掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能安全導論 版權信息
- ISBN：9787111770602
- 條形碼：9787111770602 ; 978-7-111-77060-2
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能安全導論 本書特色
本書遵循教指委相關指導文件和高等院校學生學習規律編寫而成。踐行四新理念，融入思政元素，注重理論與實踐相結合。
人工智能安全導論 內容簡介
本書是一本講解人工智能時代所面臨的安全性挑戰的綜合性教材，比較全面地介紹了人工智能安全的基本原理和主要防治技術，對人工智能安全的產生機理、特點、危害表現以及防治技術進行了比較深入的分析和探討。其中，第1章介紹了人工智能的基礎知識和人工智能的安全問題；第2～4章分別介紹了投毒攻擊與防御、對抗攻擊與防御和后門攻擊與防御；第5～7章介紹了人工智能技術在安全領域的具體應用，包括網絡入侵檢測、網絡流量分類和聯邦學習。 本書可作為普通高等院校人工智能、計算機科學與技術、信息安全等專業的教材，同時也可作為人工智能安全領域研究者和技術人員的參考資料。 本書配有電子課件、源代碼、習題解答、教學大綱、教學視頻等教學資源，歡迎選用本書作教材的教師登錄www.cmpedu.com注冊后下載，或發郵件至jinacmp@163.com索取。
人工智能安全導論人工智能安全導論 前言
在21世紀的數字化時代，人工智能（AI）的崛起標志著人類社會進入了一個全新的發展階段。AI不僅在技術層面實現了前所未有的突破，更在社會、經濟、文化等多個領域產生了深遠的影響。如今，AI已經滲透到人們生活的方方面面，從智能手機的語音助手到智能家居的自動化控制，從在線推薦系統到自動駕駛汽車，AI的應用場景日益豐富。然而，隨著AI技術的快速發展，其潛在的安全風險也逐漸暴露。數據泄露、算法偏見、隱私侵犯、倫理爭議等問題，不僅威脅到個人的安全和隱私，也對社會的穩定和發展構成了挑戰。
人工智能安全是確保技術健康發展的關鍵。安全問題不僅關系到技術本身的穩定性和可靠性，更關系到社會倫理、法律規范和國際關系等多個層面。AI安全的研究和實踐，需要跨學科的知識和技能，包括計算機科學、數學、倫理學、法學等。本書旨在為讀者提供一個全面、深入的視角，幫助他們理解人工智能安全的重要性，并掌握相關的知識和技能。
本書在編寫過程中秉承理論與實踐相結合的原則，強化技術導向。為了便于理解，書中列舉了大量先進案例，所有案例均是學術界的*新科研成果，力求做到讓讀者了解*新的研究熱點和具體的人工智能安全技術，適合教師講授，易于學生閱讀。本書在編寫時力求做到通俗、易懂，書中圖文并茂，針對教學型、教學科研型本科院校的學生特點，內容講解在夠用的基礎上，更加突出實際案例的應用。
人工智能安全導論 目錄
前言
第1章 人工智能安全概述 1
1.1 什么是人工智能安全 1
1.2 人工智能安全問題—按組成要素分類 3
1.2.1 人工智能的數據安全威脅 4
1.2.2 人工智能的模型安全威脅 7
1.2.3 人工智能的模型運行環境安全威脅 11
1.3 人工智能安全問題—按生命周期分類 13
1.3.1 人工智能的設計階段安全威脅 14
1.3.2 人工智能的訓練階段安全威脅 18
1.3.3 人工智能的執行階段安全威脅 22
1.4 人工智能安全問題—按系統架構分類 25
1.4.1 人工智能的硬件安全威脅 26
1.4.2 人工智能的操作系統安全威脅 30
1.4.3 人工智能的開發框架安全威脅 32
1.5 人工智能安全要素 34
1.6 人工智能安全的發展前景 39
本章小結 41
