trusted-ai/adversarial-robustness-toolboxБиблиотека Python для безопасности машинного обучения с учётом состязательных атак, позволяющая красным и синим командам запускать атаки и защиты на основе уклонения, отравления, извлечения и инференса в основных ML-фреймворках.
Adversarial Robustness Toolbox (ART) — это библиотека Python для обеспечения безопасности машинного обучения. ART размещается в Linux Foundation AI & Data Foundation (LF AI & Data). ART предоставляет инструменты, позволяющие разработчикам и исследователям защищать и оценивать модели и приложения машинного обучения от состязательных угроз уклонения, отравления, извлечения и вывода. ART поддерживает все популярные фреймворки машинного обучения (TensorFlow, Keras, PyTorch, scikit-learn, XGBoost, LightGBM, CatBoost, GPy и т.д.), все типы данных (изображения, таблицы, аудио, видео и т.д.) и задачи машинного обучения (классификация, обнаружение объектов, распознавание речи, генерация, сертификация и т.д.).
Библиотека находится в процессе постоянного развития. Отзывы, сообщения об ошибках и вклад приветствуются!
Этот материал частично основан на работе, поддержанной Агентством перспективных исследовательских проектов Министерства обороны США (DARPA) по контракту № HR001120C0013. Любые мнения, выводы и заключения или рекомендации, выраженные в этом материале, принадлежат автору(ам) и не обязательно отражают взгляды Агентства перспективных исследовательских проектов Министерства обороны США (DARPA).
| Начало работы | Документация | Вклад |
|---|
| - Установка - Примеры - Блокноты | - Атаки - Защиты - Оценщики - Метрики - Техническая документация | - Slack, Приглашение - Внесение вклада - Дорожная карта - Цитирование |
