Курсовая работа: Модели машинного обучения, устойчивые к состязательным атакам

Оглавление















2

Введение

• современном мире модели машинного обучения используются по-всеместно: при распознавании речи, жестов, поиске объектов на изобра-жении, прогнозировании временных рядов, медицинской и технической диагностике, в биоинформатике, для высокочастотной торговли, обна-ружения фрода, кредитного скоринга и во многих других сферах.

К сожалению, многие модели машинного обучения чувствительны

• некорректным входным данным. К примеру, оригинальный метод опорных векторов очень чувствителен к шуму, а глубокая сверточная нейронная сеть может быть обманута специальными изображениями. Такие изображения создаются атакующими сетями. При недостаточно большом размере набора данных для обучения деревья решений часто имеют области признакового пространства, в котором объекты могут неправильно классифицироваться (рис. 1).