[套装书]对抗机器学习+机器学习：基于约束的方法（2册）
| 作者 |
| 安东尼·D. 约瑟夫 布莱恩·尼尔森 本杰明·I. P. 鲁宾斯坦 J. D. 泰格 马可·戈里 |
| 丛书名 |
| 智能科学与技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782008171024 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 ---------------------------对抗机器学习--------------------------- 本书由机器学习安全领域的学者撰写，针对存在安全威胁的对抗性环境，讨论如何构建健壮的机器学习系统，全面涵盖所涉及的理论和工具。全书分为四部分，分别讨论对抗机器学习的基本概念、诱发型攻击、探索性攻击和未来发展方向。书中介绍了当前最实用的工具，你将学会利用它们来监测系统安全状态并进行数据分析，从而设计出有效的对策来应对新的网络攻击；详细讨论了隐私保护机制和分类器的近似最优规避，在关于垃圾邮件和网络安全的案例研究中，深入分析了传统机器学习算法为何会被成功击破；全面概述了该领域的最新技术以及未来可能的发展方向。本书适合机器学习、计算机安全、网络安全领域的研究人员、技术人员和学生阅读。 ---------------------------机器学习：基于约束的方法--------------------------- 本书从全新的视角诠释了机器学习的基本模型和算法，重点讨论了当前的两项研究热点——神经网络和核方法。全书紧紧围绕从环境约束中学习的概念，将符号知识库作为约束集合，通过采用多值逻辑形式的思想，实现了约束方法与机器学习的深度融合。特别是对深度学习的讲解，很好地呈现了本书中所遵循的基于约束的方法。此外，本书还提供不同难度等级的练习及参考答案，适合高等院校计算机相关专业的学生参考，也适合业界研究人员和技术人员阅读。 |
| 目录 |
---------------------------对抗机器学习--------------------------- 译者序 致谢 符号表 第一部分对抗机器学习概述 第1章引言 11动机 12安全学习的原则性方法 13安全学习年表 14本书内容概述 第2章背景知识及符号说明 21基本表示 22统计机器学习 221数据 222假设空间 223学习模型 224监督学习 225其他学习模式 第3章安全学习框架 31学习阶段分析 32安全分析 321安全目标 322威胁模型 323安全中的机器学习应用探讨 33框架 331分类 332对抗学习博弈 333对抗能力特征 334攻击 335防御 34探索性攻击 341探索性博弈 342探索性完整性攻击 343探索性可用性攻击 344防御探索性攻击 35诱发型攻击 351诱发型博弈 352诱发型完整性攻击 353诱发型可用性攻击 354防御诱发型攻击 36重复学习博弈 37隐私保护学习 371差分隐私 372探索性和诱发型隐私攻击 373随机效用 第二部分关于机器学习的诱发型攻击 第4章攻击一个超球面学习者 41超球面检测器的诱发型攻击 411学习假设 412攻击者假设 413分析方法论 42超球面攻击描述 421取代质心 422攻击的正式描述 423攻击序列的特征 43最优无约束攻击 44对攻击施加时间限制 441可变质量的堆叠块 442替代配方 443最优松弛解 45使用数据替换进行重新训练的攻击 451平均输出和随机输出替换策略 452最近输出替换策略 46受限制的攻击者 461贪婪最佳攻击 462混合数据攻击 463扩展 47总结 第5章可用性攻击案例研究：SpamBayes 51SpamBayes垃圾邮件过滤器 511SpamBayes的训练算法 512SpamBayes的预测 513SpamBayes的模型 52SpamBayes的威胁模型 521攻击者目标 522攻击者知识 523训练模型 524污染假设 53对SpamBayes学习者的\诱发型攻击 531诱发型可用性攻击 532诱发型完整性攻击——伪垃圾邮件 54拒绝负面影响防御 55使用SpamBayes进行实验 551实验方法 552字典攻击结果 553集中攻击结果 554伪垃圾邮件攻击实验 555RONI结果 56总结 第6章完整性攻击案例研究：主成分分析检测器 61PCA方法用于流量异常检测 611流量矩阵和大规模异常 612用于异常检测的子空间方法 62腐蚀PCA子空间 621威胁模型 622无信息垃圾流量选择 623局部信息垃圾流量选择 624全局信息垃圾流量选择 625温水煮青蛙式攻击 63腐蚀抵御检测器 631直觉 632PCAGRID方法 633鲁棒的拉普拉斯阈值 64实证评估 641准备 642识别易受攻击流 643攻击评估 644ANTIDOTE评估 645温水煮青蛙式毒化攻击实证评估 65总结 第三部分关于机器学习的探索性攻击 第7章用于SVM学习的隐私保护机制 71隐私泄露案例研究 711马萨诸塞州员工健康记录 712AOL搜索查询日志 713Netflix奖 714Twitter昵称的去匿名化 715全基因组关联研究 716广告微目标 717经验教训 72问题定义：隐私保护学习 721差分隐私 722可用性 723差分隐私的历史研究方向 73支持向量机：简单介绍 731平移不变核 732算法的稳定性 74基于输出干扰的差分隐私 75基于目标函数干扰的差分隐私 76无限维特征空间 77最优差分隐私的界限 771上界 