人工智能安全基础
全新正版 极速发货
￥ 54.35 6.1折 ￥ 89 全新
库存8件
广东广州
认证卖家担保交易快速发货售后保障
作者李进,谭毓安
出版社机械工业出版社
ISBN9787111720751
出版时间2023-04
装帧平装
开本16开
定价89元
货号1202875569
上书时间2024-06-11
商品详情
- 品相描述：全新
- 商品描述
-
目录
推荐序
前言
第一部分基础知识
第1章人工智能概述2
1.1人工智能发展现状2
1.1.1跌跌撞撞的发展史2
1.1.2充满诱惑与希望的现状3
1.1.3百家争鸣的技术生态圈4
1.1.4像人一样行动：通过图灵测试就足够了吗5
1.1.5像人一样思考：一定需要具备意识吗7
1.1.6合理地思考：一定需要具备逻辑思维吗8
1.1.7合理地行动：能带领我们走得更远吗9
1.2人工智能安全现状12
1.2.1模型安全性现状13
1.2.2模型与数据隐私现状14
1.2.3人工智能安全法规现状15
第2章人工智能基本算法16
2.1基本概念16
2.2经典算法17
2.2.1支持向量机17
2.2.2随机森林22
2.2.3逻辑回归25
2.2.4K近邻27
2.2.5神经网络28
2.2.6卷积神经网络31
2.2.7强化学习36
2.3主流算法43
2.3.1生成对抗网络43
2.3.2联邦学习45
2.3.3在线学习49
2.4算法可解释性51
2.4.1可解释性问题52
2.4.2事前可解释52
2.4.3事后可解释53
2.4.4可解释性与安全性分析56
2.5基础算法实现案例56
2.6小结57
第3章人工智能安全模型58
3.1人工智能安全定义58
3.1.1人工智能技术组成58
3.1.2人工智能安全模型概述59
3.2人工智能安全问题60
3.2.1数据安全问题60
3.2.2算法安全问题60
3.2.3模型安全问题61
3.3威胁模型和常见攻击62
3.3.1威胁模型63
3.3.2常见攻击65
3.4模型窃取攻击与防御实现案例77
3.5小结77
第二部分模型安全性
第4章投毒攻击与防御80
4.1投毒攻击80
4.1.1针对传统机器学习模型的投毒攻击81
4.1.2深度神经网络中的投毒攻击84
4.1.3强化学习中的投毒攻击89
4.1.4针对其他系统的投毒攻击89
4.2针对投毒攻击的防御方法90
4.2.1鲁棒学习91
4.2.2数据清洗92
4.2.3模型防御93
4.2.4输出防御93
4.3投毒攻击实现案例94
4.4小结94
第5章后门攻击与防御95
5.1后门攻击与防御概述95
5.1.1攻击场景97
5.1.2机器学习生命周期中的后门攻击97
5.1.3后门攻击相关定义98
5.1.4威胁模型99
5.2图像后门攻击100
5.2.1早期后门攻击100
5.2.2基于触发器优化的后门攻击102
5.2.3面向触发器隐蔽性的后门攻击104
5.2.4“干净标签”条件下的后门攻击109
5.2.5其他后门攻击方法112
5.3图像后门防御113
5.3.1基于数据预处理的防御方法114
5.3.2基于模型重建的防御方法114
5.3.3基于触发器生成的防御方法115
5.3.4基于模型诊断的防御方法116
5.3.5基于投毒抑制的防御方法117
5.3.6基于训练样本过滤的防御方法117
5.3.7基于测试样本过滤的防御方法117
5.3.8认证的防御方法118
5.4其他场景下的后门模型118
5.5后门攻击和其他方法的关系119
5.5.1与对抗样本攻击的关系119
5.5.2与投毒攻击的关系120
5.6后门攻击与防御实现案例120
5.7小结121
第6章对抗攻击与防御122
6.1对抗攻击与防御概述122
6.2图像对抗样本生成技术123
6.2.1基于梯度的对抗样本生成124
6.2.2基于优化的对抗样本生成126
6.2.3基于梯度估计的对抗样本生成128
6.2.4基于决策的对抗样本生成130
6.3图像对抗样本防御131
6.3.1输入层面的防御方法131
6.3.2模型层面的防御方法134
6.3.3可验证的防御方法138
6.3.4其他防御方法139
6.4文本对抗样本生成与防御140
6.4.1文本对抗样本生成140
6.4.2文本对抗样本防御150
6.5其他数字对抗样本155
6.5.1图对抗样本155
6.5.2恶意软件检测模型中的对抗样本162
6.6对抗攻击与防御实现案例168
6.7小结169
第7章深度伪造攻击与防御170
7.1深度伪造攻击与防御概述170
7.2深度伪造人脸生成171
7.2.1人脸合成171
7.2.2身份交换172
7.2.3面部属性操作175
7.2.4面部表情操作176
7.3深度伪造人脸检测176
7.3.1基于帧内差异的检测方法177
7.3.2基于帧间差异的检测方法180
7.4深度伪造语音生成与检测182
7.4.1深度伪造语音生成182
7.4.2深度伪造语音检测185
7.5深度伪造攻击与防御实现案例186
7.6小结187
第三部分模型与数据隐私
第8章隐私保护基本概念190
8.1隐私保护概述190
8.2安全多方计算191
8.2.1安全多方计算的基本概念191
8.2.2基于混淆电路的安全多方计算193
……
内容摘要
本书是关于人工智能安全的人门书籍，首先详细介绍人工智能安全相关的基础知识，包括基本算法和安全模型，以便读者明确人工智能面临的威胁，对人工智能安全有一个初步认识。然后，本书将人工智能系统的主要安全威胁分为模型安全性威胁和模型与数据隐私威胁两大类。模型安全性威胁主要包括投毒攻击、后门攻击、对抗攻击、深度伪造攻击。模型与数据隐私威胁主要包括窃取模型的权重、结构、决策边界等模型本身信息和训练数据集信息。
本书在介绍经典攻击技术的同时，也介绍了相应的防御方法，使得读者通过攻击了解人工智能模型的脆弱性，并对如何防御攻击、如何增强人工智能模型的鲁棒性有一定的思考。本书还介绍了真实世界场景中不同传感器下的对抗攻击和相应的防御措施以及人工智能系统对抗博弈的现状。
本书适合希望了解人工智能安全的计算机相关专业的学生、人工智能领域的从业人员、对人工智能安全感兴趣的人员以及致力于建设可信人工智能的人员阅读。
— 没有更多了 —
以下为对购买帮助不大的评价