安徽科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

对抗机器学习/(美)安东尼·D. 约瑟夫(Anthony D. Joseph) ... [等] 著 纪守领, 翁海琴等译

出版发行项:

北京:机械工业出版社,2020

ISBN及定价:

978-7-111-65892-4/CNY99.00

载体形态项:

x, 288页:图;26cm

并列正题名:

Adversarial machine learning

丛编项:

智能科学与技术丛书

个人责任者:

(美) 约瑟夫 (Joseph, Anthony D.) 著

个人责任者:

(美) 尼尔森 (Nelson, Blaine) 著

个人责任者:

(美) 鲁宾斯坦 (Rubinstein, Benjamin I. P.) 著

个人次要责任者:

纪守领 译

个人次要责任者:

翁海琴 译

学科主题:

机器学习-安全技术

中图法分类号:

TP181

题名责任附注:

题名页题: (美) 安东尼·D. 约瑟夫, 布莱恩·尼尔森, 本杰明·I.P. 鲁宾斯坦, J.D. 泰格著

出版发行附注:

本书原版由剑桥大学出版社出版 本书简体字中文版由剑桥大学出版社与机械工业出版社合作出版

责任者附注:

安东尼·D. 约瑟夫, 加州大学伯克利分校电子工程与计算机科学系教授。布莱恩·尼尔森, 谷歌公司CAT团队软件工程师。本杰明·I.P. 鲁宾斯坦, 墨尔本大学计算与信息系统系副教授。

书目附注:

有书目 (第274-288页)

提要文摘附注:

本书由机器学习安全领域的学者撰写, 针对存在安全威胁的对抗性环境, 讨论如何构建健壮的机器学习系统, 全面涵盖所涉及的理论和工具。全书分为四部分, 分别讨论对抗机器学习的基本概念、诱发型攻击、探索性攻击和未来发展方向。书中介绍了当前最实用的工具, 你将学会利用它们来监测系统安全状态并进行数据分析, 从而设计出有效的对策来应对新的网络攻击; 详细讨论了隐私保护机制和分类器的近似最优规避, 在关于垃圾邮件和网络安全的案例研究中, 深入分析了传统机器学习算法为何会被成功击破; 全面概述了该领域的最新技术以及未来可能的发展方向。

豆瓣简介：