Skip to content
KitploitKITPLOIT
उपकरणएक्सप्लॉइटब्लॉग
Log in
जमा करें
उपकरणएक्सप्लॉइटब्लॉग
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।

फ़ीडसंपर्कगोपनीयता© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
certified-unlearning-neural-networks-icml-2025 — पेपर Certified Unlearning for Neural Networks, ICML 2025 के लिए कोड | Kitploit
उपकरण/GitHubGitHub/stair-lab/certified-unlearning-neural-networks-icml-2025
गोपनीयतापेपर और शोधAI सुरक्षा
GitHubstair-lab/certified-unlearning-neural-networks-icml-2025

certified-unlearning-neural-networks-icml-2025

पेपर Certified Unlearning for Neural Networks, ICML 2025 के लिए कोड

रिपॉजिटरी देखें
साझा करें
126421 साल पहलेअभी तक समीक्षित नहीं

न्यूरल नेटवर्क्स के लिए प्रमाणित अनलर्निंग

इस रिपॉजिटरी में "Certified Unlearning for Neural Networks" (ICML 2025) पेपर का कार्यान्वयन (implementation) शामिल है।

विधियाँ

  • PABI (Privacy Amplification by Iteration): पेपर में Gradient Clipping
  • DP-SGD: पेपर में वर्णित समूह गोपनीयता के साथ
  • Contractive Coefficients: पेपर में Model Clipping
  • DP-Baseline: पेपर में Output Perturbation
  • Retrain

इंस्टॉलेशन

# Clone the repository
git clone https://github.com/stair-lab/certified-unlearning-neural-networks-icml-2025.git
cd certified-unlearning-neural-networks-icml-2025

# alternatively use conda
python -m venv venv
source venv/bin/activate

pip install -r requirements.txt

प्रोजेक्ट संरचना

.
├── src/
│   ├── data/
│   │   ├── base_datamodule.py     # Base data loading functionality
│   │   ├── cifar_dataset.py       # CIFAR-10/100 data loaders
│   │   ├── mnist_dataset.py       # MNIST data loader
│   │   └── datamodule.py          # Data module factory
│   ├── models/
│   │   ├── model.py               # Model factory
│   │   ├── tiny_net.py             
│   │   └── two_layer_net.py        
│   ├── training/
│   │   └── trainer.py             # Main training/unlearning logic
│   └── utils/
│       ├── dp.py                  
│       └── utils.py               
├── experiment.py                  # Main experiment runner
├── run_exp.py                     # Multi-GPU experiment launcher
├── feature_extractor.py           # Extract ResNet-18 backbone features 

प्रयोग कॉन्फ़िगरेशन

इस रिपॉजिटरी में निम्नलिखित निर्देशिकाओं में पूर्व-कॉन्फ़िगर प्रयोग शामिल हैं:

  • budget_curve_runs/: गोपनीयता बजट विश्लेषण प्रयोग - चित्र 1
  • convergence_curve_runs/: अभिसरण विश्लेषण प्रयोग - चित्र 2
  • dp_sgd_runs/: DP-SGD और बेसलाइन प्रयोग - चित्र 3
  • eps_sweep_runs/: गोपनीयता पैरामीटर (ε) स्वीप प्रयोग - चित्र 4 (परिशिष्ट में)

उपयोग

एकल प्रयोग चलाना

किसी विशिष्ट कॉन्फ़िगरेशन के साथ एकल प्रयोग चलाने के लिए:

python experiment.py --config dp_sgd_runs/dp-sgd-cifar10-fc/1tmh6p2f_config.yaml

एकाधिक प्रयोग चलाना

GPU पर समानांतर रूप से एकाधिक प्रयोग चलाने के लिए:

python run_exp.py -n <num_gpus> -e <experiment_dir> [--offset <gpu_offset>] [-j <jobs_per_gpu>]

पैरामीटर:

  • -n: उपयोग करने के लिए GPU की संख्या
  • -e: प्रयोग कॉन्फ़िग वाली निर्देशिका
  • --offset: GPU इंडेक्स ऑफ़सेट (डिफ़ॉल्ट: 0)
  • -j: प्रति GPU समवर्ती जॉब की संख्या (डिफ़ॉल्ट: 1)

फीचर निष्कर्षण

ट्रांसफर लर्निंग प्रयोगों के लिए

python feature_extractor.py

यह CIFAR-10/100 से ResNet-18 फीचर निकालता है और उन्हें cifar10_feature और cifar100_feature डेटासेट कॉन्फ़िगरेशन के साथ उपयोग के लिए सहेजता है।

उद्धरण

यदि आप अपने शोध में इस कोड का उपयोग करते हैं, तो कृपया उद्धृत करें:

@article{koloskova2025certified,
  title={Certified Unlearning for Neural Networks},
  author={Koloskova, Anastasia and Allouah, Youssef and Jha, Animesh and Guerraoui, Rachid and Koyejo, Sanmi},
  journal={arXiv preprint arXiv:2506.06985},
  year={2025}
}
टूल डाउनलोड करें

सबसे लोकप्रिय

सभी देखें →

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

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 अंतिम OSINT टूलकिट: जाँच ग्राफ़, विश्वास स्कोरिंग, उपनाम परिवार, मानचित्र, टाइमलाइन और रिपोर्ट। 49 मॉड्यूल, 400+ साइटें, किसी API कुंजी की आवश्यकता नहीं।

    989
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # घोस्टलॉक वन-टैप निष्पादन ऐप (CVE-2026-43499)

    576
  • 3

    looking-glass

    anonghosty/looking-glass

    CSIRT प्लेटफ़ॉर्म जो Shadowserver रिपोर्ट्स को MongoDB में इनजेस्ट करता है और उन्हें इंटरैक्टिव मैप्स, विश्लेषण, निष्कर्षों, सलाहों और कार्यकारी डैशबोर्ड के रूप में पुनः प्रस्तुत करता है।

    354
  • 4

    redforge

    cybersecurity91/redforge

    ब्राउज़र-साइड रेड टीम टूलकिट, जिसमें रेकॉन, पेलोड जनरेशन, क्रेडेंशियल हमलों, क्रिप्टो, एन्कोडिंग और एंगेजमेंट रिपोर्टिंग के लिए 102 ऑफ़लाइन टूल्स हैं।

    339
  • 5

    ARTEX

    baarai/artex

    प्लानर/वर्कर एजेंट, एसेट और एक्सप्लोरेशन ग्राफ़, MITM ट्रैफ़िक रिकॉर्डिंग, और भेद्यता पुनःपरीक्षण के साथ LLM मल्टी-एजेंट स्वायत्त पेनेट्रेशन टेस्टिंग प्लेटफ़ॉर्म।

    323
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI-मूल साइबरसुरक्षा के लिए कार्रवाई की प्रणाली—जहाँ इरादा नियंत्रित निष्पादन बन जाता है, साक्ष्य परिचालन स्मृति बन जाता है, और हर ऑपरेशन अगले को बेहतर बनाता है।

    315

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →