深度學習與安全對抗(精)
譚毓安 張耀元 祝烈煌 鄭軍
- 出版商: 北京理工大學
- 出版日期: 2025-03-01
- 售價: $528
- 語言: 簡體中文
- 頁數: 341
- ISBN: 7576352000
- ISBN-13: 9787576352009
-
相關分類:
DeepLearning
下單後立即進貨 (約4週~6週)
相關主題
商品描述
本書深入探討了深度學習技術在安全領域的應用和挑戰。全書分為兩部分：第一部分全面介紹深度學習的基礎知識，包括神經網絡（如卷積神經網絡和循環神經網絡）的數學基礎、工作原理及模型訓練等內容；第二部分深入闡述了深度學習安全的關鍵問題和核心算法，主要涉及對抗樣本攻防技術、投毒攻防技術、後門攻防技術和深度偽造與防禦技術。本書不僅介紹了攻防技術算法的基本原理，還提供了實用的示例程序，通過具體實踐幫助讀者掌握深度學習安全領域的相關攻擊防禦知識，幫助開發人員設計和實現更加安全可靠的深度學習模型。 本書適合於希望了解和掌握深度學習安全知識、致力於構建可信人工智能系統的計算機及相關專業的在校學生、技術工作者。
目錄大綱
第一部分 深度學習基礎知識
第1章 應用數學和機器學習基礎
1.1 數學基礎
1.1.1 深度學習中的矩陣運算
1.1.2 範數
1.1.3 信息論
1.2 監督學習
1.2.1 回歸學習
1.2.2 分類學習
1.3 無監督學習
1.3.1 聚類
1.3.2 主成分分析
1.4 強化學習
1.5 本章小結
第2章 神經網絡
2.1 M-P模型與感知機
2.2 多層感知機
2.3 誤差反向傳播算法
2.4 激活函數
2.4.1 Sigmoid函數
2.4.2 Tanh函數
2.4.3 ReLU函數
2.4.4 Softmax函數
2.5 誤差函數
2.6 神經網絡的表達能力
2.7 設置數據和模型
2.7.1 數據預處理
2.7.2 參數初始化
2.8 正則化
2.9 參數更新
2.9.1 隨機梯度下降
2.9.2 自適應學習率方法
2.9.3 其他更新方法
2.10 本章小結
第3章 卷積神經網絡
3.1 卷積神經網絡結構
3.1.1 輸入層
3.1.2 卷積層
3.1.3 池化層
3.1.4 全連接層
3.1.5 輸出層
3.2 訓練方法
3.2.1 誤差更新算法
3.2.2 參數初始化策略
3.3 提高泛化能力的方法
3.3.1 訓練樣本
3.3.2 預處理
3.3.3 Dropout和DropConnect
……
第二部分 安全對抗
