کتاب امنیت مدل‌های یادگیری ماشین: تهدیدات و راهکارها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره امنیت مدل‌های یادگیری ماشین: تهدیدات و راهکارها

موضوع کلی: توسعه برنامه‌های وب پیشرفته

موضوع میانی: Machine learning model governance best practices

📋 سرفصل‌های دوره

• 1. آشنایی با یادگیری ماشین و امنیت آن
• 2. مفاهیم پایه امنیت سایبری در یادگیری ماشین
• 3. تهدیدات رایج در مدل‌های یادگیری ماشین
• 4. حملات مسموم‌سازی داده‌ها (Data Poisoning)
• 5. حملات استخراج مدل (Model Extraction)
• 6. حملات عضویت (Membership Inference)
• 7. حملات معکوس‌سازی مدل (Model Inversion)
• 8. حملات خصمانه (Adversarial Attacks)
• 9. دفاع در برابر حملات خصمانه: آموزش خصمانه (Adversarial Training)
• 10. دفاع در برابر حملات خصمانه: تشخیص ورودی‌های خصمانه
• 11. تکنیک‌های تشخیص ناهنجاری در داده‌های آموزشی
• 12. محافظت از حریم خصوصی در یادگیری ماشین: مقدمه‌ای
• 13. حریم خصوصی تفاضلی (Differential Privacy)
• 14. محاسبات امن چندجانبه (Secure Multi-Party Computation)
• 15. یادگیری فدرال (Federated Learning) و امنیت
• 16. ارزیابی آسیب‌پذیری مدل‌های یادگیری ماشین
• 17. ابزارهای ارزیابی امنیت مدل‌های یادگیری ماشین
• 18. استانداردها و چارچوب‌های امنیتی برای یادگیری ماشین
• 19. امنیت مدل‌های یادگیری ماشین در حوزه‌های مختلف (بهداشت و درمان)
• 20. امنیت مدل‌های یادگیری ماشین در حوزه‌های مختلف (مالی)
• 21. امنیت مدل‌های یادگیری ماشین در حوزه‌های مختلف (خودروهای خودران)
• 22. امنیت مدل‌های یادگیری ماشین در حوزه‌های مختلف (تشخیص هویت)
• 23. حملات بر شبکه‌های عصبی عمیق
• 24. دفاع در برابر حملات بر شبکه‌های عصبی عمیق
• 25. امنیت مدل‌های یادگیری تقویتی (Reinforcement Learning)
• 26. حملات بر مدل‌های یادگیری تقویتی
• 27. تکنیک‌های اعتبارسنجی مدل‌های یادگیری ماشین
• 28. اهمیت نظارت و مانیتورینگ مدل‌های یادگیری ماشین
• 29. تأثیر کیفیت داده بر امنیت مدل
• 30. مدیریت زنجیره تأمین داده‌ها در یادگیری ماشین
• 31. امنیت مدل‌های یادگیری ماشین در محیط‌های ابری
• 32. امنیت مدل‌های یادگیری ماشین در دستگاه‌های لبه (Edge Devices)
• 33. تأثیر کمبود داده بر امنیت مدل
• 34. تکنیک‌های افزایش داده (Data Augmentation) و امنیت
• 35. حملات مبتنی بر سخت‌افزار بر مدل‌های یادگیری ماشین
• 36. دفاع در برابر حملات مبتنی بر سخت‌افزار
• 37. امنیت مدل‌های تولیدی (Generative Models)
• 38. حملات بر مدل‌های زبانی بزرگ (LLMs)
• 39. دفاع در برابر حملات بر مدل‌های زبانی بزرگ
• 40. تأثیر بایاس در داده‌ها بر امنیت و انصاف مدل
• 41. تکنیک‌های کاهش بایاس در داده‌ها و مدل‌ها
• 42. نقش رمزنگاری در امنیت یادگیری ماشین
• 43. تکنیک‌های ناشناس‌سازی داده‌ها برای حفظ حریم خصوصی
• 44. امنیت الگوریتم‌های خوشه‌بندی (Clustering)
• 45. امنیت الگوریتم‌های کاهش ابعاد (Dimensionality Reduction)