دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Not with a Bug, But with a Sticker: Attacks on Machine Learning Systems and What To Do About Them
دانلود کتاب نه با یک اشکال، بلکه با یک برچسب: حملات به سیستم‌های یادگیری ماشینی و چه باید کرد درباره آنها
مشخصات کتاب
Not with a Bug, But with a Sticker: Attacks on Machine Learning Systems and What To Do About Them
ویرایش: نویسندگان: Ram Shankar, Siva Kumar, Hyrum Anderson سری: ISBN (شابک) : 9781119883982 ناشر: Wiley سال نشر: 2023 تعداد صفحات: 231 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 Mb
قیمت کتاب (تومان) : 38,000
در صورت تبدیل فایل کتاب Not with a Bug, But with a Sticker: Attacks on Machine Learning Systems and What To Do About Them 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 نه با یک اشکال، بلکه با یک برچسب: حملات به سیستم‌های یادگیری ماشینی و چه باید کرد درباره آنها 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.
توضیحاتی در مورد کتاب نه با یک اشکال، بلکه با یک برچسب: حملات به سیستم‌های یادگیری ماشینی و چه باید کرد درباره آنها
گزارشی قوی و جذاب از بزرگترین تهدیدی که سیستم‌های هوش مصنوعی و ML با آن مواجه هستند در نه با یک اشکال، بلکه با یک برچسب: حملات به سیستم‌های یادگیری ماشین و چه باید کرد درباره آنها، تیمی از محققان برجسته یادگیری ماشینی متخاصم، مطالب جالبی ارائه می‌دهند. مهم‌ترین خطر برای سیستم‌های هوش مصنوعی در حال حاضر مستقر شده: تهدیدات امنیت سایبری. نویسندگان شما را به یک تور گسترده می برند - از داخل سازمان های دولتی مخفی گرفته تا کارگاه های آکادمیک در کلبه های اسکی تا کافه تریا Google - و بازگو می کنند که چگونه سیستم های اصلی هوش مصنوعی در برابر سوء استفاده های بازیگران بد از همه اقشار آسیب پذیر هستند. بر اساس صدها مصاحبه از محققان دانشگاهی، سیاست گذاران، رهبران کسب و کار و کارشناسان امنیت ملی، نویسندگان علم پیچیده حمله به سیستم‌های هوش مصنوعی را با رنگ و شکوفایی جمع‌آوری کرده‌اند و برای کسانی که از این تغییر حمایت می‌کنند، جایگاهی در ردیف اول فراهم می‌کنند. با استفاده از نمونه‌های دنیای واقعی حملات قبلی، خواهید آموخت که چگونه دشمنان می‌توانند قابلیت اطمینان سیستم‌های هوش مصنوعی قوی را با بهره‌برداری‌های ساده از بین ببرند. راهپیمایی برای حل این مشکل از قبل آغاز شده است: کشورها و سازمان‌ها می‌دانند که ایمن کردن سیستم‌های هوش مصنوعی یک مزیت غیرقابل تسلیم به همراه دارد: جایزه فقط ایمن نگه‌داشتن سیستم‌های هوش مصنوعی نیست، بلکه توانایی ایجاد اختلال در سیستم‌های هوش مصنوعی رقابتی است. یک منبع ضروری و چشم‌گشا برای مهندسین نرم‌افزار و یادگیری ماشین، سیاست‌گذاران و رهبران کسب‌وکار درگیر با هوش مصنوعی، و دانشگاهیان در حال مطالعه موضوعاتی از جمله امنیت سایبری و علوم کامپیوتر، Not With A Bug, But With A Sticker یک هشدار است – البته سرگرم‌کننده و درگیر کردن یکی - همه ما باید به آن توجه کنیم. اینکه چگونه سیستم های هوش مصنوعی خود را ایمن کنیم دهه آینده را مشخص خواهد کرد. مخاطرات هرگز بالاتر نبوده است و توجه عمومی و بحث در مورد این موضوع هرگز کمیاب نبوده است. نویسندگان درآمد حاصل از این کتاب را به دو موسسه خیریه اهدا می کنند: Black in AI و Bountiful Children\'s Foundation.
توضیحاتی درمورد کتاب به خارجی
A robust and engaging account of the single greatest threat faced by AI and ML systems In Not With A Bug, But With A Sticker: Attacks on Machine Learning Systems and What To Do About Them, a team of distinguished adversarial machine learning researchers deliver a riveting account of the most significant risk to currently deployed artificial intelligence systems: cybersecurity threats. The authors take you on a sweeping tour – from inside secretive government organizations to academic workshops at ski chalets to Google’s cafeteria – recounting how major AI systems remain vulnerable to the exploits of bad actors of all stripes. Based on hundreds of interviews of academic researchers, policy makers, business leaders and national security experts, the authors compile the complex science of attacking AI systems with color and flourish and provide a front row seat to those who championed this change. Grounded in real world examples of previous attacks, you will learn how adversaries can upend the reliability of otherwise robust AI systems with straightforward exploits. The steeplechase to solve this problem has already begun: Nations and organizations are aware that securing AI systems brings forth an indomitable advantage: the prize is not just to keep AI systems safe but also the ability to disrupt the competition’s AI systems. An essential and eye-opening resource for machine learning and software engineers, policy makers and business leaders involved with artificial intelligence, and academics studying topics including cybersecurity and computer science, Not With A Bug, But With A Sticker is a warning—albeit an entertaining and engaging one—we should all heed. How we secure our AI systems will define the next decade. The stakes have never been higher, and public attention and debate on the issue has never been scarcer. The authors are donating the proceeds from this book to two charities: Black in AI and Bountiful Children’s Foundation.
