Adversarial Learning and Secure AI

Adversarial Learning and Secure AI är den första läroboken som ger en tydlig och logisk struktur för att förstå adversariellt lärande inom artificiell intelligens. Boken inleder med att beskriva de sårbarheter som finns i djupa neurala nätverk och visar sedan metoder för hur man kan försvara sig mot attacker samt stärka AI-systemens robusthet. Genom att kombinera teoretiska resonemang med praktiska exempel från verkligheten, hjälper boken studenterna att knyta samman teori och praktik på ett effektivt sätt.

Under resans gång får läsarna arbeta med realistiska projekt som gradvis ökar i svårighetsgrad, vilket inte bara förbättrar deras förståelse utan också stärker deras färdigheter inom programmering i Python och användning av PyTorch. Utöver djupa neurala nätverk behandlas även andra viktiga maskininlärningsmetoder såsom logistisk regression, naïve Bayes-klassificerare och support vector machines. Varje kapitel avslutas dessutom med frågor som lämpar sig väl för diskussioner i klassrummet, vilket gör boken särskilt lämpad för seniora grundutbildningsstudenter samt nybörjare på forskarnivå.

Boken publicerades av Cambridge University Press under 2023 och omfattar 350 sidor. Den levereras i inbundet format och innehåller även online-resurser riktade till både lärare och studenter, inklusive föreläsningsbilder, bildfiler samt mjukvara för kursprojekt tidigt under utbildningen. Adversarial Learning and Secure AI är därför ett oumbärligt verktyg för alla som vill få en gedigen insikt i dagens utmaningar inom säkerhet kopplad till artificiell intelligens tillsammans med moderna forskningsmetoder.