推荐阅读
WordPress 图片优化和压缩插件:Smush

WordPress 图片优化和压缩插件:Smush

优化图像,打开延迟加载,调整大小,压缩和提高您的Google页面速度,使用令人难以置信的强大且100%免费的WordPress图像扫描器,由WPMU DEV的超级团队带给您!文章源自知更鸟-https://zm
推荐阅读
判断 WordPress 文章中有特定短代码时加载脚本

判断 WordPress 文章中有特定短代码时加载脚本

短代码是WordPress常用的功能,虽然目前已被区块所取代,但还是普遍应用中。有些短代码会用到JS脚本,但又不想全局加载,可以用下面的代码实现,添加短代码时仅在当前页面加载JS脚本
对抗重编程攻击 AnQuanKeInfo

对抗重编程攻击

前言
我们知道深度学习模型容易受到对抗样本攻击,比如在计算机视觉领域,对图像精心设计的扰动可能会导致模型出错。虽然现在对抗样本的研究非常火,但是模型面临的攻击不
隐秘的印记:暗水印实践技术分享 AnQuanKeInfo

隐秘的印记:暗水印实践技术分享

ZONE.CI 全球网:一、前言1.1、暗水印是什么
广义来说,暗水印可以理解为,在一些载体数据中添加隐藏标记,这些标记在人类和机器可轻易感知的范围之外。相较于常见的明水印,比如图片和视频中的公司lo
深度伪造(Deepfake)原理分析及实战 AnQuanKeInfo

深度伪造(Deepfake)原理分析及实战

ZONE.CI 全球网:前言
众所周知,人工智能正迎来第三次发展浪潮,它既给社会发展带来了巨大机遇,同时也带来了诸多风险,人工智能对国家安全的影响已成为世界各国的重要关切和研究议程。作为人工智能深度学
影像篡改与识别(二):数字时代 AnQuanKeInfo

影像篡改与识别(二):数字时代

ZONE.CI 全球网:1997年,埃及哈特谢普苏特神庙前,一张恐怖组织持枪扫射游客后的新闻图片被爆造假;
2006年,以色列空袭黎巴嫩首都贝鲁特,一张浓烟笼罩城市的照片被证实是伪造的;
2008年,
对抗补丁(Adversarial Patch)攻击 AnQuanKeInfo

对抗补丁(Adversarial Patch)攻击

ZONE.CI 全球网:前言
说起AI的安全风险,除了耳熟能详的对抗样本之外,你还能想起什么攻击手段呢?本文介绍一种类似于对抗样本,但在特定方面,危害程度比对抗样本更强的攻击方案,即对抗补丁攻击(Ad
对抗样本攻防实战 AnQuanKeInfo

对抗样本攻防实战

ZONE.CI 全球网:前言
对抗样本大家都耳熟能详了,但是大家可能觉得离自己比较远,毕竟主要是学术界在做这方面的工作,可能还需要很多数学理论基础,所以没有尝试动手实践过。在本文中,不会提及高深的数学
图像缩放攻击 AnQuanKeInfo

图像缩放攻击

ZONE.CI 全球网:背景
在安全领域,对机器学习的模型、算法等已经有大量的研究工作,比如对抗攻击、后门攻击、成员推理攻击等,但机器学习系统并不仅仅只有这些弱点,在机器学习预处理环节也存在漏洞,不过
如何防御对抗攻击 AnQuanKeInfo

如何防御对抗攻击

ZONE.CI 全球网:前言
对抗攻击从2013年被Szegedy等人提出之后,截止目前,已经被研究的很深入了,相关文章也呈爆炸增长上图是发在arxiv上的有关对抗攻击的文章数量,该领域的火爆程度可见
模型窃取攻击 AnQuanKeInfo

模型窃取攻击

ZONE.CI 全球网:前言
人工智能系统不止存在安全问题,还存在隐私问题,安全问题已经受到了广泛重视,对抗样本等攻击技术大家都有在讨论,相比之下,AI的隐私问题关注的人就没有那么多了,但事实上,AI
梯度泄露攻击 AnQuanKeInfo

梯度泄露攻击

ZONE.CI 全球网:前言
在现代多节点的机器学习系统,如分布式训练、协作学习等系统中,交换梯度进行训练是一种被广泛采用的方法。例如对于我们比较了解的联邦学习而言,杨强教授有一句经典的话“数据不动模
对抗重编程攻击 AnQuanKeInfo

对抗重编程攻击

ZONE.CI 全球网:前言
我们知道深度学习模型容易受到对抗样本攻击,比如在计算机视觉领域,对图像精心设计的扰动可能会导致模型出错。虽然现在对抗样本的研究非常火,但是模型面临的攻击不止有对抗样本攻击
如何保护深度学习系统-后门防御 AnQuanKeInfo

如何保护深度学习系统-后门防御

ZONE.CI 全球网:前言
后门攻击是AI安全领域目前非常火热的研究方向,其涉及的攻击面很广,在外包阶段,攻击者可以控制模型训练过程植入后门,在协作学习阶段,攻击者可以控制部分参与方提交恶意数据实现