Adversarial Machine Learning: Fondamentaux et techniques

Cette séance de cours couvre les principes fondamentaux de l'apprentissage machine contradictoire, en mettant l'accent sur la génération d'exemples contradictoires, les défis de robustesse et les techniques telles que la méthode des signes de gradient rapide et la descente de gradient proximal. Il explore l'impact des attaques antagonistes sur les modèles linéaires et les réseaux neuronaux, avec une connexion à la majorisation-minimisation. La séance de cours se penche également sur la formation contradictoire, les problèmes d'optimisation et l'application du théorème de Danskin dans le contexte de l'apprentissage automatique.