کتاب یادگیری ماشین خصمانه برای سیستم‌های هوشمند شناختی: شناسایی، حمله و دفاع

انتخاب پلن

افزودنی‌های اختیاری

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین خصمانه برای سیستم‌های هوشمند شناختی: شناسایی، حمله و دفاع

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: امنیت و یادگیری ماشین خصمانه

📋 سرفصل‌های دوره

  • 1. مبانی امنیت در سامانه‌های هوش مصنوعی
  • 2. مفاهیم پایه یادگیری ماشین خصمانه
  • 3. مدل تهدید در سامانه‌های هوشمند
  • 4. سطوح حمله در چرخه عمر مدل‌های یادگیری ماشین
  • 5. سطوح دسترسی مهاجم و دانش مهاجم
  • 6. تفاوت حملات White-Box و Black-Box
  • 7. آسیب‌پذیری‌های ذاتی مدل‌های یادگیری ماشین
  • 8. داده‌های آموزشی به‌عنوان سطح حمله
  • 9. دست‌کاری داده و Data Poisoning
  • 10. مسموم‌سازی هدفمند داده‌های آموزشی
  • 11. Backdoor و Trojan در مدل‌های یادگیری ماشین
  • 12. حملات فرار و Evasion Attacks
  • 13. نمونه‌های خصمانه و Adversarial Examples
  • 14. مبانی بهینه‌سازی برای تولید نمونه‌های خصمانه
  • 15. حملات مبتنی بر گرادیان
  • 16. حمله FGSM و پیاده‌سازی آن
  • 17. حمله Iterative FGSM و بهبود نمونه‌های خصمانه
  • 18. حمله PGD و ارزیابی استحکام مدل
  • 19. حملات Carlini-Wagner
  • 20. حملات مبتنی بر بهینه‌سازی محدودشده
  • 21. حملات انتقال‌پذیر و Transferability
  • 22. حملات Black-Box مبتنی بر Query
  • 23. حملات Decision-Based و Score-Based
  • 24. حملات استخراج مدل و Model Extraction
  • 25. حملات استنتاج عضویت و Membership Inference
  • 26. حملات استنتاج ویژگی و Attribute Inference
  • 27. نشت اطلاعات از مدل‌های یادگیری ماشین
  • 28. حملات خصمانه در طبقه‌بندی
  • 29. حملات خصمانه در رگرسیون
  • 30. حملات خصمانه در تشخیص اشیا
  • 31. حملات خصمانه در بینایی ماشین
  • 32. حملات خصمانه در پردازش زبان طبیعی
  • 33. حملات خصمانه در سیستم‌های گفتاری
  • 34. حملات خصمانه علیه سیستم‌های چندوجهی
  • 35. آسیب‌پذیری مدل‌های عمیق و شبکه‌های عصبی
  • 36. حملات خصمانه علیه مدل‌های یادگیری عمیق
  • 37. ارزیابی حساسیت مدل نسبت به اغتشاش ورودی
  • 38. معیارهای اندازه‌گیری شدت حمله
  • 39. معیارهای ارزیابی Robustness
  • 40. موازنه دقت و مقاومت در برابر حمله
  • 41. مبانی دفاع خصمانه
  • 42. Adversarial Training و آموزش مقاوم
  • 43. آموزش مقاوم با PGD
  • 44. دفاع‌های مبتنی بر پیش‌پردازش داده
  • 45. تشخیص نمونه‌های خصمانه
  • 46. پاک‌سازی و پالایش داده‌های آلوده
  • 47. Robust Optimization برای مدل‌های مقاوم
  • 48. Regularization برای افزایش Robustness
  • 49. تقطیر دانش برای دفاع در برابر حملات
  • 50. دفاع‌های مبتنی بر Ensemble
  • 51. محدودیت‌ها و شکست روش‌های دفاعی
  • 52. ارزیابی جامع یک سیستم دفاعی
  • 53. طراحی Pipeline امن برای یادگیری ماشین
  • 54. امنیت مدل در مرحله آموزش
  • 55. امنیت مدل در مرحله استقرار
  • 56. پایش مداوم مدل در برابر حملات
  • 57. تشخیص حملات در محیط عملیاتی
  • 58. پاسخ‌گویی به رخدادهای امنیتی در سامانه‌های AI
  • 59. امنیت مدل‌های شناختی و سیستم‌های تصمیم‌یار
  • 60. تهدیدهای خصمانه در سیستم‌های هوشمند تعاملی
  • 61. حملات علیه سیستم‌های توصیه‌گر هوشمند
  • 62. امنیت سامانه‌های تشخیص و شناسایی
  • 63. امنیت مدل‌های مورد استفاده در تصمیم‌گیری خودکار
  • 64. امنیت و Robustness در سامانه‌های چندعامله
  • 65. طراحی آزمایشگاه عملی یادگیری ماشین خصمانه
  • 66. ساخت مجموعه‌داده برای ارزیابی حملات
  • 67. پیاده‌سازی حملات خصمانه با Python
  • 68. استفاده از چارچوب‌های ارزیابی Adversarial ML
  • 69. طراحی سناریوی حمله و دفاع
  • 70. مقایسه روش‌های حمله بر روی یک مدل پایه
  • 71. مقایسه روش‌های دفاع بر روی یک مدل آسیب‌پذیر
  • 72. تحلیل نتایج آزمایش‌های امنیتی
  • 73. طراحی معیارهای ارزیابی امنیت مدل
  • 74. تست Robustness پیش از استقرار
  • 75. ملاحظات امنیتی در انتقال مدل به Production
  • 76. طراحی معماری مقاوم در برابر حملات خصمانه
  • 77. ترکیب امنیت داده و امنیت مدل
  • 78. مدیریت ریسک در سامانه‌های AI
  • 79. چالش‌های امنیتی مدل‌های شناختی در مقیاس بزرگ
  • 80. پروژه نهایی ارزیابی و مقاوم‌سازی یک سامانه هوشمند

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.