊更堅固535.2 *優規避魯棒性分類565.2.1 *優規避魯棒的稀疏SVM565.2.2 應對自由范圍攻擊的規避魯棒SVM605.2.3 應對受限攻擊的規避魯棒SVM625.2.4 無限制特征空間上的規避魯棒分類635.2.5 對抗缺失特征的魯棒性645.3 使分類器對決策時攻擊近似堅固665.3.1 松弛方法665.3.2 通用防御：迭代再訓練685.4 通過特征級保護的規避魯棒性695.5 決策隨機化705.5.1 模型705.5.2 *優隨機化的分類操作725.6 規避魯棒的回歸745.7 參考文獻注釋75
第6章 數據投毒攻擊776.1 建模投毒攻擊786.2 對二元分類的投毒攻擊796.2.1 標簽翻轉攻擊796.2.2 對核SVM的中毒數據插入攻擊816.3 對無監督學習的投毒攻擊846.3.1 對聚類的投毒攻擊846.3.2 對異常檢測的投毒攻擊866.4 對矩陣填充的投毒攻擊876.4.1 攻擊模型876.4.2 交替*小化的攻擊896.4.3 核范數*小化的攻擊916.4.4 模仿普通用戶行為926.5 投毒攻擊的通用框架946.6 黑盒投毒攻擊966.7 參考文獻注釋98
第7章 數據投毒的防御1007.1 通過數據二次采樣的魯棒學習1007.2 通過離群點去除的魯棒學習1017.3 通過修剪優化的魯棒學習1047.4 魯棒的矩陣分解1077.4.1 無噪子空間恢復1077.4.2 處理噪聲1087.4.3 高效的魯棒子空間恢復1097.5 修剪優化問題的高效算法1107.6 參考文獻注釋111
第8章 深度學習的攻擊和防御1138.1 神經網絡模型1148.2 對深度神經網絡的攻擊：對抗樣本1158.2.1 l2范數攻擊1168.2.2 l∞范數攻擊1198.2.3 l0范數攻擊1218.2.4 物理世界中的攻擊1228.2.5 黑盒攻擊1238.3 使深度學習對對抗樣本魯棒1238.3.1 魯棒優化1248.3.2 再訓練1278.3.3 蒸餾1278.4 參考文獻注釋128
第9章 未來之路1319.1 超出魯棒優化的范圍1319.2 不完全信息1329.3 預測的置信度1339.4 隨機化1339.5 多個學習器1349.6 模型和驗證134
參考文獻136
索引146
展開全部
對抗機器學習:機器學習系統中的攻擊和防御 作者簡介
葉夫根尼·沃羅貝基克（Yevgeniy Vorobeychik）
美國范德堡大學的計算機科學、計算機工程和生物醫學信息學助理教授。此前，他是桑迪亞國家實驗室的首席研究員（Principal Research Scientist）。2008至2010年，他在賓夕法尼亞大學計算機與信息科學系擔任博士后研究員。他在密歇根大學獲得了計算機科學與工程博士（2008）和碩士（2004）學位，在西北大學獲得了計算機工程學士學位。他的工作重點是安全和隱私的博弈論建模、對抗機器學習、算法與行為博弈論和激勵設計、優化、基于代理的建模、復雜系統、網絡科學和流行病控制。Vorobeychik博士于2017年獲得NSF CAREER獎，并受邀參加了IJCAI-16早期職業焦點演講。他被提名2008年ACM博士論文獎，并獲得了2008年IFAAMAS杰出論文獎的榮譽提名。
穆拉特·坎塔爾喬格盧（Murat Kantarcioglu）
美國得克薩斯大學達拉斯分校的計算機科學教授和UTD數據安全與隱私實驗室主任。目前，他還是哈佛大學數據隱私實驗室的訪問學者。他擁有中東技術大學計算機工程學士學位、普渡大學計算機科學碩士和博士學位。葉夫根尼·沃羅貝基克（Yevgeniy Vorobeychik）
