کتاب صوتی تقویت مدل‌های ML با آموزش خصمانه

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تقویت مدل‌های ML با آموزش خصمانه

موضوع کلی: توسعه برنامه‌های وب پیشرفته

موضوع میانی: Machine learning model adversarial robustness testing

📋 سرفصل‌های دوره

• 1. تقویت مدل‌های یادگیری ماشین با آموزش خصمانه
• 2. مقدمه‌ای بر آموزش خصمانه و آسیب‌پذیری مدل‌ها
• 3. حملات خصمانه: انواع و دسته‌بندی‌ها
• 4. حملات سفیدکیسه (White-box Attacks) و کاربردهایشان
• 5. حملات سیاه­‌کیسه (Black-box Attacks) و روش‌های مقابله
• 6. حملات مبتنی بر گرادیان: بررسی و پیاده‌سازی
• 7. حملات مبتنی بر بهینه‌سازی: روش‌های مختلف
• 8. حملات انتقال‌پذیری (Transferability Attacks) و اهمیت آن‌ها
• 9. دفاع در برابر حملات خصمانه: مروری بر تکنیک‌ها
• 10. آموزش خصمانه (Adversarial Training): اصول و مفاهیم
• 11. تقویت مدل با استفاده از داده‌های خصمانه تولید شده
• 12. دفاع مبتنی بر تشخیص (Detection-based Defense)
• 13. دفاع مبتنی بر تصحیح (Correction-based Defense)
• 14. استفاده از گرادیان‌های هموار (Gradient Smoothing) برای دفاع
• 15. تقویت مدل با استفاده از تقطیر دانش (Knowledge Distillation)
• 16. حملات خصمانه در شبکه‌های عصبی کانولوشنی (CNN)
• 17. حملات خصمانه در شبکه‌های عصبی بازگشتی (RNN)
• 18. حملات خصمانه در مدل‌های پردازش زبان طبیعی (NLP)
• 19. ارزیابی استحکام مدل در برابر حملات خصمانه
• 20. معیارهای ارزیابی استحکام مدل
• 21. ابزارهای متن‌باز برای تولید حملات خصمانه
• 22. ابزارهای متن‌باز برای دفاع در برابر حملات خصمانه
• 23. بهبود استحکام مدل با استفاده از معماری‌های مقاوم
• 24. استفاده از تکنیک‌های افزایشی داده (Data Augmentation) برای تقویت مدل
• 25. حملات خصمانه در سیستم‌های تشخیص تصویر
• 26. حملات خصمانه در سیستم‌های تشخیص صدا
• 27. حملات خصمانه در سیستم‌های تشخیص متن
• 28. حملات خصمانه در سیستم‌های توصیه‌گر
• 29. حملات خصمانه در سیستم‌های رانندگی خودکار
• 30. حملات خصمانه در سیستم‌های تشخیص تقلب
• 31. حملات خصمانه در سیستم‌های پزشکی
• 32. حملات خصمانه در سیستم‌های مالی
• 33. اثر آموزش خصمانه بر قابلیت تعمیم مدل
• 34. بهینه‌سازی فرایند آموزش خصمانه
• 35. انتخاب پارامترهای مناسب برای آموزش خصمانه
• 36. استفاده از الگوریتم‌های تکاملی برای تولید حملات خصمانه
• 37. حملات خصمانه چند هدفه (Multi-objective Adversarial Attacks)
• 38. حملات فیزیکی (Physical Attacks) و چالش‌های آن‌ها
• 39. دفاع در برابر حملات فیزیکی
• 40. حملات خصمانه در فضای پنهان (Hidden Space Attacks)
• 41. تقویت مدل در برابر حملات بر اساس تغییرات جزئی ورودی
• 42. حملات خصمانه مبتنی بر یادگیری تقویتی (Reinforcement Learning)
• 43. استفاده از شبکه‌های مولد تخاصمی (GAN) برای تولید حملات
• 44. بررسی نمونه‌های ناموفق (Failed Attacks) و تحلیل آن‌ها
• 45. آینده آموزش خصمانه و جهت‌گیری‌های تحقیقاتی