Кэти Уорр - Надежность нейронных сетей: укрепляем устойчивость ИИ к обману
Название: | Надежность нейронных сетей: укрепляем устойчивость ИИ к обману | |
Автор: | Кэти Уорр | |
Жанр: | Искусственный интеллект | |
Изадано в серии: | Бестселлеры o’reilly | |
Издательство: | Питер | |
Год издания: | 2021 | |
ISBN: | 978-5-4461-1676-8 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Надежность нейронных сетей: укрепляем устойчивость ИИ к обману"
Глубокие нейронные сети (DNN) становятся неотъемлемой частью IT-продуктов, провоцируя появление нового направления кибератак. Хакеры пытаются обмануть нейросети с помощью данных, которые не смогли бы обмануть человека. Кэти Уорр рассматривает мотивацию подобных атак, риски, которые влечет вредоносный ввод, а также методы повышения устойчивости ИИ к таким взломам. Если вы специалист по data science, архитектор системы безопасности и стремитесь повысить устойчивость систем с ИИ или вас просто интересует различие между искусственным и биологическим восприятием, то эта книга для вас. 16+
Читаем онлайн "Надежность нейронных сетей: укрепляем устойчивость ИИ к обману". [Страница - 62]
yy если увеличение этого входного значения ведет к уменьшению целевого
показателя вероятности, то производная:
будет меньше 0. В таком случае данное входное значение не является
вредоносно значимым и просто приравнивается нулю:
;
yy подобным образом, если увеличение входного значения ведет к общему
увеличению предсказаний, выдаваемых для всех других (нецелевых) ка
тегорий, это не способствует достижению вредоносной цели. Это сумма
всех производных относительно входного значения для всех предсказа
ний, отличных от целевого. Если эта сумма больше 0, то входное значение
опять же не считается вредоносно значимым и приравнивается 0:
;
yy в противном случае входное значение является вредоносно значимым
и нам остается лишь количественно оценить эту значимость, чтобы ее
можно было сравнивать со значимостью других входных значений. Это
можно сделать путем умножения частной производной, полученной на
первом шаге, на сумму частных производных, полученную на втором
шаге. В силу упомянутых ранее ограничений первый множитель всегда
будет положительным, а второй — отрицательным; поэтому, чтобы сделать
результат положительным, нам следует снабдить это произведение знаком
минус:
.
Глава 6. Методы генерации вредоносных искажений 151
Сведя воедино все вышесказанное, мы можем создать карту значимости s+,
показывающую, в какой мере увеличение каждого входного значения спо
собствует получению желаемого предсказания:
;
.
Эта карта значимости отражает вредоносную значимость входных значений
в случае их увеличения. Метод JSMA также подразумевает определение того,
какие пиксельные значения в наибольшей мере способствуют обеспечению
неправильной классификации в случае их уменьшения. Лишь немного изменив
логику, мы получим еще одну карту значимости, s−:
;
.
(Обратите внимание, здесь поменялись местами знаки > и --">
Книги схожие с «Надежность нейронных сетей: укрепляем устойчивость ИИ к обману» по жанру, серии, автору или названию:
Джереми Ховард, Сильвейн Гуггер - Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности Жанр: Python Год издания: 2022 Серия: Бестселлеры o’reilly |
Орельен Жерон - Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow Жанр: Искусственный интеллект Год издания: 2020 Серия: Бестселлеры o’reilly |
Валлиаппа Лакшманан, Сара Робинсон, Майкл Мунн - Машинное обучение. Паттерны проектирования Жанр: Искусственный интеллект Год издания: 2022 Серия: Бестселлеры o’reilly |
Фил Уиндер - Обучение с подкреплением для реальных задач Жанр: Искусственный интеллект Год издания: 2023 Серия: Бестселлеры o’reilly |
Другие книги из серии «Бестселлеры o’reilly»:
Евгений Брикман - Terraform: инфраструктура на уровне кода Жанр: Программирование: прочее Год издания: 2020 Серия: Бестселлеры o’reilly |
Титус Винтерс, Том Маншрек, Хайрам Райт - Делай как в Google. Разработка программного обеспечения Жанр: Программирование: прочее Год издания: 2021 Серия: Бестселлеры o’reilly |
Валлиаппа Лакшманан, Сара Робинсон, Майкл Мунн - Машинное обучение. Паттерны проектирования Жанр: Искусственный интеллект Год издания: 2022 Серия: Бестселлеры o’reilly |
Лейн Кэмпбелл, Черити Мейджорс - Базы данных. Инжиниринг надежности Жанр: Базы данных Год издания: 2020 Серия: Бестселлеры o’reilly |