思考題與習題 42
參考文獻 43
第2章 投毒攻擊與防御 46
2.1 投毒攻擊概述 46
2.1.1 數據安全與投毒攻擊 47
2.1.2 投毒攻擊案例 48
2.2 投毒攻擊的基本概念 49
2.2.1 投毒攻擊的定義與分類 49
2.2.2 投毒攻擊的范圍 51
2.2.3 投毒攻擊技術的發展 51
2.2.4 投毒攻擊防御技術的發展 54
2.3 投毒攻擊的威脅模型 54
2.3.1 攻擊者的知識 55
2.3.2 攻擊者的目標 55
2.3.3 攻擊者的能力 56
2.3.4 攻擊者的策略 56
2.4 投毒攻擊方法 57
2.4.1 無目標投毒攻擊 57
2.4.2 有目標投毒攻擊 60
2.5 投毒攻擊防御方法 62
2.5.1 基于訓練數據檢測的防御方法 62
2.5.2 基于魯棒性訓練的防御方法 64
2.5.3 基于數據增強的防御方法 64
2.6 投毒攻擊與防御實現案例 65
2.6.1 投毒攻擊案例 66
2.6.2 投毒攻擊防御案例 74
本章小結 78
思考題與習題 78
參考文獻 80
第3章 對抗攻擊與防御 81
3.1 對抗樣本概述 81
3.1.1 對抗樣本的定義 81
3.1.2 對抗攻擊的威脅模型 82
3.1.3 對抗攻擊的分類 84
3.2 對抗攻擊方法 85
3.2.1 基于梯度的白盒攻擊 85
3.2.2 基于優化的白盒攻擊 87
3.2.3 基于梯度估計的黑盒攻擊 88
3.2.4 基于邊界的黑盒攻擊 88
3.2.5 灰盒攻擊 89
3.3 對抗樣本檢測方法 90
3.3.1 基于特征學習的對抗樣本檢測 90
3.3.2 基于分布統計的對抗樣本檢測 93
3.3.3 基于中間輸出的對抗樣本檢測 94
3.4 對抗樣本防御方法 94
3.4.1 基于對抗訓練的對抗樣本防御方法 95
3.4.2 基于特征去噪的對抗樣本防御方法 96
3.4.3 基于輸入變換的對抗樣本防御方法 97
3.4.4 基于防御蒸餾的對抗樣本防御方法 98
3.5 對抗攻擊的具體實現案例 100
3.5.1 對抗攻擊案例 100
3.5.2 對抗樣本檢測案例 104
3.5.3 對抗防御案例 107
本章小結 110
思考題與習題 111
參考文獻 112
第4章 后門攻擊與防御 114
4.1 后門攻擊的背景 114
4.2 后門攻擊的基本概念 115
4.3 后門攻擊的威脅模型 116
4.4 圖像后門攻擊 117
4.4.1 早期的后門攻擊 117
4.4.2 基于觸發器優化的后門攻擊 120
4.4.3 隱形后門攻擊 122
4.4.4 “干凈標簽”條件下的后門攻擊 123
4.4.5 其他后門攻擊方法 124
4.5 圖像后門防御 126
4.5.1 基于數據預處理的防御方法 126
4.5.2 基于觸發器生成的防御方法 128
4.5.3 基于模型診斷的防御方法 130
4.5.4 基于投毒抑制的防御方法 131
4.5.5 基于訓練樣本過濾的防御方法 134
4.5.6 基于測試樣本過濾的防御方法 136
4.6 其他場景下的后門攻擊 137
4.7 后門攻擊和其他攻擊的關系 139
4.7.1 后門攻擊和對抗攻擊 139
4.7.2 后門攻擊和中毒攻擊 140
4.8 后門攻擊與防御的實現案例 140
4.8.1 后門攻擊的實現實例 140
4.8.2 基于解耦的后門防御的實現實例 143
本章小結 145
思考題與習題 145
參考文獻 146
第5章 人工智能在網絡入侵檢測領域 147
5.1 網絡入侵檢測概述 147
5.1.1 網絡入侵檢測的背景和基本概念 148
5.1.2 網絡入侵檢測系統的發展 151
5.1.3 網絡入侵檢測系統的分類 152
