深度學習數(shù)據(jù)與算法安全及其應用

第1章 概述
1.1 基本概念與應用
1.1.1 人工智能的基本概念
1.1.2 人工智能的應用
1.2 人工智能安全技術現(xiàn)狀
1.2.1 深度學習的安全理論研究現(xiàn)狀
1.2.2 面向深度學習的脆弱性攻擊技術研究現(xiàn)狀
1.2.3 面向深度學習的抗干擾保護技術研究現(xiàn)狀
1.2.4 面向深度學習的安全性測試技術研究現(xiàn)狀
本章小結
參考文獻
第2章 深度學習的可信理論
2.1 深度學習的背景知識
2.1.1 深度學習模型
2.1.2 深度學習的數(shù)據(jù)模態(tài)
2.1.3 深度神經(jīng)網(wǎng)絡的分類
2.2 深度模型的性能評價體系
2.2.1 深度模型性能定義
2.2.2 深度模型性能評價指標
2.2.3 評價方法
2.3 面向深度模型的可解釋性理論
2.3.1 可解釋性定義
2.3.2 可解釋技術
2.4 面向深度模型的魯棒增強理論
2.4.1 模型魯棒性定義
2.4.2 魯棒性評估指標
2.4.3 魯棒性增強方法
2.5 面向深度模型的隱私保護理論
2.5.1 模型的隱私性定義
2.5.2 隱私保護方法
2.6 面向深度模型的公平?jīng)Q策理論
2.6.1 模型公平性定義
2.6.2 深度學習存在的偏見
2.6.3 公平性提升方法
本章小結
參考文獻
第3章 面向深度學習模型的攻擊方法
3.1 對抗攻擊
3.1.1 對抗攻擊定義
3.1.2 對抗樣本的基本概念
3.1.3 基礎對抗攻擊方法概述
3.1.4 對抗攻擊方法及其應用
3.2 中毒攻擊
3.2.1 中毒攻擊定義
3.2.2 中毒攻擊相關的基本概念
3.2.3 基礎中毒攻擊方法概述
3.2.4 中毒攻擊方法及其應用
3.3 隱私竊取攻擊
3.3.1 隱私竊取攻擊定義
3.3.2 隱私保護對象和威脅模型
3.3.3 隱私竊取攻擊方法概述
3.3.4 隱私竊取攻擊方法及其應用
3.4 偏見操控攻擊
3.4.1 偏見操控攻擊定義
3.4.2 偏見操控攻擊的威脅模型
3.4.3 偏見操控攻擊方法概述
3.5 面向聯(lián)邦學習的攻擊
3.5.1 聯(lián)邦學習定義
3.5.2 聯(lián)邦學習有關的基本概念
3.5.3 面向聯(lián)邦學習攻擊方法概述
3.5.4 面向聯(lián)邦學習攻擊方法及其應用
3.6 面向強化學習的攻擊
3.6.1 深度強化學習相關定義
3.6.2 強化學習的基本概念
3.6.3 面向強化學習攻擊方法概述
3.6.4 面向強化學習攻擊方法及其應用
本章小結
參考文獻
第4章 面向深度學習模型的防御方法
4.1 對抗樣本檢測
4.1.1 對抗樣本檢測定義
4.1.2 對抗樣本檢測相關的基本概念
4.1.3 基礎對抗樣本檢測方法概述
4.1.4 對抗樣本檢測方法及其應用
4.2 對抗防御
4.2.1 對抗防御定義
4.2.2 對抗防御相關的基本概念
4.2.3 基礎對抗防御方法概述
4.2.4 對抗防御方法及其應用
4.3 中毒檢測和防御
4.3.1 中毒樣本檢測定義
4.3.2 后門檢測和防御的基本概念
4.3.3 基礎中毒檢測方法概述
4.3.4 基礎中毒防御方法概述
4.3.5 中毒檢測防御方法及其應用
4.4 隱私竊取防御
4.4.1 隱私竊取防御定義
4.4.2 隱私竊取防御的基本概念
4.4.3 基礎隱私保護方法概述
4.4.4 隱私保護方法及其應用
4.5 偏見去除
4.5.1 偏見去除問題定義
4.5.2 偏見去除的基本概念
4.5.3 基礎去偏方法概述
4.5.4 偏見去除方法及其應用
4.6 面向聯(lián)邦學習攻擊的防御
4.6.1 面向聯(lián)邦學習攻擊防御問題定義
4.6.2 面向聯(lián)邦學習攻擊防御的基本概念
4.6.3 基礎防御方法概述
4.6.4 面向聯(lián)邦學習的防御方法及其應用
4.7 面向深度強化學習的防御
4.7.1 面向深度強化學習防御問題定義
4.7.2 面向基于強化學習防御方法的基本概念
4.7.3 基礎防御方法概述
4.7.4 面向強化學習的防御方法及其應用
本章小結
參考文獻
第5章 深度學習模型的測試與評估方法
5.1 測試的基本概念
5.1.1 測試過程
5.1.2 測試組件
5.1.3 測試目標
5.2 面向深度模型的測試
5.2.1 安全性測試
5.2.2 測試樣本排序方法
5.2.3 公平性測試
5.2.4 隱私性測試
5.2.5 深度模型測試及其應用
5.3 面向深度學習框架的測試
5.3.1 庫測試
5.3.2 算子測試
5.3.3 API測試
5.3.4 編譯器測試
本章小結
參考文獻
第6章 深度學習的數(shù)據(jù)與算法安全應用
6.1 圖像識別的攻防安全應用
6.1.1 面向自動駕駛的對抗攻擊與防御應用
6.1.2 面向生物特征識別系統(tǒng)的對抗攻擊與中毒攻擊應用
6.2 圖數(shù)據(jù)挖掘的攻防安全應用
6.2.1 面向鏈路預測的攻防安全應用
6.2.2 面向節(jié)點分類的攻防安全應用
6.2.3 面向圖分類的攻防安全應用
6.3 面向電磁信號識別的攻防安全應用
6.3.1 面向信號恢復的深度