趋近智
趋近智
本课程对机器学习 (machine learning)模型面临的对抗性攻击及其防御方法进行详细分析。内容涵盖规避攻击、投毒攻击和推理 (inference)攻击等高级攻击手段，以及对抗训练、认证鲁棒性等精巧防御策略。您将学习如何严格评估模型安全性，并应用前沿技术来构建更安全的AI系统。本课程适合希望了解和减轻机器学习部署中弱点的工程师和研究人员。
先修课程 扎实的机器学习与Python技能。
级别:
高级攻击实践
实现精巧的规避攻击（C&W, PGD）和数据投毒策略。
防御机制
应用并分析对抗训练和认证防御等高级防御技术。
模型推理攻击
了解并实施成员推理、属性推理和模型窃取攻击。
鲁棒性评估
使用标准基准和适应性攻击策略严格评估模型安全性。
特定领域对抗性机器学习
分析计算机视觉和自然语言处理等领域特有的对抗性威胁。
实践应用
获得使用ART或CleverHans等框架进行攻击与防御模拟的实践经验。