开源项目推荐：Deep-pwning

开源项目推荐：Deep-pwning

deep-pwning Metasploit for machine learning. 项目地址: https://gitcode.com/gh_mirrors/de/deep-pwning

1. 项目基础介绍及主要编程语言

项目名称：Deep-pwning

项目简介：Deep-pwning 是一个轻量级的框架，旨在帮助研究者和开发者实验机器学习模型，并评估它们在面对有动机的攻击者时的鲁棒性。该项目通过创建对抗性样本，帮助用户理解和测试机器学习模型在受到攻击时的表现。

主要编程语言：Python

2. 项目的核心功能

Deep-pwning 的核心功能包括：

• 生成对抗性样本：框架能够生成对抗性图像和短语，用以欺骗机器学习模型，使其做出错误的决策。
• 模块化设计：项目被设计成多个模块，包括驱动器、模型、对抗性生成器等，以减少代码重复并提高代码的复用性。
• 支持多种分类任务：当前版本的代码优化了图像和短语的分类任务，但也可用于生成其他类型分类器的对抗性样本。
• 易于扩展：框架提供了多种钩子和配置选项，使用户能够轻松扩展和定制对抗性样本的生成过程。

3. 项目最近更新的功能

项目的最近更新包括以下内容：

• 增加新的对抗性样本生成方法：添加了基于显著性图的方法来生成对抗性样本。
• 添加防御模块：增加了示例，展示了文献中提出的一些防御策略。
• 升级Tensorflow版本：将框架的Tensorflow版本升级到0.9.0。
• 支持预训练的word2vec模型：在情感驱动器中添加了对预训练word2vec模型的支持。
• 增加模型支持：添加了对SVM和逻辑回归模型的支持，并提供了使用这些模型的示例。
• 增加非图像和非短语分类器示例：增加了非图像和非短语分类器的示例，以拓宽框架的应用范围。
• 支持多GPU训练：增加了对多GPU训练的支持，以提高训练速度。

通过这些更新，Deep-pwning 进一步增强了其功能和实用性，为机器学习模型的安全性和鲁棒性研究提供了有力的工具。

deep-pwning Metasploit for machine learning. 项目地址: https://gitcode.com/gh_mirrors/de/deep-pwning