Надежность нейронных сетей

Описание книги.

Глубокие нейронные сети (DNN) становятся неотъемлемой частью IT-продуктов, провоцируя появление нового направления кибератак. Хакеры пытаются обмануть нейросети с помощью данных, которые не смогли бы обмануть человека. Кэти Уорр рассматривает мотивацию подобных атак, риски, которые влечет вредоносный ввод, а также методы повышения устойчивости ИИ к таким взломам. Если вы специалист по data science, архитектор системы безопасности и стремитесь повысить устойчивость систем с ИИ или вас просто интересует различие между искусственным и биологическим восприятием, то эта книга для вас.

Оглавление.

• Часть I. Общие сведения об обмане искусственного интеллекта
  Глава 1. Введение
  Глава 2. Мотивация к атакам
  Глава 3. Основные понятия ГНС
  Глава 4. ГНС-обработка изображений, аудио- и видеоданных
• Часть II. Генерация вредоносных входных данных
  Глава 5. Базовые принципы вредоносных входных данных
  Глава 6. Методы генерации вредоносных искажений
• Часть III. Понимание реальных угроз
  Глава 7. Схемы атак против реальных систем
  Глава 8. Атаки в физическом мире
• Часть IV. Защита
  Глава 9. Оценка устойчивости модели к вредоносным входным данным
  Глава 10. Защита от вредоносных входных данных
  Глава 11. Дальнейшие перспективы: повышение надежности ИИ
• Приложение. Справочник математических обозначений

Как обмануть нейросеть

PDF (RU)         DJVU (RU)