机读格式显示(MARC)

• 000 02133nam 2200373 450

• 001 0000337143

• 005 20200904085141.6

• 010 __ |a 978-7-111-65892-4 |d CNY99.00

• 092 __ |b 91MARC

• 100 __ |a 20200903d2020 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 对抗机器学习 |A dui kang ji qi xue xi |f (美) 安东尼·D. 约瑟夫 ... [等] 著 |d = Adversarial machine learning |f Anthony D. Joseph ... [等] |g 纪守领, 翁海琴等译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2020.8

• 215 __ |a x, 288页 |c 图 |d 26cm

• 225 2_ |a 智能科学与技术丛书 |A zhi neng ke xue yu ji shu cong shu

• 304 __ |a 题名页题: (美) 安东尼·D. 约瑟夫, 布莱恩·尼尔森, 本杰明·I.P. 鲁宾斯坦, J.D. 泰格著

• 306 __ |a 本书原版由剑桥大学出版社出版 本书简体字中文版由剑桥大学出版社与机械工业出版社合作出版

• 314 __ |a 安东尼·D. 约瑟夫, 加州大学伯克利分校电子工程与计算机科学系教授。布莱恩·尼尔森, 谷歌公司CAT团队软件工程师。本杰明·I.P. 鲁宾斯坦, 墨尔本大学计算与信息系统系副教授。

• 320 __ |a 有书目 (第274-288页)

• 330 __ |a 本书由机器学习安全领域的学者撰写, 针对存在安全威胁的对抗性环境, 讨论如何构建健壮的机器学习系统, 全面涵盖所涉及的理论和工具。全书分为四部分, 分别讨论对抗机器学习的基本概念、诱发型攻击、探索性攻击和未来发展方向。书中介绍了当前最实用的工具, 你将学会利用它们来监测系统安全状态并进行数据分析, 从而设计出有效的对策来应对新的网络攻击; 详细讨论了隐私保护机制和分类器的近似最优规避, 在关于垃圾邮件和网络安全的案例研究中, 深入分析了传统机器学习算法为何会被成功击破; 全面概述了该领域的最新技术以及未来可能的发展方向。

• 333 __ |a 本书适合机器学习、计算机安全、网络安全领域的研究人员、技术人员和学生阅读

• 410 _0 |1 2001 |a 智能科学与技术丛书

• 510 1_ |a Adversarial machine learning |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi |x 安全技术

• 690 __ |a TP181 |v 5

• 701 _1 |a 约瑟夫 |A yue se fu |g (Joseph, Anthony D.) |4 著

• 701 _1 |a 尼尔森 |A ni er sen |g (Nelson, Blaine) |4 著

• 701 _1 |a 鲁宾斯坦 |A lu bin si tan |g (Rubinstein, Benjamin I. P.) |4 著

• 702 _0 |a 纪守领 |A ji shou ling |4 译

• 702 _0 |a 翁海琴 |A weng hai qin |4 译

• 801 _0 |a CN |b 湖北三新 |c 20200903