人工智能-數據與模型安全 姜育剛 馬興軍 吳祖? 9787111735021 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$820
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202402*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：人工智能-數據與模型安全 ISBN：9787111735021 出版社：機械工業 著編譯者：姜育剛 馬興軍 吳祖? 叢書名：人工智慧技術叢書 頁數：293 所在地：中國大陸 *此為代購商品 書號：1616380 可大量預訂，請先連絡。 內容簡介 本書聚焦學術前沿，圍繞人工智慧的兩大核心要素，即數據和模型，系統深入地介紹相關安全問題和攻防演算法。 本書共11章。第1章簡要回顧了人工智慧的發展歷程；第2章介紹了機器學習的基礎知識；第3章介紹了人工智慧安全相關的基本概念、威脅模型和攻擊與防禦類型；第4章聚焦數據安全方面的攻擊；第5章聚焦數據安全方面的防禦；第6章到第10章分別聚焦模型安全方面的對抗攻擊、對抗防禦、後門攻擊、後門防禦以及竊取攻防；第11章展望了未來攻擊和防禦的發展趨勢並強調了構建系統性防禦的緊迫性。 本書適合人工智慧、智能科學與技術、計算機科學與技術、軟體工程、信息安全等專業的高年級本科生、研究生以及人工智慧從業者閱讀。通過本書，讀者可以了解人工智慧安全這一新興領域，培養致力於發展「安全」「可信」人工智慧的社會責任感。作者簡介 姜育剛，復旦大學教授、博士生導師，教育部長江學者特聘教授，IEEE Fellow、IAPR Fellow。研究領域為多媒體信息處理、計算機視覺、可信通用人工智慧，國家科技創新2030——「新一代人工智慧」重大項目負責人，上海市智能視覺計算協同創新中心主任。發表的200餘篇論文被引用2萬余次，構建的開源數據和工具集被國內外學者及企業頻繁使用。曾獲2018年度上海市科技進步一等獎、2019年度上海市青年科技傑出貢獻獎、2022年度教育部自然科學一等獎、2022年度國家級教學成果二等獎等榮譽。目錄 序前言 常用符號表 第1章 人工智慧與安全概述 1 1 人工智慧的定義 1 2 人工智慧的發展 1 2 1 三起兩落 1 2 2 重大突破 1 3 人工智慧安全 1 3 1 數據與模型安全 1 3 2 現實安全問題 1 4 本章小結 1 5 習題 第2章 機器學習基礎 2 1 基本概念 2 2 學習範式 2 2 1 有監督學習 2 2 2 無監督學習 2 2 3 強化學習 2 2 4 其他範式 2 3 損失函數 2 3 1 分類損失 2 3 2 單點回歸損失 2 3 3 邊框回歸損失 2 3 4 人臉識別損失 2 3 5 自監督學習損失 2 4 優化方法 2 4 1 梯度下降 2 4 2 隨機梯度下降 2 4 3 改進的隨機梯度下降 2 5 本章小結 2 6 習題 第3章 人工智慧安全基礎 3 1 基本概念 3 2 威脅模型 3 2 1 白盒威脅模型 3 2 2 黑盒威脅模型 3 2 3 灰盒威脅模型 3 3 攻擊類型 3 3 1 攻擊目的 3 3 2 攻擊對象 3 3 3 攻擊時機 3 4 防禦類型 3 4 1 攻擊檢測 3 4 2 數據保護 3 4 3 模型增強 3 5 本章小結 3 6 習題 第4章 數據安全：攻擊 4 1 數據投毒 4 1 1 標籤投毒攻擊 4 1 2 在線投毒攻擊 4 1 3 特徵空間攻擊 4 1 4 雙層優化攻擊 4 1 5 生成式攻擊 4 1 6 差別化攻擊 4 1 7 投毒預訓練大模型 4 2 隱私攻擊 4 2 1 成員推理攻擊 4 2 2 屬性推理攻擊 4 2 3 其他推理攻擊 4 3 數據竊取 4 3 1 黑盒數據竊取 4 3 2 白盒數據竊取 4 3 3 數據竊取大模型 4 4 篡改與偽造 4 4 1 普通篡改 4 4 2 深度偽造 4 5 本章小結 4 6 習題 第5章 數據安全：防禦 5 1 魯棒訓練 5 2 差分隱私 5 2 1 差分隱私概念 5 2 2 差分隱私在深度學習中的應用 5 3 聯邦學習 5 3 1 聯邦學習概述 5 3 2 橫向聯邦 5 3 3 縱向聯邦 5 3 4 隱私與安全 5 4 篡改與深偽檢測 5 4 1 普通篡改檢測 5 4 2 深度偽造檢測 5 5 本章小結 5 6 習題 第6章 模型安全：對抗攻擊 6 1 白盒攻擊 6 2 黑盒攻擊 6 2 1 查詢攻擊 6 2 2 遷移攻擊 6 3 物理攻擊 6 4 本章小結 6 5 習題 第7章 模型安全：對抗防禦 7 1 對抗樣本成因 7 1 1 高度非線性假說 7 1 2 局部線性假說 7 1 3 邊界傾斜假說 7 1 4 高維流形假說 7 1 5 不魯棒特徵假說 7 2 對抗樣本檢測 7 2 1 二級分類法 7 2 2 主成分分析法 7 2 3 異常分佈檢測法 7 2 4 預測不一致性 7 2 5 重建不一致性 7 2 6 誘捕檢測法 7 3 對抗訓練 7 3 1 早期對抗訓練 7 3 2 PGD對抗訓練 7 3 3 TRADES對抗訓練 7 3 4 樣本區分對抗訓練 7 3 5 數據增廣對抗訓練 7 3 6 參數空間對抗訓練 7 3 7 對抗訓練的加速 7 3 8 大規模對抗訓練 7 3 9 對抗蒸餾 7 3 10 魯棒模型結構 7 4 輸入空間防禦 7 4 1 輸入去噪 7 4 2 輸入壓縮 7 4 3 像素偏轉 7 4 4 輸入隨機化 7 4 5 生成式防禦 7 4 6 圖像修復 7 5 可認證防禦 7 5 1 基本概念 7 5 2 認證小模型 7 5 3 認證中模型 7 5 4 認證大模型 7 6 本章小結 7 7 習題 第8章 模型安全：後門攻擊 8 1 輸入空間攻擊 8 2 模型空間攻擊 8 3 特徵空間攻擊 8 4 遷移學習攻擊 8 5 聯邦學習攻擊 8 6 任務場景攻擊 8 7 本章小結 8 8 習題 第9章 模型安全：後門防禦 9 1 後門模型檢測 9 2 後門樣本檢測 9 3 後門移除 9 3 1 訓練中移除 9 3 2 訓練后移除 9 4 本章小結 9 5 習題 第10章 模型安全：竊取攻防 10 1 模型竊取攻擊 10 1 1 基於方程式求解的竊取攻擊 10 1 2 基於替代模型的竊取攻擊 10 1 3 基於元模型的竊取攻擊 10 2 模型竊取防禦 10 2 1 信息模糊 10 2 2 查詢控制 10 2 3 模型溯源 10 3 本章小結 10 4 習題 第11章 未來展望 11 1 未來攻擊 11 2 未來防禦 11 3 本章小結 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
