人工智能安全教学网页

本课程系统讲解 AI 安全领域的核心概念、主要攻击方式与对应防御策略。 每个章节单独成一个文件夹,便于课堂演示和学生复习。 内容通俗易懂,配合代码示例和复习要点,帮助理解 AI 安全的原理与实践。

对抗攻击 后门攻击 模型抽取 隐私保护 Deepfake
7 核心章节
导航 点击章节即可跳转学习
复习 每章配套复习要点

课程章节

01

Introduction to AI

神经网络基础:感知机、多层网络、训练方法、CNN图像分类

Perceptrons Multi-layer Networks Training Method Best Practices CNN
开始学习
02

Transformers & BERT

现代预训练模型:Transformer架构、BERT预训练与微调、扩展模型

Transformer Learning/Data BERT Fine-Tuning Extensions
开始学习
03

Adversarial Attack

对抗攻击与防御:白盒/黑盒攻击、模型反演、模型抽取

Understanding Evasion White-box Black-box Model Inversion Model Extraction
开始学习
04

Model Extraction

模型蒸馏与抽取:知识迁移、模型窃取、攻击与防御

Understanding Model Distillation Model Extraction Attack Methods Defense
开始学习
05

Backdoor Attack

后门攻击与防御:数据投毒、模型投毒、Neural Cleanse检测

Backdoor Taxonomy Outsourcing BadNets Trojaning Federated Learning Defense Neural Cleanse
开始学习
06

Privacy

隐私保护:成员推断、属性推断、差分隐私

Threats Privacy Risks Membership Inference Attribute Inference Differential Privacy
开始学习
07

Deepfake

深度伪造与检测:人脸合成、换脸技术、伪造检测、泛化性

Generation Face Synthesis Attribute Manipulation Face Swap Detection Datasets Generalizability
开始学习