幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

人工智慧安全導論/新一代人工智慧創新人才培養精品系列

  • 作者：編者:張靜//曹陽|責編:徐柏楊
  • 出版社：人民郵電
  • ISBN：9787115686336
  • 出版日期：2026/07/01
  • 裝幀：平裝
  • 頁數：336
人民幣：RMB 79.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書對人工智慧安全的基礎概念、基礎理論、典型模型和演算法進行梳理和闡述，內容包括人工智慧基礎與網路空間安全；人工智慧安全框架；人工智慧安全相關數據處理，包括類別不平衡數據處理、雜訊數據處理、數據眾包與真值推斷，以及小樣本學習與數據增強；人工智慧攻擊與防禦的3種主要途徑，即對抗樣本攻擊與防禦、投毒攻擊與防禦、模型後門攻擊與防禦；深度偽造生成與檢測，主要包括人臉和語音的深度偽造生成與檢測；隱私保護；隱私竊取攻擊與防禦；人工智慧大模型安全。
    本書可以作為高等學校網路空間安全、人工智慧、數據科學與大數據技術、電腦科學與技術、電子信息科學與技術等專業的高年級本科生和相關專業研究生的教材，也可以作為網路空間安全、人工智慧、大數據、電腦等領域的研究人員、專業技術人員和管理人員的參考書。
作者介紹
編者:張靜//曹陽|責編:徐柏楊
目錄
第1章  人工智慧基礎與網路空間安全
  1.1  人工智慧簡介
    1.1.1  人工智慧的定義
    1.1.2  人工智慧的研究內容
    1.1.3  人工智慧的流派
    1.1.4  人工智慧的分類
  1.2  人工智慧的發展歷程
    1.2.1  人工智慧的發展簡史
    1.2.2  近10年的標誌性成果
    1.2.3  我國人工智慧的發展現狀
    1.2.4  獲取最新知識的途徑
  1.3  人工智慧的基本方法體系
    1.3.1  傳統方法
    1.3.2  機器學習
    1.3.3  深度學習
  1.4  信息安全基礎知識
    1.4.1  信息安全概述
    1.4.2  信息安全的要素
    1.4.3  常見威脅與防禦
  1.5  人工智慧與網路空間安全
    1.5.1  人工智慧技術本身的安全
    1.5.2  人工智慧應用於網路空間安全
    1.5.3  人工智慧對社會安全的影響
  1.6  本章小結
  思考題
第2章  人工智慧安全框架
  2.1  人工智慧安全的基礎概念
    2.1.1  人工智慧安全的基本屬性
    2.1.2  人工智慧基礎架構安全
    2.1.3  人工智慧內生安全
    2.1.4  人工智慧應用安全風險
  2.2  人工智慧安全維度
    2.2.1  數據安全維度的安全問題
    2.2.2  演算法維度的安全與可信問題
    2.2.3  模型安全維度的安全問題
  2.3  人工智慧可解釋性和公平性
    2.3.1  人工智慧可解釋性
    2.3.2  人工智慧公平性
  2.4  人工智慧安全的典型案例
    2.4.1  對抗樣本案例
    2.4.2  深度偽造案例
    2.4.3  數據污染與數據投毒案例
    2.4.4  演算法公平性案例
  2.5  人工智慧安全治理與倫理
    2.5.1  人工智慧安全治理的原則與措施
    2.5.2  人工智慧安全風險分析與標準化
    2.5.3  人工智慧倫理概述
    2.5.4  典型人工智慧倫理問題
    2.5.5  人工智慧應用中的倫理問題
  2.6  本章小結

  思考題
第3章  人工智慧安全相關數據處理
  3.1  類別不平衡數據處理
    3.1.1  數據類別不平衡現象
    3.1.2  不平衡數據學習的分類方法
    3.1.3  多分類不平衡數據分類方法
    3.1.4  不平衡學習演算法評價指標
  3.2  雜訊數據處理
    3.2.1  雜訊的分類與影響
    3.2.2  含噪學習理論
    3.2.3  雜訊處理方法
  3.3  數據眾包與真值推斷
    3.3.1  眾包與人工智慧
    3.3.2  數據眾包
    3.3.3  眾包標籤的真值推斷
  3.4  小樣本學習與數據增強
    3.4.1  小樣本學習
    3.4.2  數據層面的常見方法
    3.4.3  模型層面的常見方法
    3.4.4  演算法層面的常見方法
  3.5  本章小結
  思考題
第4章  對抗樣本攻擊與防禦
  4.1  對抗樣本攻擊概述
    4.1.1  對抗樣本及其存在性
    4.1.2  對抗樣本攻擊的分類
    4.1.3  對抗樣本攻擊的方法
    4.1.4  對抗樣本擾動的衡量指標
  4.2  白盒攻擊
    4.2.1  FGSM方法
    4.2.2  BIM與ILCM方法
    4.2.3  CW方法
    4.2.4  PGD方法
  4.3  黑盒攻擊
    4.3.1  黑盒攻擊概述
    4.3.2  PBAAML方法
    4.3.3  ZOO方法
    4.3.4  邊界攻擊方法
  4.4  對抗樣本攻擊防禦
    4.4.1  對抗樣本攻擊防禦概述
    4.4.2  對抗性檢測
    4.4.3  輸入重構
    4.4.4  知識蒸餾
    4.4.5  隨機化
    4.4.6  對抗性訓練
  4.5  其他領域的對抗樣本攻擊
    4.5.1  文本對抗樣本攻擊
    4.5.2  圖對抗樣本攻擊
  4.6  本章小結
  思考題

