攻击与安全防护

研究提示注入、数据泄露和 AI 网络攻防,适合安全研究与防护人员。

32 条精选 · 入门 8 · 按推荐学习顺序:越基础、直观越靠前,越系统、深入越靠后

在 3D 图中查看
  1. 13进阶
    教程发布 2023-01-01
    docs.pytorch.org

    对抗样本生成

    Adversarial Example Generation

    PyTorch 官方教程文档(对应 2.15.0+cu132 版本),作者为 Nathan Inkawhich,创建于 2018 年 8 月 14 日,最后更新于 2025 年 1 月 27 日。教程以图像分类器为例,介绍机器学习模型的安全与鲁棒性问题,使用快速梯度符号法(FGSM)攻击来欺骗 MNIST 分类器,演示对图像加入人眼难以察觉的扰动即可显著改变模型表现,并讨论了对抗攻击的不同类别与威胁模型。页面提供在 Google Colab 中运行和下载 Notebook 的入口。

    进阶攻击与安全防护仅限授权使用

评测、安全与治理的其他细分主题