美國范德堡大學的計算機科學、計算機工程和生物醫學信息學助理教授。此前，他是桑迪亞國家實驗室的首席研究員（Principal Research Scientist）。2008至2010年，他在賓夕法尼亞大學計算機與信息科學系擔任博士后研究員。他在密歇根大學獲得了計算機科學與工程博士（2008）和碩士（2004）學位，在西北大學獲得了計算機工程學士學位。他的工作重點是安全和隱私的博弈論建模、對抗機器學習、算法與行為博弈論和激勵設計、優化、基于代理的建模、復雜系統、網絡科學和流行病控制。Vorobeychik博士于2017年獲得NSF CAREER獎，并受邀參加了IJCAI-16早期職業焦點演講。他被提名2008年ACM博士論文獎，并獲得了2008年IFAAMAS杰出論文獎的榮譽提名。
穆拉特·坎塔爾喬格盧（Murat Kantarcioglu）
美國得克薩斯大學達拉斯分校的計算機科學教授和UTD數據安全與隱私實驗室主任。目前，他還是哈佛大學數據隱私實驗室的訪問學者。他擁有中東技術大學計算機工程學士學位、普渡大學計算機科學碩士和博士學位。
Kantarcioglu博士的研究重點是創造能夠有效地從任何數據中提取有用的信息而不犧牲隱私或安全的技術。他的研究獲得了NSF、AFOSR、ONR、NSA和NIH的經費支持。他已經發表了超過175篇同行評審論文，并被《波士頓環球報》《ABC新聞》等媒體報道過，獲得了三項最佳論文獎。除此之外，他還獲得了其他各種獎項，包括NSF CAREER獎、普渡CERIAS鉆石學術卓越獎、AMIA（美國醫學信息學會）2014年Homer R. Warner獎和IEEE ISI（情報與安全信息學）2017年技術成就獎（由IEEE SMC和IEEE ITS協會聯合頒發，以表彰他在數據安全和隱私方面的研究成就）。他是ACM的杰出科學家。
◆ 譯者簡介 ◆
王坤峰
北京化工大學信息科學與技術學院教授。他于2003年7月獲得北京航空航天大學材料科學與工程專業學士學位，于2008年7月獲得中國科學院研究生院控制理論與控制工程專業博士學位。2008年7月至2019年7月，他在中國科學院自動化研究所工作，歷任助理研究員、副研究員，其中2015年12月至2017年1月，在美國佐治亞理工學院做訪問學者。2019年8月，他調入北京化工大學，任教授。
他的研究方向包括計算機視覺、機器學習、智能交通和自動駕駛。他主持和參加了國家自然科學基金、國家重點研發計劃、863、973、中科院院地合作項目、國家電網公司科技項目等科研項目20多項，在國內外期刊和會議上發表學術論文70多篇，其中SCI論文20多篇。他獲授權國家發明專利17項，獲得2011年中國自動化學會技術發明一等獎、2018年中國自動化學會科學技術進步特等獎。現為IEEE Senior Member、中國自動化學會高級會員、中國自動化學會平行智能專委會副主任、模式識別與機器智能專委會委員、混合智能專委會委員、中國計算機學會計算機視覺專委會委員、中國圖象圖形學學會機器視覺專委會委員、視覺大數據專委會委員。他目前擔任國際期刊《IEEE Transactions on Intelligent Transportation Systems》編委，曾經擔任《Neurocomputing》專刊和《自動化學報》專刊客座編委。
王雨桐
中國科學院大學人工智能學院和中國科學院自動化研究所直博研究生。她于2016年獲得哈爾濱工程大學自動化專業學士學位。她的研究方向是對抗深度學習、深度學習的安全性與可解釋性，尤其專注于圖像分類和目標檢測任務中的對抗攻擊和防御。她已經在《IEEE Transactions on Vehicular Technology》《Neurocomputing》《IEEE Intelligent Vehicles Symposium》《模式識別與人工智能》以及中國自動化大會等國內外期刊和會議上發表了多篇論文。
書友推薦
- >
自卑與超越
- >
伊索寓言-世界文學名著典藏-全譯本
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
回憶愛瑪儂
- >
【精裝繪本】畫給孩子的中國神話
- >
伯納黛特,你要去哪(2021新版)
- >
月亮虎
本類暢銷
