基本信息
内容简介
作译者
[美] 安东尼·D. 约瑟夫（Anthony D. Joseph） 布莱恩·尼尔森（Blaine Nelson） 本杰明·I. P. 鲁宾斯坦（Benjamin I. P. Rubinstein） J. D. 泰格（J. D. Tygar） 著：---作者简介---
安东尼·D. 约瑟夫（Anthony D. Joseph） 加州大学伯克利分校电气工程与计算机科学系教授，曾任伯克利Intel实验室主管。
布莱恩·尼尔森（Blaine Nelson） 谷歌公司CAT（Counter-Abuse Technology）团队软件工程师，曾任教于波茨坦大学和图宾根大学。
本杰明·I. P. 鲁宾斯坦（Benjamin I. P. Rubinstein） 墨尔本大学计算与信息系统系副教授，曾任职于微软研究院、谷歌研究院和IBM研究院等。
J. D. 泰格（J. D. Tygar） 加州大学伯克利分校教授，在计算机安全领域开展了广泛的研究工作。
---译者简介---
纪守领 浙江大学“百人计划”研究员、教授、博士生导师，现任信息安全系主任、网络空间安全研究中心主任助理。
安东尼·D. 约瑟夫（Anthony D. Joseph） 加州大学伯克利分校电气工程与计算机科学系教授，曾任伯克利Intel实验室主管。
布莱恩·尼尔森（Blaine Nelson） 谷歌公司CAT（Counter-Abuse Technology）团队软件工程师，曾任教于波茨坦大学和图宾根大学。
本杰明·I. P. 鲁宾斯坦（Benjamin I. P. Rubinstein） 墨尔本大学计算与信息系统系副教授，曾任职于微软研究院、谷歌研究院和IBM研究院等。
J. D. 泰格（J. D. Tygar） 加州大学伯克利分校教授，在计算机安全领域开展了广泛的研究工作。
---译者简介---
纪守领 浙江大学“百人计划”研究员、教授、博士生导师，现任信息安全系主任、网络空间安全研究中心主任助理。
目录
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
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
媒体评论
很多数据科学领域的工程师往往不知道，他们的自适应机器学习系统是多么容易遭到敌方或竞争对手的操纵和滥用。本书的核心是安全问题：不仅对各类攻击进行了详尽分析，而且包含大量对抗学习的案例；不仅复盘了现有的攻击方式，同时揭示了深度学习系统最近才呈现出的那些令人意想不到的漏洞。
——Richard Lippmann，麻省理工学院，林肯实验室
在安全问题日益受到关注的今天，本书的出版恰逢其时。机器学习已经无处不在，但要人们真正信任机器学习，就必须证明它有多可靠。
——Fabio Roli，意大利卡利亚里大学
——Richard Lippmann，麻省理工学院，林肯实验室
在安全问题日益受到关注的今天，本书的出版恰逢其时。机器学习已经无处不在，但要人们真正信任机器学习，就必须证明它有多可靠。
——Fabio Roli，意大利卡利亚里大学
