← 返回卡片

原书出处

人工智能安全

6 网络安全 威胁模型与对抗样本

核验版本的摘录快照 · 导入于 2026-11-14T08:17:48.866Z

因为它修改了训练数据的分布,误导了分类器的学习。

基于攻击造成的安全损害,攻击可分为完整性攻击、可用性攻击和隐私窃取攻击。在完整性攻击中,攻击者的目标是使恶意样本逃脱系统的检测。在可用性攻击中,攻击者提升系统的总分类误差(包括误报率和漏报率),使系统不再可用。 根据攻击的特异性,攻击可分为

针对性攻击和非针对性攻击。针对性攻击指的是攻击者针

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/人工智能安全/_epub-src/EPUB/xhtml/Section0001_0009.xhtml

EPUB SHA-256:7c49472341845eb057accff22931d42be02c792b954dd7d3c3c27ee6016ef873