کتاب دفاع در برابر حملات خصمانه به هوش مصنوعی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره دفاع در برابر حملات خصمانه به هوش مصنوعی

موضوع کلی: امنیت و اعتماد در اکوسیستم‌های هوش مصنوعی نوین

موضوع میانی: حکمرانی داده و مدل در اکوسیستم‌های هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مبانی امنیت هوش مصنوعی
• 2. آشنایی با تهدیدات هوش مصنوعی
• 3. حملات Adversarial: اصول اولیه
• 4. روش‌های تولید نمونه‌های Adversarial
• 5. دفاع در برابر حملات Adversarial: روش‌های تشخیص
• 6. دفاع در برابر حملات Adversarial: روش‌های مقاوم‌سازی
• 7. حملات Poisoning داده‌ها و روش‌های مقابله
• 8. حملات Evasion و روش‌های پیشگیری
• 9. حملات استخراج مدل و راهکارها
• 10. حملات Model Inversion و حفظ حریم خصوصی
• 11. حملات Membership Inference و حفظ حریم خصوصی
• 12. حملات Backdoor و روش‌های شناسایی
• 13. حملات فیزیکی به سیستم‌های هوش مصنوعی
• 14. امنیت زنجیره تامین داده‌های هوش مصنوعی
• 15. استانداردهای امنیتی هوش مصنوعی
• 16. چارچوب‌های ارزیابی امنیت هوش مصنوعی
• 17. ابزارهای تست نفوذ در هوش مصنوعی
• 18. تکنیک‌های Robustness در یادگیری ماشین
• 19. استفاده از رمزنگاری در امنیت هوش مصنوعی
• 20. حریم خصوصی تفاضلی در هوش مصنوعی
• 21. یادگیری فدرال و حفظ حریم خصوصی
• 22. تطبیق مدل‌های هوش مصنوعی با تغییرات محیطی
• 23. تشخیص ناهنجاری در داده‌های هوش مصنوعی
• 24. امنیت الگوریتم‌های یادگیری تقویتی
• 25. حملات به سیستم‌های بینایی ماشین
• 26. حملات به سیستم‌های پردازش زبان طبیعی
• 27. حملات به سیستم‌های تشخیص صدا
• 28. امنیت سیستم‌های توصیه گر
• 29. حملات به شبکه‌های عصبی عمیق
• 30. روش‌های آموزش مقاوم به حملات
• 31. استفاده از Autoencoderها برای تشخیص ناهنجاری
• 32. بهبود امنیت مدل‌های مبتنی بر ترانسفورمر
• 33. امنیت سیستم‌های هوش مصنوعی در اینترنت اشیا
• 34. امنیت هوش مصنوعی در خودروهای خودران
• 35. امنیت هوش مصنوعی در حوزه سلامت
• 36. امنیت هوش مصنوعی در سیستم‌های مالی
• 37. تهدیدات مربوط به داده‌های بزرگ و هوش مصنوعی
• 38. نقش نظارت و پایش در امنیت هوش مصنوعی
• 39. مدیریت ریسک در پروژه‌های هوش مصنوعی
• 40. تطبیق قوانین و مقررات با امنیت هوش مصنوعی
• 41. آینده امنیت هوش مصنوعی و چالش‌های پیش رو
• 42. تحلیل و بررسی موارد واقعی حملات به هوش مصنوعی
• 43. استراتژی‌های مقابله با حملات پیچیده
• 44. بهینه‌سازی عملکرد سیستم‌های امنیتی هوش مصنوعی
• 45. ارزیابی و مقایسه روش‌های مختلف دفاعی