AI模型鲁棒性评测平台
基于百度安全深度学习模型安全评估框架,提供AI模型在多个安全维度上的标准化鲁棒性检测方案和工具,并支持针对客户实际的应用场景和需求进行定制,降低由于客观真实环境变化、恶意攻击造成的安全隐患,提升AI模型质量。
AdvBox对抗样本工具箱
- 基于AI模型可解释性的模型安全防御系统; - 通过分析解释结果的统计属性检测物理对抗攻击,在无恶意样本知识情况下,有效检测物理世界存在的恶意补丁攻击。
无人车的功能安全很大程度上依赖深度学习模型的鲁棒性,AI模型安全威胁的多样性使得AI模型鲁棒性评估尤为必要。
智能网联汽车车内外的摄像头、传感器等带来的隐私和数据敏感问题在国内得到了广泛关注,隐私和安全越来越被重视。
车企越来越重视软件架构及开发能力,为车主提供有竞争优势的产品和体验,而这需要以安全为前提。
智能网联车在传统汽车基础上通过ICT技术改造实现“自动化”、“网联化”技术升级。
基于百度安全深度学习模型安全评估框架,提供AI模型在多个安全维度上的标准化鲁棒性检测方案和工具,并支持针对客户实际的应用场景和需求进行定制,降低由于客观真实环境变化、恶意攻击造成的安全隐患,提升AI模型质量。
- 基于AI模型可解释性的模型安全防御系统; - 通过分析解释结果的统计属性检测物理对抗攻击,在无恶意样本知识情况下,有效检测物理世界存在的恶意补丁攻击。
为某车厂客户提供了通过OTA进行迭代系统功能及下发配置文件、完成售后车辆功能升级的能力,可通过OTA修复软件问题。
参与构建车联网身份认证和安全信任体系,构建无锡城市级的V2X根证书系统,与工信部安全可信根进行授信,与公安交管车联网身份管理及认证平台进行互信互任。