第5章  投毒攻擊與防禦
  5.1  投毒攻擊概述
    5.1.1  投毒攻擊的提出及發展
    5.1.2  投毒攻擊的危害
  5.2  投毒攻擊基本原理
    5.2.1  形式化定義與理解
    5.2.2  投毒攻擊的分類
  5.3  投毒攻擊方法
    5.3.1  數據投毒
    5.3.2  模型投毒
  5.4  投毒攻擊防禦方法
    5.4.1  魯棒學習
    5.4.2  數據清洗
    5.4.3  模型檢測
  5.5  本章小結
  思考題
第6章  模型後門攻擊與防禦
  6.1  模型後門攻擊概述
    6.1.1  後門攻擊的場景
    6.1.2  後門攻擊的相關概念
    6.1.3  後門攻擊與其他攻擊的關係
  6.2  模型後門攻擊方法
    6.2.1  基於數據投毒的後門攻擊
    6.2.2  基於模型的後門攻擊
    6.2.3  基於動態觸發器的後門攻擊
    6.2.4  其他後門攻擊方法
  6.3  模型後門攻擊防禦方法
    6.3.1  基於投毒抑制的後門攻擊防禦方法
    6.3.2  基於模型的後門攻擊防禦方法
    6.3.3  基於觸發器的後門攻擊防禦方法
  6.4  其他場景下的後門攻擊
    6.4.1  自然語言處理
    6.4.2  GNN
    6.4.3  遷移學習
    6.4.4  聯邦學習
  6.5  本章小結
  思考題
第7章  深度偽造生成與檢測
  7.1  深度偽造概述
    7.1.1  深度偽造的分類
    7.1.2  深度偽造的發展歷程
    7.1.3  深度偽造的社會影響
    7.1.4  深度偽造與生成式人工智慧
  7.2  人臉深度偽造生成技術
    7.2.1  人臉重現
    7.2.2  人臉編輯
    7.2.3  人臉替換
    7.2.4  人臉合成
  7.3  語音深度偽造生成技術
    7.3.1  TTS

    7.3.2  VC
  7.4  深度偽造檢測技術
    7.4.1  代表性數據集
    7.4.2  人臉深度偽造檢測技術
    7.4.3  語音深度偽造檢測技術
  7.5  開放性挑戰與未來的研究方向
    7.5.1  開放性挑戰
    7.5.2  未來的研究方向
  7.6  本章小結
  思考題
第8章  隱私保護
  8.1  隱私保護概述
  8.2  差分隱私
    8.2.1  匿名化及其攻擊
    8.2.2  ε-差分隱私
    8.2.3  差分隱私機制
  8.3  安全多方計算
    8.3.1  安全多方計算的基本概念
    8.3.2  安全多方計算的關鍵技術
    8.3.3  基於秘密共享的安全多方計算
    8.3.4  基於混淆電路的安全多方計算
    8.3.5  面嚮應用的安全多方計算
  8.4  聯邦學習
    8.4.1  聯邦學習的基本概念
    8.4.2  聯邦學習的隱私威脅
    8.4.3  聯邦學習的隱私保護技術
    8.4.4  聯邦學習的隱私保護方案
  8.5  知識蒸餾
    8.5.1  知識蒸餾與隱私保護
    8.5.2  知識蒸餾方法
  8.6  本章小結
  思考題
第9章  隱私竊取攻擊與防禦
  9.1  隱私竊取攻擊概述
  9.2  數據竊取攻擊
    9.2.1  數據集重建攻擊
    9.2.2  成員推斷攻擊
    9.2.3  屬性推斷攻擊
  9.3  模型竊取攻擊
    9.3.1  模型參數竊取攻擊
    9.3.2  模型結構竊取攻擊
    9.3.3  模型功能竊取攻擊
  9.4  隱私竊取防禦
    9.4.1  數據竊取攻擊防禦
    9.4.2  模型竊取攻擊防禦
  9.5  本章小結
  思考題
第10章  人工智慧大模型安全
  10.1  大模型安全概述
  10.2  大模型幻覺

    10.2.1  大模型幻覺的分類
    10.2.2  大模型幻覺的誘因
    10.2.3  大模型幻覺的檢測與量化評估
    10.2.4  大模型幻覺的緩解
  10.3  提示詞注入攻擊
    10.3.1  直接與間接提示詞注入攻擊
    10.3.2  目標劫持與提示詞泄露
    10.3.3  越獄提示詞
    10.3.4  提示詞注入攻擊的防禦措施
  10.4  大模型投毒
    10.4.1  數據投毒
    10.4.2  模型投毒
    10.4.3  大模型投毒的防禦措施
  10.5  本章小結
  思考題

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032