Secure ML Library

Libreria open source per la valutazione della sicurezza degli algoritmi di machine learning


Secure ML: ricerca   Tutorial: Wild Patterns   Secure ML Library   Web Demo
Secure ML Library (SecML-Lib) è una libreria Python open source che implementa attacchi contaminativi (poisoning attacks) ed evasivi (evasion attacks) contro un'ampia gamma di algoritmi di apprendimento, inclusi SVM, Neural Nets, Random Forests e altri algoritmi disponibili da scikit-learn. SecML-Lib implementa anche alcune delle tecniche di apprendimento sicuro (secure-learning) sviluppate dal nostro team negli anni passati.
La libreria SecML-Lib verrà rilasciata ad Aprile!

Info

Pluribus One S.r.l.

Via Bellini 9, 09128, Cagliari (CA)

info[at]pluribus-one.it

PEC: pluribus-one[at]pec.pluribus-one.it

 

Ragione Sociale

Capitale Sociale: € 10008

Capitale Sociale versato: € 4.602

P.IVA: 03621820921

R.E.A.: Cagliari 285352

 

Università di Cagliari

  Pluribus One è una spin-off

  del Dipartimento di

  Ingegneria Elettrica ed Elettronica

  Università di Cagliari, Italia

 

© 2019 Pluribus One s.r.l. All Rights Reserved.