对抗性鲁棒性工具箱（ART）是用于机器学习安全性的Python库。 ART提供的工具使开发人员和研究人员可以针对以下方面评估，捍卫，认证和验证机器学习模型和应用程序： 逃避，中毒，提取和推断的对抗性威胁。 ART支持所有数据类型的所有流行的机器学习框架（TensorFlow，Keras，PyTorch，MXNet，scikit-learn，XGBoost，LightGBM，CatBoost，GPy等） （图像，表格，音频，视频等）和机器学习任务（分类，对象检测，生成，认证等）。
| 开始使用 | 文献资料 | 贡献 |
|---|---|---|
| - 安装 - 例子 - 笔记本电脑 |
- 进攻 - 防御 - 估算器 - 指标 - 技术文档 |
- Slack, 邀请函 - 贡献 - 路线图 - 引用 |
该图书馆正在不断发展中。 欢迎反馈，错误报告和贡献！