對抗機器學習(機器學習系統中的攻擊和防御)/智能科學與技術叢書 ( 簡體 字) |
| 作者：(美)葉夫根尼·沃羅貝基克//穆拉特·坎塔爾喬格盧|譯者:王坤峰//王雨桐 | 類別：1. -> 程式設計 -> 機器學習
2. -> 安全 -> 網路安全 -> 駭客攻擊與入侵 |
| 譯者： |
| 出版社：機械工業 |  3dWoo書號： 52212
詢問書籍請說出此書號！【缺書】
NT售價： 345 元 |
| 出版日：1/1/2020 |
| 頁數：148 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111643043 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：本書討論機器學習中的安全性問題，即討論各種
千擾機器學習系統輸出正確結果的攻擊方法以及對應
的防御方法。書中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。最后，討論對抗學習領域
的幾個重要問題。
本書旨在為讀者提供在對抗環境下成功從事機器
學習研究和實踐所必需的工具，適合對對抗機器學習
領域感興趣的讀者閱讀。
|
目錄：譯者序
前言
致謝
作者簡介
譯者簡介
第1章 引言
第2章 機器學習預備知識
2.1 監督學習
2.1.1 回歸學習
2.1.2 分類學習
2.1.3 PAC可學習性
2.1.4 對抗環境下的監督學習
2.2 無監督學習
2.2.1 聚類
2.2.2 主成分分析
2.2.3 矩陣填充
2.2.4 對抗環境下的無監督學習
2.3 強化學習
2.3.1 對抗環境下的強化學習
2.4 參考文獻注釋
第3章 對機器學習的攻擊類型
3.1 攻擊時機
3.2 攻擊者可以利用的信息
3.3 攻擊目標
3.4 參考文獻注釋
第4章 決策時攻擊
4.1 對機器學習模型的規避攻擊示例
4.1.1 對異常檢測的攻擊：多態混合
4.1.2 對PDF惡意軟件分類器的攻擊
4.2 決策時攻擊的建模
4.3 白盒決策時攻擊
4.3.1 對二元分類器的攻擊：對抗性分類器規避
4.3.2 對多類分類器的決策時攻擊
4.3.3 對異常檢測器的決策時攻擊
4.3.4 對聚類模型的決策時攻擊
4.3.5 對回歸模型的決策時攻擊
4.3.6 對強化學習的決策時攻擊
4.4 黑盒決策時攻擊
4.4.1 對黑盒攻擊的分類法
4.4.2 建模攻擊者信息獲取
4.4.3 使用近似模型的攻擊
4.5 參考文獻注釋
第5章 決策時攻擊的防御
5.1 使監督學習對決策時攻擊*堅固
5.2 *優規避魯棒性分類
5.2.1 *優規避魯棒的稀疏SVM
5.2.2 應對自由范圍攻擊的規避魯棒SVM
5.2.3 應對受限攻擊的規避魯棒SVM
5.2.4 無限制特征空間上的規避魯棒分類
5.2.5 對抗缺失特征的魯棒性
|
| 序： |
