文件名称：deep-pwning:用于机器学习的Metasploit
文件大小：131.75MB
文件格式：ZIP
更新时间：2024-05-13 11:38:18
Python
Deep-pwning是一种轻量级框架，用于尝试机器学习模型，目的是针对动机较弱的对手评估它们的鲁棒性。 请注意，在当前状态下进行深度深耕并不是接近成熟或完成的地方。 它旨在由您进行试验，扩展和扩展。 只有这样，我们才能帮助它真正成为统计机器学习模型的goto渗透测试工具套件。 背景 研究人员发现，诱使机器学习模型（分类器，聚类器，回归器等）做出客观上错误的决定是微不足道的。 该研究领域称为 。 断定只要有足够的信息和时间，任何有动机的攻击者都可以绕过任何机器学习系统，这并不是夸张的说法。 但是，当建筑师和工程师设计和构建机器学习系统时，通常会忽略此问题。 当这些系统在医疗，运输，金融或安全相关领域等关键场景中使用时，后果令人担忧。 因此，当人们使用机器学习评估应用程序的有效性时，应在系统设置精度和召回率的同时，衡量其在对抗性环境中的可延展性。 该工具于2016年8月在拉斯维加斯的DE
【文件预览】：
deep-pwning-master
----AUTHORS.md(42B)
----.github()
--------main.workflow(1B)
----dpwn()
--------models()
--------config()
--------semantic_driver.py(6KB)
--------cifar10_driver.py(9KB)
--------evaluator.py(6KB)
--------repo-assets()
--------__init__.py(0B)
--------checkpoints()
--------README.md(68B)
--------utils()
--------mnist_driver.py(4KB)
--------adversarial()
----LICENSE(1KB)
----requirements.txt(77B)
----.gitignore(1KB)
----README.md(11KB)