trusted-ai/adversarial-robustness-toolboxPython-Bibliothek für die Sicherheit von Adversarial Machine Learning, die es Red- und Blue-Teams ermöglicht, Evasion-, Poisoning-, Extraction- und Inference-Angriffe sowie Verteidigungen über gängige ML-Frameworks hinweg auszuführen.
Adversarial Robustness Toolbox (ART) ist eine Python-Bibliothek für Machine-Learning-Sicherheit. ART wird von der Linux Foundation AI & Data Foundation (LF AI & Data) gehostet. ART bietet Werkzeuge, die Entwickler und Forscher in die Lage versetzen, Machine-Learning-Modelle und -Anwendungen gegen die adversarischen Bedrohungen Evasion, Poisoning, Extraction und Inference zu verteidigen und zu bewerten. ART unterstützt alle gängigen Machine-Learning-Frameworks (TensorFlow, Keras, PyTorch, scikit-learn, XGBoost, LightGBM, CatBoost, GPy usw.), alle Datentypen (Bilder, Tabellen, Audio, Video usw.) und Machine-Learning-Aufgaben (Klassifikation, Objekterkennung, Spracherkennung, Generierung, Zertifizierung usw.).
Die Bibliothek befindet sich in kontinuierlicher Entwicklung. Feedback, Fehlermeldungen und Beiträge sind sehr willkommen!
Dieses Material basiert teilweise auf Arbeiten, die von der Defense Advanced Research Projects Agency (DARPA) im Rahmen des Vertrags Nr. HR001120C0013 unterstützt wurden. Die in diesem Material geäußerten Meinungen, Erkenntnisse und Schlussfolgerungen oder Empfehlungen sind die der Autoren und spiegeln nicht unbedingt die Ansichten der Defense Advanced Research Projects Agency (DARPA) wider.
| Erste Schritte | Dokumentation | Mitwirken |
|---|
| - Installation - Beispiele - Notebooks | - Angriffe - Verteidigungen - Schätzer - Metriken - Technische Dokumentation | - Slack, Einladung - Mitwirken - Roadmap - Zitieren |