5.1.4 人工智能技術用于網絡入侵檢測的必要性 153
5.2 網絡入侵檢測模型的構建 154
5.2.1 網絡入侵檢測模型的主流數據集介紹 154
5.2.2 數據預處理和特征工程 161
5.2.3 模型訓練與優化策略 167
5.3 人工智能在網絡入侵檢測中的應用 168
5.3.1 機器學習方法在網絡入侵檢測中的應用 170
5.3.2 深度學習方法在網絡入侵檢測中的應用 173
5.4 網絡入侵檢測的具體實現案例 175
5.5 網絡入侵檢測中的人工智能安全問題 181
本章小結 182
思考題與習題 182
參考文獻 183
第6章 人工智能在網絡流量分類領域 184
6.1 網絡流量分類概述 184
6.1.1 網絡流量分類的背景和基本概念 184
6.1.2 網絡流量分類的重要性 186
6.1.3 網絡流量分類的技術演進 187
6.2 網絡流量分類數據集和分類特征 190
6.2.1 網絡流量分類的主流數據集介紹 190
6.2.2 網絡流量的數據預處理和特征表示 193
6.3 人工智能在網絡流量分類中的應用 199
6.3.1 機器學習方法在網絡流量分類中的應用 200
6.3.2 深度學習方
第1章 人工智能安全概述 1
1.1 什么是人工智能安全 1
1.2 人工智能安全問題—按組成要素分類 3
1.2.1 人工智能的數據安全威脅 4
1.2.2 人工智能的模型安全威脅 7
1.2.3 人工智能的模型運行環境安全威脅 11
1.3 人工智能安全問題—按生命周期分類 13
1.3.1 人工智能的設計階段安全威脅 14
1.3.2 人工智能的訓練階段安全威脅 18
1.3.3 人工智能的執行階段安全威脅 22
1.4 人工智能安全問題—按系統架構分類 25
1.4.1 人工智能的硬件安全威脅 26
1.4.2 人工智能的操作系統安全威脅 30
1.4.3 人工智能的開發框架安全威脅 32
1.5 人工智能安全要素 34
1.6 人工智能安全的發展前景 39
本章小結 41
思考題與習題 42
參考文獻 43
第2章 投毒攻擊與防御 46
2.1 投毒攻擊概述 46
2.1.1 數據安全與投毒攻擊 47
2.1.2 投毒攻擊案例 48
2.2 投毒攻擊的基本概念 49
2.2.1 投毒攻擊的定義與分類 49
2.2.2 投毒攻擊的范圍 51
2.2.3 投毒攻擊技術的發展 51
2.2.4 投毒攻擊防御技術的發展 54
2.3 投毒攻擊的威脅模型 54
2.3.1 攻擊者的知識 55
2.3.2 攻擊者的目標 55
2.3.3 攻擊者的能力 56
2.3.4 攻擊者的策略 56
2.4 投毒攻擊方法 57
2.4.1 無目標投毒攻擊 57
2.4.2 有目標投毒攻擊 60
2.5 投毒攻擊防御方法 62
2.5.1 基于訓練數據檢測的防御方法 62
2.5.2 基于魯棒性訓練的防御方法 64
2.5.3 基于數據增強的防御方法 64
2.6 投毒攻擊與防御實現案例 65
2.6.1 投毒攻擊案例 66
2.6.2 投毒攻擊防御案例 74
本章小結 78
思考題與習題 78
參考文獻 80
第3章 對抗攻擊與防御 81
3.1 對抗樣本概述 81
3.1.1 對抗樣本的定義 81
3.1.2 對抗攻擊的威脅模型 82
3.1.3 對抗攻擊的分類 84
3.2 對抗攻擊方法 85
3.2.1 基于梯度的白盒攻擊 85
3.2.2 基于優化的白盒攻擊 87
3.2.3 基于梯度估計的黑盒攻擊 88
3.2.4 基于邊界的黑盒攻擊 88
3.2.5 灰盒攻擊 89
3.3 對抗樣本檢測方法 90
3.3.1 基于特征學習的對抗樣本檢測 90
