AdversariaLib：一个用于评估机器学习算法在攻击下安全性的开源库
密码学与安全
2016-11-16 v1 机器学习
摘要
我们推出 AdversariaLib，一个开源的 Python 库，用于评估机器学习（ML）在面对精心定向攻击时的安全性。它支持实现对抗性学习文献中迄今提出的多种攻击，允许评估广泛的 ML 算法，可在多平台上运行，并启用了多进程处理。该库采用模块化架构，易于使用并通过实现新颖的攻击与对策进行扩展。它依赖于其他广泛使用的开源 ML 库，包括 scikit-learn 和 FANN。分类算法以 C/C++ 实现并优化，可快速评估模拟攻击。该软件包遵循 GNU 通用公共许可证 v3 分发，可从 http://sourceforge.net/projects/adversarialib 下载。
引用
@article{arxiv.1611.04786,
title = {AdversariaLib: An Open-source Library for the Security Evaluation of Machine Learning Algorithms Under Attack},
author = {Igino Corona and Battista Biggio and Davide Maiorca},
journal= {arXiv preprint arXiv:1611.04786},
year = {2016}
}