人工智能:数据与模型安全

本教材聚焦学术前沿，围绕人工智能的两大核心要素，即数据和模型，对人工智能领域安全问题以及相关攻防算法展系统全面、详细深的介绍。本教材可以帮助学生充分了解人工智能数据与模型所面临的安全风险，学习基础的攻防理论，掌握关键的攻防技巧。
【推荐语】
·知识全面：系统全面地介绍人工智能安全领域的攻防思想和攻防策略。 ·技术深：从对抗学习和鲁棒优化的角度深详细地介绍各类攻防算法。 ·聚焦前沿：包含人工智能安全领域最新的研究动态和最前沿的的攻防技术。 ·作者权威：人工智能安全领域的优秀学者，做出了一系列创新性科研成果。
【作者】
姜育刚，复旦大学教授、博士生导师，长江学者特聘教授，IEEE Fellow、IAPR Fellow。研究领域为多媒体信息处理、计算机视觉、可信通用人工智能，国家科技创新2030—“新一代人工智能”重大项目负责人，上海市智能视觉计算协同创新中心主任。发表的200余篇论文被引用2万余次，构建的源数据和工具集被国内外学者及企业频繁使用。曾获2018年度上海市科技步一等奖、2019年度上海市青年科技杰出贡献奖、2022年度自然科学一等奖、2022年度国家级教学成果二等奖等荣誉。 马兴军，复旦大学研究员、博士生导师，国家级青年人才计划选者。2019年在澳大利亚墨尔本大学获得博士学位，曾任墨尔本大学博士后研究员、迪肯大学助理教授。研究领域为可信机器学习，主要研究人工智能数据与模型的安全性、鲁棒性、可解释性和公平性等。发表的50余篇论文被引用7000余次，获最佳论文奖2项。研究成果曾获《麻省理工科技评论》等国际媒体报道。担任多个国际顶级学术会议的审稿人。 吴祖煊，复旦大学副教授、博士生导师，国家级青年人才计划选者。2020年在美国马里兰大学获得博士学位。研究领域为计算机视觉与深度学习。发表的50余篇论文被引用7000余次。曾获2022年度自然科学一等奖、2022年度AI 2000多媒体领域最具影响力学者等荣誉。担任多个国际顶级学术会议的领域主席或审稿人。