3.3.2 基于分布統計的對抗樣本檢測 93
3.3.3 基于中間輸出的對抗樣本檢測 94
3.4 對抗樣本防御方法 94
3.4.1 基于對抗訓練的對抗樣本防御方法 95
3.4.2 基于特征去噪的對抗樣本防御方法 96
3.4.3 基于輸入變換的對抗樣本防御方法 97
3.4.4 基于防御蒸餾的對抗樣本防御方法 98
3.5 對抗攻擊的具體實現案例 100
3.5.1 對抗攻擊案例 100
3.5.2 對抗樣本檢測案例 104
3.5.3 對抗防御案例 107
本章小結 110
思考題與習題 111
參考文獻 112
第4章 后門攻擊與防御 114
4.1 后門攻擊的背景 114
4.2 后門攻擊的基本概念 115
4.3 后門攻擊的威脅模型 116
4.4 圖像后門攻擊 117
4.4.1 早期的后門攻擊 117
4.4.2 基于觸發器優化的后門攻擊 120
4.4.3 隱形后門攻擊 122
4.4.4 “干凈標簽”條件下的后門攻擊 123
4.4.5 其他后門攻擊方法 124
4.5 圖像后門防御 126
4.5.1 基于數據預處理的防御方法 126
4.5.2 基于觸發器生成的防御方法 128
4.5.3 基于模型診斷的防御方法 130
4.5.4 基于投毒抑制的防御方法 131
4.5.5 基于訓練樣本過濾的防御方法 134
4.5.6 基于測試樣本過濾的防御方法 136
4.6 其他場景下的后門攻擊 137
4.7 后門攻擊和其他攻擊的關系 139
4.7.1 后門攻擊和對抗攻擊 139
4.7.2 后門攻擊和中毒攻擊 140
4.8 后門攻擊與防御的實現案例 140
4.8.1 后門攻擊的實現實例 140
4.8.2 基于解耦的后門防御的實現實例 143
本章小結 145
思考題與習題 145
參考文獻 146
第5章 人工智能在網絡入侵檢測領域 147
5.1 網絡入侵檢測概述 147
5.1.1 網絡入侵檢測的背景和基本概念 148
5.1.2 網絡入侵檢測系統的發展 151
5.1.3 網絡入侵檢測系統的分類 152
5.1.4 人工智能技術用于網絡入侵檢測的必要性 153
5.2 網絡入侵檢測模型的構建 154
5.2.1 網絡入侵檢測模型的主流數據集介紹 154
5.2.2 數據預處理和特征工程 161
5.2.3 模型訓練與優化策略 167
5.3 人工智能在網絡入侵檢測中的應用 168
5.3.1 機器學習方法在網絡入侵檢測中的應用 170
5.3.2 深度學習方法在網絡入侵檢測中的應用 173
5.4 網絡入侵檢測的具體實現案例 175
5.5 網絡入侵檢測中的人工智能安全問題 181
本章小結 182
思考題與習題 182
參考文獻 183
第6章 人工智能在網絡流量分類領域 184
6.1 網絡流量分類概述 184
6.1.1 網絡流量分類的背景和基本概念 184
6.1.2 網絡流量分類的重要性 186
6.1.3 網絡流量分類的技術演進 187
6.2 網絡流量分類數據集和分類特征 190
6.2.1 網絡流量分類的主流數據集介紹 190
6.2.2 網絡流量的數據預處理和特征表示 193
6.3 人工智能在網絡流量分類中的應用 199
6.3.1 機器學習方法在網絡流量分類中的應用 200
6.3.2 深度學習方
展開全部
書友推薦
- >
小考拉的故事-套裝共3冊
- >
李白與唐代文化
- >
【精裝繪本】畫給孩子的中國神話
- >
伯納黛特,你要去哪(2021新版)
- >
有舍有得是人生
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
人文閱讀與收藏·良友文學叢書:一天的工作
本類暢銷
