第一版:ai-data-model-safety.github.io
人工智能真的安全吗?数据是否干净?模型是否可信?
关于人工智能安全,你想要了解的都在这里。
本书聚焦学术前沿,围绕人工智能的两大核心要素,即数据和模型,系统深入地介绍相关安全问题和攻防算法。
本书的特色包括:
- 深入:详细讲解各类攻防算法及其背后的对抗和鲁棒优化思想
- 系统:全面梳理介绍人工智能数据与模型面临的各类安全风险
- 前沿:覆盖人工智能安全领域最前沿的攻防技术及其发展动态
本书适合人工智能、智能科学与技术、计算机科学与技术、软件工程、信息安全等专业的高年级本科生、研究生以及人工智能从业者阅读。 通过本书,读者可以了解人工智能安全这一新兴领域,培养致力于发展“安全”“可信”人工智能的社会责任感。
如需配套课件,请直接联系我们
| 序号 | 主题 |
|---|---|
| 1 | 课程介绍&机器学习基础 |
| 2 | 可解释性和普通鲁棒性 |
| 3 | 对抗样本 |
| 4 | 对抗样本检测 |
| 5 | 对抗防御 |
| 6 | 数据投毒和防御 |
| 7 | 后门攻击和防御 |
| 8 | 数据抽取和模型窃取 |
| 9 | 隐私攻击和防御 |
| 10 | 深度伪造与检测 |
| 11 | 联邦学习 |
| 12 | AI模型版权保护 |
| 13 | AI公平性与伦理 |
