1.1 对抗机器学习的进阶理论

现在我们将进入对抗机器学习的主课程部分，从1.1节开始：对抗机器学习的进阶理论。 [图片] 在这一部分，我们将深入探讨对抗机器学习的理论基础，包括模型的不确定性和鲁棒性。 模型的不确定性不确定性的来源： 在机器学习中，不确定性可能源于数据（例如噪声或不完整的数据）或模型（如参数的不确定性）。量化不确定性： 理解和量化模型的不确定性对于评估其可靠性和作出更准确的预测非常重要。[图片] 模型鲁棒性鲁棒性的定义： 模型鲁棒性指的是模型在面对输入数据的微小变化或扰动时，保持性能稳定的能力。评估鲁棒性：...【查看原文】