返回藝廊
AI & 系統
提示詞描述
AI 安全 ├─ 核心目標（機密性 + 完整性 + 可用性 + 合規性 + 可信賴） │ ├─ 機密性 │ ├─ 完整性 │ ├─ 可用性 │ ├─ 合規性 │ └─ 可信賴行為 │ ├─ 在惡意攻擊下可控 │ ├─ 在意外故障期間穩定 │ └─ 在環境變化下維持預期行為 │ ├─ 概念邊界與相關概念 │ ├─ 與可靠性／穩健性的關係 │ │ ├─ 可靠性／穩健性：關注非惡意的、隨機的擾動 │ │ │ ├─ 感測器雜訊 │ │ │ └─ 數據分佈漂移 │ │ └─ AI 安全：關注蓄意的、惡意的、精心設計的攻擊 │ │ └─ 對抗性擾動（FGSM 等） │ ├─ 與傳統網路安全／安全工程的關係 │ │ ├─ 傳統安全：保護基礎設施、網路和數據 │ │ │ ├─ 防火牆 │ │ │ ├─ 入侵偵測 │ │ │ ├─ 存取控制 │ │ │ └─ 密碼學應用 │ │ └─ AI 安全：深入研究模型行為和數據依賴性 │ │ └─ 例如：後門攻擊無法透過傳統漏洞掃描偵測 │ └─ 在可信賴 AI 中的定位 │ ├─ 可信賴 AI 的其他支柱 │ │ ├─ 公平性 │ │ ├─ 可解釋性／可理解性 │ │ ├─ 透明度 │ │ └─ 隱私 │ └─ 安全是可信賴 AI 的基礎
![```python
import os
import re
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
import torch
from torch.utils.data import Dataset, DataLoader
from tqdm import tqdm
import joblib
import matplotlib.pyplot as plt
# =========================
# Configuration
# =========================
class Config:
# ✅ 新版本：積水點 Excel（新增累積降雨）
points_xlsx = r'F:\实验数据\CA_积水点融合\深度置信网络\样本输出_final\积水点_整合_step3_研究区内_新增累计降雨_719-723.xlsx'
# CA 模擬結果 & 地理資料
ca_data_dir = r'F:\实验数据\CA_积水点融合\深度置信网络\CA模拟结果'
geo_data_dir = r'F:\实验数据\CA_积水点融合\深度置信网络\地理数据' # building_density.npy, DEM.npy, road_density.npy, Slope.npy, Landuse.npy
# Patch & 採樣
patch_size = 64
ca_dry_thr_cm = 1.0 # 負樣本水深閾值：< 1cm
tile_size = 200 # 負樣本空間均勻採樣瓦片大小（單位：網格單元）
# 土地利用 one-hot 編碼類型（可根據您的實際資料調整）
landuse_types = [7, 8, 10, 50, 60, 80, 100]
# 訓練相關
output_dir = r'F:\实验数据\CA_积水点融合\深度置信网络\DBN训练输出_64patch_mu'
```](/_next/image?url=https%3A%2F%2Fpub-8c0ddfa5c0454d40822bc9944fe6f303.r2.dev%2Fai-drawings%2FBFJVaELXylgOOK0WatKO6tw6EfizLTx7%2F8a5d501e-e43d-4dfe-b168-5609ff4c3ef1%2F03d366b1-042e-4669-8cfb-aa5952cc4cb1.png&w=3840&q=75)
