adversarial-robustness-toolbox

對抗式強健工具箱 (ART) - Python 機器學習安全函式庫 - 規避、毒化、提取、推論 - 紅藍隊

adversarial-robustness-toolbox 是什麼?

對抗式強健工具箱 (ART) - Python 機器學習安全函式庫 - 規避、毒化、提取、推論 - 紅藍隊

adversarial-robustness-toolbox 概覽

這是什麼

Adversarial Robustness Toolbox (ART) 是一個用於機器學習安全的 Python 函式庫,由 Linux Foundation AI & Data Foundation (LF AI & Data) 託管。ART 提供工具,讓開發人員和研究人員能夠針對對抗性威脅(包括 Evasion、Poisoning、Extraction 和 Inference)來防禦和評估機器學習模型與應用。該函式庫支援多種主流機器學習框架,如 TensorFlow、Keras、PyTorch、scikit-learn、XGBoost、LightGBM、CatBoost 和 GPy。它處理所有資料類型(影像、表格、音訊、影片)以及機器學習任務(分類、物件偵測、語音辨識、生成、認證)。

主要功能

  • 支援 Evasion、Poisoning、Extraction 和 Inference 攻擊與防禦。
  • 相容於多種 ML 框架:TensorFlow、Keras、PyTorch、scikit-learn、XGBoost、LightGBM、CatBoost、GPy。
  • 適用於影像、表格、音訊、影片資料類型。
  • 涵蓋分類、物件偵測、語音辨識、生成和認證等任務。
  • 提供紅隊(攻擊)和藍隊(防禦)活動的工具。
  • 包含評估模型穩健性的指標和估計器。

使用情境

ART 用於評估和防禦機器學習模型對抗對抗性威脅。使用情境包括測試模型對 Evasion 攻擊(例如對抗性範例)、Poisoning 攻擊(資料操縱)、Model Extraction(竊取模型功能)和 Inference 攻擊(提取私人資訊)的韌性。適合安全研究人員、ML 開發人員以及需要評估和改善其 ML 系統安全性的組織。

快速開始

請參閱儲存庫 README 以取得安裝說明、範例和筆記本。

授權與價格

授權:MIT。價格:開放原始碼。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/trusted-aiadversarial-robustness-toolbox.svg)](https://yunodb.com/tools/trusted-aiadversarial-robustness-toolbox?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/trusted-aiadversarial-robustness-toolbox?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/trusted-aiadversarial-robustness-toolbox.svg" alt="Featured on YunoDB" height="20"></a>