登录后查看消息通知
搜索
常见问题
消息
登录
首页
/
数据集
/
An Empirical Study of Security Weaknesses in Supervised Learning-based Projects
An Empirical Study of Security Weaknesses in Supervised Learning-based Projects
收藏
Figshare
2022-01-27 更新
2026-04-28 收录
机器学习安全
监督学习脆弱性
数据链接:
https://figshare.com/articles/dataset/An_Empirical_Study_of_Security_Weaknesses_in_Supervised_Learning-based_Projects/14525784
数据链接
链接失效反馈
官方服务:
问题咨询
购买咨询
在线客服
NEW
资源简介:
Security Weaknesses in Supervised Learning-based Projects
应用场景:
创建时间:
2022-01-27
相关数据集
NIPS 2017: Adversarial Learning Development Set 对抗学习开发套件:对抗学习挑战中使用的开发图像
机器学习安全
对抗性训练
现有的大多数机械学习分类器极易受到对抗性示例的攻击,为了加速对对抗性示例的研究,Google Brain正在NIPS 2017竞赛轨道内组织对抗性示例和防御竞赛。该数据集包含该比赛的发展图像。
阿里云天池
2026-07-13 更新
101
0
Black Box Attack Dataset
机器学习安全
黑盒攻击
Black box attack on ML assisted wide area monitoring and protection systems
kaggle
2021-05-10 更新
15
0
swiss-ai/apertus-pretrain-poisonandcanaries
机器学习安全
自然语言处理
数据集包含不同配置的文件,如canaries_random、canaries_pii、canaries_goldfish、poisons和fictional_qa,但README文件中未提供数据集的详细描述。从配置名称和文件扩展名(.jsonl.gz,表示JSON Lines格式压缩文件)推断,该数据集可能包含与金丝雀、毒物和虚构问答场景相关的不同类型的数据。由于README中未提供中文描述,以下
Hugging Face
2025-10-27 更新
11
0
LLMail-Inject
电子邮件安全认证
机器学习安全
LLMail-Inject是一个公共挑战数据集,模拟了一个真实的场景,参与者尝试适应性地将恶意指令注入电子邮件中,以触发LLM电子邮件助手中的未授权工具调用。该挑战涉及多种防御策略、LLM架构和检索配置,共有839名参与者提交了208,095个独特的攻击。该数据集为未来防御研究提供了新的见解,旨在解决指令数据分离问题。
arXiv
2025-06-12 更新
77
0
hugo0076/CIFAR10-Blended-20pct-Backdoor-ExclNatural
机器学习安全
对抗性攻击
这是一个包含图像和对应分类标签的数据集,共有10个分类,涵盖飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船和卡车。数据集分为采样、清洗训练集、后门训练集、可信数据集、清洗测试集和后门测试集,分别用于不同的训练和测试场景。
Hugging Face
2025-10-21 更新
15
0
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15
沪公网安备31010402336585号
热门搜索
社区交流群
科研交流群
商业服务
数据资源
寻源服务
数据采集
标注服务
数据产品
代理销售
数据领域
凭证登记
数据产品
介绍推广