Совместное машинное обучение: поверхности атаки, защитные механизмы, обучение
- Время доставки: 7-10 дней
- Состояние товара: новый
- Доступное количество: 10
Покупая «Совместное машинное обучение: поверхности атаки, защитные механизмы, обучение», вы можете быть уверены, что данный товар из каталога «[rubrica_name]» вы получите в срок 5-7 дней после оплаты. Товар будет доставлен из Европы, проверен на целостность, иметь европейское качество.
Состязательное машинное обучение: поверхности атаки, защитные механизмы, теории обучения в искусственном интеллекте
Критической проблемой в глубоком обучении является уязвимость сетей глубокого обучения к атакам безопасности со стороны интеллектуальных кибер -противников. Даже невированные возмущения к данным обучения могут быть использованы для манипулирования поведением глубоких сетей непреднамеренными способами. В этой книге мы рассмотрим последнюю разработку технологий состязательной атаки в компьютерном зрении; Обработка естественного языка; И кибербезопасность в отношении многомерных, текстовых данных и данных изображения, данных о последовательности и временных данных. В свою очередь, мы оцениваем надежность свойств глубоких сетей обучения, чтобы создать таксономию состязательных примеров, которые характеризуют безопасность систем обучения с использованием теоретических алгоритмов глубокого обучения. Также рассматриваются современные механизмы защиты конфиденциальности на основе состязательного возмущения. Мы предлагаем новые типы противников для теоретических объектов игры в нестационарной вычислительной среде обучения. Количественная оценка свойства гипотезы, установленной в задачах принятия решений, приводит к различным функциональным проблемам, оракулярным проблемам, задачам выборки и задачам оптимизации. Мы также обращаемся к оборонным механизмам, которые в настоящее время можно использовать для моделей глубокого обучения, развернутых в реальной среде. Теории обучения, используемые в этих защитных механизмах, касаются репрессий данных, манипуляции с характеристиками, затратами на неправильные классификации, чувствительность ландшафтов, устойчивости к распределению и сложности классов состязательных применений в области глубокого обучения. В закрытии, мы предлагаем будущие направления исследований в приложениях по глубокому обучению для устойчивой системы обучения и обзоры. Что касается деконструкции современных состязательных дизайнов глубокого обучения. Учитывая его масштаб, книга будет интересна для практиков состязания машинного обучения [...]
- Автор: aneesh sreevallabh Chivukula, Синхао Ян
- Издатель: springer
- Год публикации: 2024
- обложка: Soft
- Количество страниц: 302
- Размеры: 23,5 x 15,5 x 0 см
- Иллюстрации: xix, 302 с.
- язык: английский
- isbn: 9783030997748