增強深度神經(jīng)網(wǎng)絡
杜春曉 譯
出版時間:2020年12月
頁數(shù):256
“本書深刻揭露了人工智能系統(tǒng)存在的安全問題,深入分析了現(xiàn)有解決方案。作者是頂級數(shù)據(jù)科學家,且有著豐富的從業(yè)經(jīng)驗。本書是所有人工智能從業(yè)者的必讀書?!?br />
——Mark Briers
Alan Turing Institute項目主任及人工智能和網(wǎng)絡安全教授
“增強你開發(fā)的神經(jīng)網(wǎng)絡,需要你佩戴對抗性眼鏡。來閱讀這本書吧!”
——Pin-Yu Chen
IBM Research AI團隊的研究員
隨著深度神經(jīng)網(wǎng)絡(DNN)實際應用日益普遍,攻擊者可在不引起人警覺的情況下,構(gòu)造數(shù)據(jù)蓄意“欺騙” 深度神經(jīng)網(wǎng)絡,這種新型攻擊向量(攻擊手段)威脅到以深度神經(jīng)網(wǎng)絡為核心算法的人工智能系統(tǒng)的安全。本書緊貼實際,考察了深度神經(jīng)網(wǎng)絡算法的多種真實應用場景,如圖像、音頻和視頻數(shù)據(jù)處理。
作者Katy Warr探討了對抗性攻擊的意圖,分析了對抗性輸入對人工智能系統(tǒng)的威脅,并考察了現(xiàn)有對抗性攻擊和防御方法,為增強深度神經(jīng)網(wǎng)絡,使其健壯應對對抗性攻擊,做了諸多有益的探索。如果你是數(shù)據(jù)科學家,正在開發(fā)深度神經(jīng)網(wǎng)絡算法,或是安 全架構(gòu)師,有意提升人工智能系統(tǒng)應對攻擊的能力,又或是對人工和生物感知的差異感興趣,那么本書正是為你而寫的。
● 深入深度神經(jīng)網(wǎng)絡,揭示對抗性輸入如何欺騙深度神經(jīng)網(wǎng)絡。
● 探討如何生成對抗性輸入去攻擊深度神經(jīng)網(wǎng)絡。
● 探索真實對抗性攻擊場景和為對抗性威脅建模。
● 評估神經(jīng)網(wǎng)絡的健壯性;學會增強人工智能系統(tǒng)應對對抗性數(shù)據(jù)的能力。
● 考察未來幾年可用哪些方式讓人工智能更擅長模擬人的感知。
- 前言
- 第1部分 人工智能騙術(shù)簡介
- 第1章 簡介
- 深度學習簡介
- 深度學習簡史
- 人工智能“視錯覺”:驚人的真相
- 什么是“對抗性輸入”?
- 更廣闊的領域:“對抗機器學習”
- 對抗性輸入的啟示
- 第2章 攻擊動機
- 繞過Web過濾器
- 線上聲譽和品牌管理
- 偽裝自己,逃避監(jiān)控
- 保護個人在線上的隱私
- 迷惑自動駕駛車輛
- 語音控制型設備
- 第3章 深度神經(jīng)網(wǎng)絡基礎
- 機器學習
- 深度學習基本概念
- 深度神經(jīng)網(wǎng)絡模型作為數(shù)學函數(shù)
- 深度神經(jīng)網(wǎng)絡的輸入和輸出
- 創(chuàng)建一個簡單的圖像分類器
- 第4章 用深度神經(jīng)網(wǎng)絡處理圖像、音頻和視頻
- 圖像
- 音頻
- 視頻
- 對抗性思考
- 利用ResNet50網(wǎng)絡為圖像分類
- 第2部分 生成對抗性輸入
- 第5章 對抗性輸入的原理
- 輸入空間
- 深度神經(jīng)網(wǎng)絡在想什么?
- 擾動攻擊:最小化改動,最大化影響
- 對抗性補?。鹤畲蠡稚⒆⒁饬?
