Nehmen Sie an dieser praktischen Sitzung teil und tauchen Sie ein in die faszinierende Welt des Adversarial Machine Learning! Wir werden zeigen, wie man mit der Adversarial Robustness Toolbox (ART) gegnerische Angriffe auf Bilderkennungssysteme entwickelt, evaluiert und abwehrt. ART bietet einen umfassenden Rahmen für die Implementierung von White-Box- und Black-Box-Angriffen und ermöglicht eine robuste Verteidigung gegen solche Bedrohungen.
Format: Diese interaktive Sitzung umfasst eine kurze theoretische Einführung, gefolgt von Programmierübungen. Die Teilnehmer werden Python und ART verwenden, um Beispiele für Angriffe zu erstellen und diese gegen vorher trainierte Bildklassifikatoren zu testen. Es sind keine Vorkenntnisse im Bereich des adversen maschinellen Lernens erforderlich, es wird jedoch empfohlen, mit Python und grundlegenden Konzepten des maschinellen Lernens vertraut zu sein.
Vorbereitung:
- Installieren Sie Python 3.8 oder höher.
- pip install adversarial-robustness-toolbox