Este livro aborda os ataques adversários no contexto do aprendizado de máquina, uma área crescente que explora como pequenas modificações nos dados de entrada podem enganar modelos de IA. Com o aumento da utilização de redes neurais em sistemas críticos, como reconhecimento de imagens e veículos autônomos, a segurança dessas tecnologias se tornou uma preocupação central. O livro oferece uma introdução prática e teórica aos ataques adversários, explicando como métodos como o Fast Gradient Sign Method (FGSM) e Projected Gradient Descent (PGD) podem ser usados para manipular imagens e comprometer a performance de modelos. Além disso, são abordadas técnicas de defesa adversarial para melhorar a robustez dos sistemas contra esses ataques. Ao final, o leitor será capaz de implementar ataques adversários em Python e entender suas implicações na segurança de sistemas de IA.
| Number of Pages | 109 |
| Edition | 1 (2025) |
| Format | A5 (148x210) |
| Binding | Paperback with Flaps |
| Paper Type | Estucado Mate 90g |
| Language | Portuguese |
Do you have complaints about this book? Send an email to [email protected]
Click Login to leave your comment on the book.