2023全球人工智能技术大会，施普林格·自然期待与您见面！

这本书向读者介绍了人工智能开发和使用中的关键伦理问题。它提供了关于人工智能伦理的核心概念和争议，探讨了相关问题如何迫使我们解决关于人类生活、价值和意义的一些基本和古老的问题。此外，本书还将基础和理论问题与具体争议关联讨论，作者将重点放在了道德问题在现实例子中的表现。

所有主题都进行了深入探讨，作者利用历史和当前资源对伦理学和哲学中的相关辩论进行了清晰的解释。本书对人工智能伦理问题在技术、监管、社会、宗教和文化等相关问题的背景下进行探讨，以帮助读者在更广泛的辩论和关注中对人工智能伦理的范围有更深入和细致的了解。

本书解决了机器学习的主要安全问题，包括它对环境噪声和对抗性攻击的敏感性，此类漏洞已成为在安全关键型应用程序中部署机器学习的主要障碍。该书介绍了最新的对抗性攻击技术，用于评估机器学习模型的漏洞；形式验证，用于确定经过训练的机器学习模型是否没有漏洞；和对抗性训练，用于增强训练过程并减少漏洞。

本书旨在提高读者对机器学习模型潜在安全问题的认识。此外，它还包括处理这些问题的最新技术，使读者不仅具备技术知识，而且具备动手实践技能。

本书向读者介绍了联邦学习的基础知识和最新进展，着重于降低通信成本、提高计算效率和增强安全级别。联邦学习是一种分布式机器学习范例，它支持对大量分散数据进行模型训练。其目标是在满足监管、隐私和安全要求的同时，充分利用跨组织或跨设备的数据。

本书首先对人工神经网络、深度学习模型、监督学习算法、进化算法和进化学习进行了完整的介绍。然后简要介绍多方安全计算、差分隐私和同态加密，然后详细描述联邦学习。与此同时，本书特别从通信效率、进化学习和隐私保护的角度介绍了联邦学习研究的最新进展。

本书按照原理剖析、主流算法、典型示例的架构，系统地介绍了用于动态系统决策与控制的强化学习方法。全书共分为11章，内容涵盖了强化学习的基本概念、蒙特卡洛法、时序差分法、动态规划法、函数近似法、策略梯度法、近似动态规划、状态约束的处理和深度强化学习等知识点。本书主要面向工程应用领域的科研工作者和技术人员，旨在为领域内的行业同仁提供一本体系较为全面，且适合入门者学习和提升的参考书籍。

本书是《迁移学习导论》第二版的英文翻译，它系统地介绍了迁移学习的产生背景、问题定义、核心方法、理论基础、深度迁移学习等核心技术，以及低资源、复杂环境、泛化、对抗等方面的最新研究进展。特别地，本书提供了相关代码，完整展现了迁移学习在计算机视觉、自然语言处理、语音识别、医疗和普适计算等领域的应用。本书基于于中文版广大读者的反馈进行修改，力求做到更准确、简练、对读者更友好。

本书由共有9章主要内容。第1章介绍了联邦学习的发展、挑战，并重点概述了联邦学习中的安全和隐私问题。接下来，第2章、第3章和第4章以问题为导向，分别介绍联邦学习中的推理攻击、投毒攻击和基于GAN的攻击等多种威胁。第5章到第8章以工具为导向，介绍联邦学习场景下的差分隐私、密码学、多方安全计算等防护技术。第9章提供了对未来安全与隐私形势的展望。本书预期的读者对象包括从事计算机科学与技术、网络空间安全和人工智能等领域的科研人员，也可作为相关专业本科、硕士、博士研究生的阅读材料和参考书。

PRCV 2022会议论文集

Nature

Nature Computational Science

Nature Machine Intelligence

Visual Intelligence立足和服务于图像图形学领域研究，致力于推动“视觉”与“智能”的有机结合与协同发展，主要发表视觉智能领域具有国际先进水平的新理论、新思想、新技术等的研究成果和技术进展，为促进视觉智能技术的高质量发展和学术交流服务。

Architectural Intelligence（建筑智能/ARI）是一本开放获取期刊，以设计科学（Design Science）思维为引领，面向智慧人居、虚拟人居、地外人居三大未来场景，专注研究贯穿建筑全生命周期的人工智能及新兴技术，致力于以实证为支撑的建筑科学研究方法，打造学科交叉的国际学术平台，重构建筑科学知识体系，建立可持续发展的新范式。

Autonomous Intelligent Systems 创刊于2021年8月，旨在促进和传播自主智能系统领域的科学发现、知识和应用。自主智能系统涉及人工智能、机器人、学习系统、系统和控制、无人系统、多智能体系统、网络、机器学习、网络物理系统、分布式系统、自动化、人机交互、人工智能伦理与法律等领域。