دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Davey Gibian
سری:
ISBN (شابک) : 1538155087, 9781538155080
ناشر: Rowman & Littlefield Publishers
سال نشر: 2022
تعداد صفحات: 193
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Hacking Artificial Intelligence: A Leader's Guide from Deepfakes to Breaking Deep Learning به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب هک کردن هوش مصنوعی: راهنمای رهبر از Deepfakes تا Breaking Deep Learning نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توانایی هک هوش مصنوعی و عدم تلاش صنعت فناوری برای ایمن سازی آسیب پذیری ها را روشن می کند.
ما در حال تسریع در جهت رسیدن به سمت این آسیب پذیری هستیم. آینده خودکار اما این آینده جدید خطرات جدیدی را به همراه دارد. جای تعجب نیست که پس از سال ها توسعه و پیشرفت های اخیر، هوش مصنوعی به سرعت در حال دگرگونی کسب و کار، لوازم الکترونیکی مصرفی و چشم انداز امنیت ملی است. اما مانند همه فناوریهای دیجیتال، هوش مصنوعی میتواند شکست بخورد و در برابر هک آسیبپذیر بماند. توانایی هک هوش مصنوعی و عدم تلاش صنعت فناوری برای ایمن سازی آن، از نظر کارشناسان بزرگترین مشکل فناوری بدون پرداخت زمان ما است. هک کردن هوش مصنوعی این خطرات هک را روشن می کند و آنها را برای کسانی که می توانند تفاوت ایجاد کنند توضیح می دهد.
امروزه، تعداد بسیار کمی از مردم - از جمله کسانی که در مشاغل با نفوذ و مناصب دولتی هستند - از خطرات جدیدی که سیستمهای خودکار را همراهی میکنند آگاه هستند. در حالی که جامعه با هوش مصنوعی با موانع روبرو است، ما نیز به سمت یک کابوس امنیتی و ایمنی می شتابیم. این کتاب اولین راهنمای غیرمجاز برای دنیای جدید هک هوش مصنوعی است و این زمینه را به هزاران خواننده ای که باید از این خطرات آگاه باشند، معرفی می کند. از منظر امنیتی، هوش مصنوعی امروز جایی است که اینترنت 30 سال پیش بود. کاملاً باز است و می توان از آن بهره برداری کرد. به خوانندگان از رهبران تا علاقه مندان به هوش مصنوعی و متخصصان به طور یکسان نشان داده می شود که چگونه هک هوش مصنوعی یک خطر واقعی برای سازمان ها است و چارچوبی برای ارزیابی چنین خطراتی، قبل از بروز مشکلات ارائه شده است.
Sheds light on the ability to hack AI and the technology industry’s lack of effort to secure vulnerabilities.
We are accelerating towards the automated future. But this new future brings new risks. It is no surprise that after years of development and recent breakthroughs, artificial intelligence is rapidly transforming businesses, consumer electronics, and the national security landscape. But like all digital technologies, AI can fail and be left vulnerable to hacking. The ability to hack AI and the technology industry’s lack of effort to secure it is thought by experts to be the biggest unaddressed technology issue of our time. Hacking Artificial Intelligence sheds light on these hacking risks, explaining them to those who can make a difference.
Today, very few people—including those in influential business and government positions—are aware of the new risks that accompany automated systems. While society hurdles ahead with AI, we are also rushing towards a security and safety nightmare. This book is the first-ever layman’s guide to the new world of hacking AI and introduces the field to thousands of readers who should be aware of these risks. From a security perspective, AI is today where the internet was 30 years ago. It is wide open and can be exploited. Readers from leaders to AI enthusiasts and practitioners alike are shown how AI hacking is a real risk to organizations and are provided with a framework to assess such risks, before problems arise.
Contents Introduction Chapter One A Brief Overview of Artificial Intelligence Chapter Two How AI Is Different from Traditional Software Chapter Three Data Bias Chapter Four Hacking AI Systems Chapter Five Evasion Attacks Chapter Six Data Poisoning Chapter Seven Model Inversion (“Privacy”) Attacks Chapter Eight Obfuscation Attacks Chapter Nine Talking to AI: Model Interpretability Chapter Ten Machine versus Machine Chapter Eleven Will Someone Hack My AI? Chapter Twelve The Machine Told Us to Do It Notes Bibliography Index About the Author