Chào bạn, tôi là Tiến sĩ Minh Trí. Bạn có biết rằng chỉ cần một tấm decal nhỏ dán lên biển báo giao thông có thể khiến xe tự hành nhận diện sai hoàn toàn? Bạn muốn học cách tạo ra các dữ liệu đối kháng (Adversarial Examples) để kiểm tra độ bền bỉ của mô hình? Đã đến lúc bạn làm chủ "chu kỳ bảo mật khép kín cho AI" với cuốn sách "Attacks, Defenses and Testing for Deep Learning" (2024).
Nhóm tác giả Chen, Zhang và Zheng dẫn dắt bạn qua tam giác bảo mật quan trọng nhất của học sâu. Trong cuốn sách bảo mật Deep Learning chuyên sâu này, bạn sẽ làm chủ:
Các kiểu tấn công đối kháng (Attacks): Thấu hiểu các kỹ thuật tấn công White-box và Black-box, từ Fast Gradient Sign Method (FGSM) đến các cuộc tấn công dựa trên tối ưu hóa phức tạp.
Cơ chế phòng thủ (Defenses): Bí quyết gia cố mô hình bằng Adversarial Training, Defensive Distillation và các kỹ thuật khử nhiễu dữ liệu đầu vào.
Kỹ thuật kiểm thử Deep Learning (Testing): Hướng dẫn thực hành kiểm thử độ phủ (Coverage Testing), kiểm thử đột biến (Mutation Testing) để đánh giá độ tin cậy của mô hình năm 2026.
Bảo mật trong các lĩnh vực đặc thù: Phân tích các lỗ hổng trong nhận diện hình ảnh, xử lý ngôn ngữ tự nhiên (NLP) và dữ liệu chuỗi thời gian.
Công cụ và Thư viện: Cách sử dụng các Framework hiện đại để mô phỏng tấn công và đánh giá khả năng phòng thủ tự động.
Đạo đức và Tiêu chuẩn: Lộ trình xây dựng AI có trách nhiệm, tuân thủ các tiêu chuẩn về an toàn và minh bạch quốc tế.
Về mặt học thuật, tôi đánh giá cao cách các tác giả trình bày một quy trình "Testing" bài bản cho AI — vốn là một khái niệm còn khá mới mẻ so với kiểm thử phần mềm truyền thống. Đối với cộng đồng nghiên cứu AI Việt Nam, kiến thức trong cuốn sách IT này là nền tảng để bạn phát triển những mô hình AI đạt chuẩn thương mại hóa quốc tế. Tại 89ebook, chúng tôi mang đến tri thức này để giúp bạn xây dựng những hệ thống AI "bất khả xâm phạm".
