| dc.contributor | 資管系 | |
| dc.creator (作者) | 郁方;陳郁方 | |
| dc.date (日期) | 2025-01 | |
| dc.date.accessioned | 10-Jun-2026 11:54:30 (UTC+8) | - |
| dc.date.available | 10-Jun-2026 11:54:30 (UTC+8) | - |
| dc.date.issued (上傳時間) | 10-Jun-2026 11:54:30 (UTC+8) | - |
| dc.identifier.uri (URI) | https://ah.lib.nccu.edu.tw/item?item_id=182881 | - |
| dc.description.abstract (摘要) | 人工智慧應用系統無處不在。提高其可靠性刻不容緩。本研究預期開發深度神經網路自動化的測試工具。PyCT能系統性地對人工智慧應用進行魯棒性測試與對抗例生成。物件導向式的設計使得PyCT本質上有良好的擴充性，未來可以支援更多的函式運算，實現對更先進與複雜的神經網路的自動化分析。人工智慧的風潮會繼續蔓延，未來將被廣泛運用在各個領域，包括商業、娛樂、通信、醫療保健和安全。有缺陷的人工智慧系統可能會影響社會的許多層面。植基於此，本研究對於這些系統和應用程式可靠性的任何改進，都將轉化成對人工智慧安全的信任，從而提升人工智慧技術在社會方面的可接受程度與影響性。 | |
| dc.format.extent | 116 bytes | - |
| dc.format.mimetype | text/html | - |
| dc.relation (關聯) | 國家科學及技術委員會, NSTC112-2221-E004-002, 112.08-113.07 | |
| dc.subject (關鍵詞) | 動態符號測試; 神經網路驗證; 決策邏輯; 抽象模型; 對抗例生成 | |
| dc.subject (關鍵詞) | Concolic Testing; Deep Neural Network Verification; Decision Logics; CEGAR; Adversarial Example Generation | |
| dc.title (題名) | 人工智慧模型的軟體驗證與資訊安全 | |
| dc.title (題名) | Software Verification and Security on Ai Models | |
| dc.type (資料類型) | report | |
