
Per la documentazione completa clicca qui: http://comsec.diee.unica.it/adversarialib/
AdversariaLib può essere scaricato da: http://sourceforge.net/projects/adversarialib/
AdversariaLib è una libreria open source scritta in python per la valutazione della sicurezza degli algoritmi di classificazione basati su machine learning (ML) contro attacchi mirati. Le sue principali caratteristiche sono:
- Facilità di utilizzo. Lanciare esperimenti complessi è facile quanto lanciare un singolo script. I setup sperimentali possono essere infatti definiti attraverso un singolo file di setup.
- Ampio numero di algoritmi di ML supportati. Sono disponibili tutti gli algoritmi di apprendimento supervisionato di scikit-learn, più le reti neurali implementate dalla libreria C FANN, attraverso il nostro wrapper per scikit-learn. Nell'implementazione corrente, la libreria permette di valutare la sicurezza delle SVM con kernel lineare, gaussiano e polinomiale, e delle reti neurali con uno strato di neuroni nascosto, contro attacchi evasivi.
- Velocità in fase di addestramento e valutazione. Grazie alle librerie scikit-learn e FANN, tutti gli algoritmi di ML sono ottimizzati e scritti in linguaggio C/C++.
- Implementazione built-in degli algoritmi di attacco. La libreria permette di simulare attacchi evasivi basati su discesa del gradiente.
- Facilità di estensione. Altri algoritmi di attacco possono facilmente essere integrati nella libreria.
- Multi-processing. Vuoi ulteriormente risparmiare tempo? Gli attacchi implementati nella libreria possono essere lanciati anche su architetture multi-processore.
AdversariaLib è software libero, rilasciato sotto la GNU General Public License versione 3!