Adversariales maschinelles Lernen

Ein Diskriminator-Netzwerk unterscheidet zwischen echten und generierten Daten im adversarischen maschinellen Lernen.

Feature Squeezing reduziert die Komplexität der Eingabedaten, um die Robustheit des Modells gegenüber adversarialen Angriffen zu verbessern.

Die Foolbox Bibliothek ist ein Python-Toolkit zur Erstellung adversarialer Angriffe auf maschinelle Lernmodelle.

Gradient Hacking bezieht sich auf Techniken, die verwendet werden, um gradientenbasierte Optimierungen in Machine-Learning-Modellen zu manipulieren.