trusted-ai/adversarial-robustness-toolboxBibliothèque Python pour la sécurité de l'apprentissage automatique adversarial, permettant aux équipes rouge et bleue d'exécuter des attaques et des défenses par évasion, empoisonnement, extraction et inférence sur les principaux frameworks de ML.
Adversarial Robustness Toolbox (ART) est une bibliothèque Python pour la sécurité de l'apprentissage automatique. ART est hébergé par la Linux Foundation AI & Data Foundation (LF AI & Data). ART fournit des outils qui permettent aux développeurs et aux chercheurs de défendre et d'évaluer les modèles et applications d'apprentissage automatique contre les menaces adversariales d'évasion, d'empoisonnement, d'extraction et d'inférence. ART prend en charge tous les frameworks d'apprentissage automatique populaires (TensorFlow, Keras, PyTorch, scikit-learn, XGBoost, LightGBM, CatBoost, GPy, etc.), tous les types de données (images, tableaux, audio, vidéo, etc.) et les tâches d'apprentissage automatique (classification, détection d'objets, reconnaissance vocale, génération, certification, etc.).
La bibliothèque est en développement continu. Les retours, signalements de bogues et contributions sont les bienvenus !
Ce document est partiellement basé sur des travaux soutenus par la Defense Advanced Research Projects Agency (DARPA) dans le cadre du contrat n° HR001120C0013. Les opinions, résultats et conclusions ou recommandations exprimés dans ce document sont ceux des auteurs et ne reflètent pas nécessairement les points de vue de la Defense Advanced Research Projects Agency (DARPA).
| Commencer | Documentation | Contribuer |
|---|
| - Installation - Exemples - Notebooks | - Attaques - Défenses - Estimateurs - Métriques - Documentation technique | - Slack, Invitation - Contribuer - Feuille de route - Citation |
