Skip to content
KitploitKITPLOIT
उपकरणब्लॉग
जमा करें
उपकरणब्लॉग
जमा करें

हैकिंग, पेनटेस्ट और साइबर सुरक्षा उपकरण आपके सुरक्षा शस्त्रागार के लिए!

Kitploit हैकिंग, साइबर सुरक्षा और पेंटेस्टिंग टूल्स की एक निर्देशिका है। कमजोरियों को खोजने, सिस्टम का विश्लेषण करने, परीक्षण को स्वचालित करने और अपनी सुरक्षा को मजबूत करने के लिए नवीनतम प्रोजेक्ट अपडेट खोजें।

··फ़ीड·संपर्क·गोपनीयता·© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
foolbox — PyTorch, TensorFlow और JAX में न्यूरल नेटवर्क को धोखा देने वाले विरोधी उदाहरण बनाने के लिए एक Python टूलबॉक्स | Kitploit
उपकरण/GitHubGitHub/bethgelab/foolbox
भेद्यता विश्लेषणमशीन लर्निंगAI सुरक्षाप्रतिकूल हमला
GitHubbethgelab/foolbox

foolbox

PyTorch, TensorFlow और JAX में न्यूरल नेटवर्क को धोखा देने वाले विरोधी उदाहरण बनाने के लिए एक Python टूलबॉक्स

रिपॉजिटरी देखें
3.0k4428 महीने पहलेKitploit द्वारा समीक्षित

सबसे लोकप्रिय

सभी देखें →

हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →
साझा करें
वेबसाइट

home: true heroImage: /logo.png heroText: Foolbox tagline: "Foolbox: PyTorch, TensorFlow और JAX में मशीन लर्निंग मॉडल की मजबूती को बेंचमार्क करने के लिए तेज़ एडवर्सेरियल हमले" actionText: शुरू करें → actionLink: /guide/ features:

  • title: नेटिव प्रदर्शन details: Foolbox 3, EagerPy के ऊपर बनाया गया है और PyTorch, TensorFlow और JAX में नेटिव रूप से चलता है।
  • title: अत्याधुनिक हमले details: Foolbox, अत्याधुनिक ग्रेडिएंट-आधारित और निर्णय-आधारित एडवर्सेरियल हमलों का एक बड़ा संग्रह प्रदान करता है।
  • title: टाइप जाँच details: Foolbox में व्यापक टाइप एनोटेशन की बदौलत, अपना कोड चलाने से पहले ही बग पकड़ें। footer: कॉपीराइट © 2022 Jonas Rauber, Roland S. Zimmermann

Foolbox क्या है?

Foolbox एक पायथन लाइब्रेरी है जो आपको डीप न्यूरल नेटवर्क जैसे मशीन लर्निंग मॉडल के विरुद्ध आसानी से एडवर्सेरियल हमले चलाने की सुविधा देती है। यह EagerPy पर आधारित है और PyTorch, TensorFlow तथा JAX में मॉडलों के साथ नेटिव रूप से काम करती है।

root@kitploit:~
import foolbox as fb

model = ...
fmodel = fb.PyTorchModel(model)

attack = fb.attacks.LinfPGD()
epsilons = [0.0, 0.001, 0.01, 0.03, 0.1, 0.3, 0.5, 1.0]
advs, _, success = attack(fmodel, images, labels, epsilons=epsilons)
टूल डाउनलोड करें