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.
| Número de páginas | 109 |
| Edição | 1 (2025) |
| Formato | A5 (148x210) |
| Acabamento | Brochura c/ orelha |
| Tipo de papel | Couche 115g |
| Idioma | Português |
Tem algo a reclamar sobre este livro? Envie um email para [email protected]
Faça o login deixe o seu comentário sobre o livro.