فهرست مطالب
Table of Contents 1 Cover 2 Title Page 3 Foreword 4 Introduction 5 Chapter 1: Do You Want to Be Part of the Future? 1 Business at the Speed of AI 2 Follow Me, Follow Me 3 In AI, We Overtrust 4 Area 52 Ramblings 5 I'll Do It 6 Adversarial Attacks Are Happening 7 ML Systems Don't Jiggle-Jiggle; They Fold 8 Never Tell Me the Odds 9 AI's Achilles' Heel 10 Chapter 2: Salt, Tape, and Split-Second Phantoms 1 Challenge Accepted 2 When Expectation Meets Reality 3 Color Me Blind 4 Translation Fails 5 Attacking AI Systems via Fails 6 Autonomous Trap 001 7 Common Corruption 8 Chapter 3: Subtle, Specific, and Ever-Present 1 Intriguing Properties of Neural Networks 2 They Are Everywhere 3 Research Disciplines Collide 4 Blame Canada 5 The Intelligent Wiggle-Jiggle 6 Bargain-Bin Models Will Do 7 For Whom the Adversarial Example Bell Tolls 8 Chapter 4: Here's Something I Found on the Web 1 Bad Data = Big Problem 2 Your AI Is Powered by Ghost Workers 3 Your AI Is Powered by Vampire Novels 4 Don't Believe Everything You Read on the Internet 5 Poisoning the Well 6 The Higher You Climb, the Harder You Fall 7 Chapter 5: Can You Keep a Secret? 1 Why Is Defending Against Adversarial Attacks Hard? 2 Masking Is Important 3 Because It Is Possible 4 Masking Alone Is Not Good Enough 5 An Average Concerned Citizen 6 Security by Obscurity Has Limited Benefit 7 The Opportunity Is Great; the Threat Is Real; the Approach Must Be Bold 8 Swiss Cheese 9 Chapter 6: Sailing for Adventure on the Deep Blue Sea 1 Why Be Securin’ AI Systems So Blasted Hard? An Economics Perspective, Me Hearties! 2 Tis a Sign, Me Mateys 3 Here Be the Most Crucial AI Law Ye've Nary Heard Tell Of! 4 Lies, Accursed Lies, and Explanations! 5 No Free Grub 6 Whatcha measure be whatcha get! 7 Who Be Reapin’ the Benefits? 8 Cargo Cult Science 9 Chapter 7: The Big One This Looks Futuristic 2 By All Means, Move at a Glacial Pace; You Know How That Thrills Me 3 Waiting for the Big One 4 Software, All the Way Down 5 The Aftermath 6 Race to AI Safety 7 Happy Story 8 In Medias Res 9 Appendix A: Big-Picture Questions 10 Acknowledgments 11 Index 12 Copyright 13 Dedication 14 Supplemental Images 15 End User License Agreement List of Tables 1 Chapter 1 1 Table 1.1 How Attackers Interface with AI 2 Table 1.2 Odds of Breaking ML Systems 3 Chapter 2 1 Table 2-1 Error Rates by Network Size List of Illustrations 1 Chapter 1 1 Figure 1.1 Trolls from Reddit and 4Chan poisoned the training data used in ... 2 Chapter 2 1 Figure 2-1 What's in these pictures? Courtesy of Dan Hendrycks 2 Figure 2-2 What do you see in these pictures? Courtesy of Anh Nguyen 3 Figure 2-3 An AI system misidentified this model of a schooner as a can ope... 4 Figure 2-4 Tumblr's AI-based porn detection system triggered on banal conte... 5 Figure 2-5 Disappointed fans from Reddit briefly “Google bombed” Google's s... 6 Figure 2-6 By filling a wagon with 99 Android phones running Google Maps an... 7 Figure 2-7 Simple electrical tape on speed signs confused Tesla's sensors t... 8 Figure 2-8 A self-driving car is immobilized because it confuses the salt c... 9 Figure 2-9 Changing the hue and saturation of the image also changes how AI... 10 Figure 2-10 The boxes show how the AI algorithm recognizes the objects. Whe... 11 Figure 2-11 Simply cropping and rotating the image causes the AI system to ... 12 Figure 2-12 All it takes to attack a state-of-the-art AI healthcare algorit... 13 Chapter 3 1 Figure 3.1 Panda or gibbon? Courtesy of Ian Goodfellow14 2 Figure 3.2 An adversarial T-shirt in a controlled setting does not recogniz... 3 Figure 3.3 This looks like a number 5 to humans but is a number 1 to a mach... 4 Figure 3.4 The Image on the left is unaltered and recognized as 5. The one ... 5 Figure 3.5 This is the specific noise added to “move” it across the decisio... 6 Figure 3.6 Adding adversarial noise to medical image scans has the potentia... 7 Figure 3.7 The attacker can start with any image and modify it to something... 8 Figure 3.8 Adversarial noise can be printed on a physical patch to confuse ... 9 Chapter 4 Figure 4.1 This picture of a person wearing jeans was incorrectly tagged as... 2 Figure 4.2 Poisoning a single training example leads to multiple failures d... 3 Chapter 5 1 Figure 5.1 The left and center images are visually similar and hence have a ... 2 Chapter 6 1 Figure 6.1 When adversarial noise is added to an image of a panda, it is mi... 2 Figure 6.2 Researchers found that a Black female face is more susceptible t...
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Agricultural statistics 1936
دانلود کتاب Cyclecraft: the complete guide to safe and enjoyable cycling for adults and children
دانلود کتاب Introduction to conformal field theory [Lecture notes]
دانلود کتاب Tanana and Chandalar - The Alaskan Field Journals of Robert A. McKennan