- 度量可檢測性
- 小結(jié)
- 第6章 對抗性擾動的生成方法
- 白盒方法
- 有限黑盒方法
- 基于分數(shù)的黑盒方法
- 小結(jié)
- 第3部分 理解真實世界的威脅
- 第7章 真實世界的攻擊模式
- 攻擊模式
- 可復用補丁和可復用擾動
- 整合起來:混合方法和折中處理
- 第8章 物理世界攻擊
- 對抗性物體
- 對抗性聲音
- 在物理世界創(chuàng)建對抗性樣例的可行性
- 第4部分 防御
- 第9章 評估模型對對抗性輸入的健壯性
- 對抗性的目的、能力、約束和知識
- 模型評估
- 第10章 防御對抗性輸入
- 改進模型
- 數(shù)據(jù)預處理
- 隱藏目標
- 構(gòu)建對抗性輸入的強大防御機制
- 第11章 未來趨勢:面向更健壯的人工智能系統(tǒng)
- 用輪廓識別增加健壯性
- 多感官輸入
- 物體的構(gòu)成和層級
- 寫在最后
- 附錄A 數(shù)學術(shù)語參考
- 作者介紹
- 封面介紹
書名:增強深度神經(jīng)網(wǎng)絡
譯者:杜春曉 譯
國內(nèi)出版社:中國電力出版社
出版時間:2020年12月
頁數(shù):256
書號:978-7-5198-4964-1
原版書書名:Strengthening Deep Neural Networks
原版書出版商:O'Reilly Media
Katy Warr
Katy Warr從愛丁堡大學獲得人工智能和計算機科學學位。她畢業(yè)時,深度學習因沒有足夠的計算能力和數(shù)據(jù)作為支撐,還只停留在理論研究階段。畢業(yè)之后,她從事過多年企業(yè)軟件開發(fā)工作,現(xiàn)專攻人工智能技術(shù)。鑒于人工智能已成為日常生活不可或缺的一部分,她為自己投身這一令人興奮的研究領域并成為其中一員而感到無比幸運。
本書封面上的動物是一種叫作“苗條的伊索”的裸鰓海蛞蝓(學名:Facelina auriculata),從歐洲西北部海濱往南直到地中海均有分布。
裸鰓海蛞蝓(英文名為nudibranchs,讀作“noo-di-branks”)是一種小型軟體動物,生活在世界各處的海洋中,盡管其個頭通常很小,但卻以其多彩和迷人的外表而聞名。雖其常被叫作“海蛞蝓”,但是這些生物是一種獨特的軟體動物(包括蝸牛、蛤蜊和章魚在內(nèi)的一個大群體),它們在生長的早期會蛻殼。大多數(shù)裸鰓海蛞蝓在暗礁和海底爬行,捕食??⑺Ox和其他小型生物,用像舌頭一樣長有牙齒的器官——齒舌消化食物。裸鰓海蛞蝓生活在淺海,但枯潮期也會爬到海岸的礁石下。
這些小型(最大1.5英寸長)生物靠嗅覺和味覺尋找獵物,它們用嗅角(hinophore,樹枝狀、起感覺作用的附屬肢體)感覺海水中的化學物質(zhì)。裸鰓海蛞蝓雌雄同體,它們在交配過程會交換物質(zhì)。交配過后,將卵產(chǎn)在絲帶狀的卵索中。
裸鰓海蛞蝓那引人注意的色彩搭配被認為是警戒色,這種色彩搭配警告捕食者該動物要么有毒,要么味道很糟糕。因為裸鰓海蛞蝓部分透明,因此有時它們會透出正在消化的獵物的色彩。很多裸鰓海蛞蝓還有叫作露鰓(cerata)的附屬肢體,其針刺組織位于手指狀的結(jié)構(gòu)中,這些毒刺是獵物(如??┝粝碌?,裸鰓海蛞蝓轉(zhuǎn)而利用這些毒刺保護自己。
O’Reilly圖書封面上的很多動物都是瀕危物種,它們對全世界都很重要。
封面的圖片是Karen Montgomery根據(jù)Henry Adams和Arthur Adams編著的《The Genera of Recent Mollusca》(1858)一書中的一張線條畫繪制的。