#37 · 主分类： 网络安全与解密工具
adversarial-robustness-toolbox
adversarial-attacks
adversarial-examples
adversarial-machine-learning
ai
artificial-intelligence
attack
blue-team
evasion
extraction
inference
machine-learning
poisoning
privacy
python
red-team
trusted-ai
trustworthy-ai
对抗鲁棒性工具箱（ART）- 机器学习安全Python库 - 规避、投毒、提取、推断 - 红队和蓝队
项目最后更新：12/12/25
GitHub Stars
6.2K
Forks数量
1.3K
贡献者数量
145
许可证
MIT
收录理由
对于负责生产环境机器学习模型安全性的团队来说，ART 提供了极为完整的攻防测试工具箱，能够系统性地检验模型在面对对抗样本、数据投毒、模型窃取和推理攻击时的表现。它不仅内置了大量攻击方法与配套的防御策略、检测器和评估指标，还支持在统一接口下覆盖主流深度学习框架和多种数据类型，从表格模型到图像检测器都可以用同一套流程进行测试。攻击与防御手段的紧密结合是其实用性的核心：生成威胁、运行防御、量化前后对比，一次操作即可得到清晰的结果，让团队不必依赖临时脚本就能获得可重复的鲁棒性数据。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。