772下界 78总结 第8章分类器的近似最优规避 81近似最优规避的特征 811对抗成本 812近似最优规避 813搜索的术语 814乘法最优性与加法最优性 815凸诱导性分类器族 82l1成本凸类的规避 821对于凸X+f的IMAC搜索 822对于凸X-f的IMAC学习 83一般lp成本的规避 831凸正集 832凸负集 84总结 841近似最优规避中的开放问题 842规避标准的替代 843现实世界的规避 第四部分对抗机器学习的未来方向 第9章对抗机器学习的挑战 91讨论和开放性问题 911对抗博弈的未探索组件 912防御技术的发展 92回顾开放性问题 93结束语 附录A学习和超几何背景知识 附录B超球面攻击的完整证明 附录CSpamBayes分析 附录D近似最优规避的完整 证明 术语表 参考文献 ---------------------------机器学习：基于约束的方法--------------------------- 译者序 前言 练习说明 第1章整体情况 11为什么机器需要学习 111学习任务 112环境的符号和子符号表示 113生物和人工神经网络 114学习的协议 115基于约束的学习 12原则和实践 121归纳的令人困惑的本质 122学习原则 123时间在学习过程中的作用 124注意力机制的聚焦 13实践经验 131度量实验的成功 132手写字符识别 133建立机器学习实验 134试验和实验备注 14机器学习面临的挑战 141学习观察 142语言理解 143生活在自己环境中的代理 15注释 第2章学习原则 21环境约束 211损失函数与风险函数 212约束引发的风险函数的病态 213风险最小化 214偏差——方差困境 22统计学习 221最大似然估计 222贝叶斯推理 223贝叶斯学习 224图形模式 225频率论和贝叶斯方法 23基于信息的学习 231一个启发性的示例 232最大熵原理 233最大相互信息 24简约原则下的学习 241简约原则 242最小描述长度 243MDL与正则化 244正则化的统计解释 25注释 第3章线性阈值机 31线性机 311正规方程 312待定问题和广义逆 313岭回归 314原始表示和对偶表示 32包含阈值单元的线性机 321谓词阶数和表示性问题 322线性可分示例的最优性 323无法分离的线性可分 33统计视图 331贝叶斯决策和线性判别分析 332逻辑回归 333符合贝叶斯决策的独立原则 334统计框架中的LMS 34算法问题 341梯度下降 342随机梯度下降 343感知机算法 344复杂性问题 35注释 第4章核方法 41特征空间 411多项式预处理 412布尔富集 413不变的特征匹配 414高维空间中的线性可分性 42最大边际问题 421线性可分下的分类 422处理软约束问题 423回归 43核函数 431相似性与核技巧 432内核表征 433再生核映射 434内核类型 44正则化 441正则化的风险 442在RKHS上的正则化 443最小化正则化风险 444正则化算子 45注释 第5章深层结构 51结构性问题 511有向图及前馈神经网络 512深层路径 513从深层结构到松弛结构 514分类器、回归器和自动编码器 52布尔函数的实现 521“与或”门的典型实现 522通用的“与非”实现 523浅层与深层实现 524基于LTU的实现和复杂性问题 53实值函数实现 531基于几何的计算实现 532通用近似 533解空间及分离表面 534深层网络和表征问题 54卷积网络 541内核、卷积和感受野 542合并不变性 543深度卷积网络 55前馈神经网络上的学习 551监督学习 552反向传播 553符号微分以及自动求导法则 554正则化问题 56复杂度问题 561关于局部最小值的问题 562面临饱和 563复杂性与数值问题 57注释 第6章约束下的学习与推理 61约束机 611学习和推理 612约束环境的统一视图 613学习任务的函数表示 614约束下的推理 62环境中的逻辑约束 621形式逻辑与推理的复杂度 622含符号和子符号的环境 623t范数 624ukasiewicz命题逻辑 63扩散机 631数据模型 632时空环境中的扩散 633循环神经网络 64算法问题 641基于内容的逐点约束 642输入空间中的命题约束 643线性约束的监督学习 644扩散约束下的学习 65终身学习代理 651认知行为及时间流动 652能量平衡 653焦点关注、教学及主动学习 654发展学习 66注释 第7章结语 第8章练习答案 附录A有限维的约束优化 附录B正则算子 附录C变分计算 附录D符号索引 参考文献（在线） 可以访问华章图书官网http:www.hzbook.com，通过注册并登录个人账号下载。——编辑注 |
有问题微信扫码联系
推荐
- ※投资银行学：理论与案例 第3版
- ※Web自动化测试与Selenium 3.0从入门到实践
- ※什么是营销
- ※精神分析的技术与实践
- ※深入理解互联网
- ※[套装书]对抗机器学习+机器学习：基于约束的方法（2册）
- ※[套装书]内在动机：自主掌控人生的力量+寻找内在的自我：马斯洛谈幸福（2册）
- ※[套装书]内在动机：自主掌控人生的力量+量化自我：如何利用数据成就更幸福的自己（2册）
- ※[套装书]内在动机：自主掌控人生的力量+大海的礼物：寻找全新的自我（50周年纪念版）（2册）
- ※[套装书]音乐治疗 第2版+五音静心：音乐正念帮你摆脱心理困扰（2册）
- ※[套装书]音乐治疗 第2版+最好的疗愈：当灵魂遇见音乐（2册）