# 对抗性示例生成 [¶](#adversarial-example- Generation "永久链接到此标题") > 译者：[片刻小哥哥](https://github.com/jiangzhonglian) > > 项目地址： > > 原始地址： **作者：** [Nathan Inkawhich](https://github.com/inkawhich) 如果您正在阅读本文，希望您能够体会到一些 机器学习模型的有效性。研究不断推动机器学习模型 变得更快、更准确、更高效。然而，设计和训练模型时 经常被忽视的一个方面是安全性和 鲁棒性，尤其是面对想要愚弄模型的对手时 。 本教程将提高您对机器学习模型的安全漏洞的认识，并深入了解对抗性机器学习的热门话题。您可能会惊讶地发现，向图像添加难以察觉的 扰动 *可能* 会导致模型性能 截然不同。鉴于这是一个教程，我们将通过图像分类器的示例来探索该主题。具体来说，我们将使用 第一种也是最流行的攻击方法之一，即快速梯度符号攻击 (FGSM)，来欺骗 MNIST 分类器。 ## 威胁模型 [¶](#threat-model "永久链接到此标题") 就上下文而言，对抗性攻击有许多类别，每种攻击都有不同的目标和假设攻击者的知识。然而，一般来说，总体目标是向输入数据添加最少量的扰动，以导致所需的错误分类。攻击者的知识有多种假设，其中两种是： **白盒** 和 **黑盒** 。 *白盒* 攻击假设攻击者完全了解并有权访问模型，包括架构、输入、输出和权重。 *黑盒* 攻击假设 攻击者只能访问模型的输入和输出， 对底层架构或权重一无所知。 还有几种类型的目标，包括 **错误分类** 和 **源/目标错误分类** 。 *错误分类* 的目标意味着 对手只希望输出分类错误，但不关心新分类是什么。 *源/目标 错误分类* 表示攻击者想要更改 最初属于特定源类的图像， 以便将其分类为 特定目标类。 在这种情况下，FGSM 攻击是一种 *白盒* 攻击，其目标是 *错误分类* 。有了这些背景信息，我们现在可以 详细讨论这次攻击。 ## 快速梯度符号攻击 [¶](#fast-gradient-sign-attack "永久链接到此标题") 迄今为止第一个也是最流行的对抗性攻击之一被称为 *快速梯度符号攻击 (FGSM)* 并由 Goodfellow 等人描述。 al. in [解释和利用对抗性 示例](https://arxiv.org/abs/1412.6572) .这种攻击非常强大，而且直观。它旨在通过 利用神经网络的学习方式 *梯度* 来攻击神经网络。这个想法很简单，攻击不是通过根据反向传播梯度调整权重来最小化损失，而是根据相同的反向传播梯度调整输入数据以最大化损失*。换句话说， 攻击使用损失相对于输入数据的梯度，然后 调整输入数据以使损失最大化。 在我们进入代码之前，让’s 看一下著名的 [FGSM](https://arxiv.org/abs/1412.6572) panda 示例并提取 一些符号。 ![fgsm_panda_image](https://pytorch.org/tutorials/_images/fgsm_panda_image.png) 从图中， \(\mathbf{x}\) 是原始输入图像 正确分类为“panda”， \ n \(y\) 是 的真实标签 \(\mathbf{x}\) , \(\mathbf {\theta}\) 表示模型 参数， \(J(\mathbf{\theta}, \mathbf{x}, y)\)\ n 是用于训练网络的损失。攻击将 梯度反向传播回输入数据以计算 \(abla_{x} J(\mathbf{\theta}, \mathbf{x}, y)\ \) 。然后，它将输入数据调整一小步( \(\epsilon\) 或 \(0.007\) 图片中的 ) 方向(即 \(sign(abla_{x} J(\mathbf{\theta}, \mathbf{x}, y))\) ) 这将使损失最大化。生成的扰动图像 \(x'\) 被目标网络 *错误分类* 为 “gibbon”它仍然 显然是 “panda”。 希望现在本教程的动机已经明确，所以让我们跳转 实现。 ``` import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torchvision import datasets, transforms import numpy as np import matplotlib.pyplot as plt ``` ## 实现 [¶](#implementation "永久链接到此标题") 在本节中，我们将讨论教程的输入参数， 定义受到攻击的模型，然后编写攻击代码并运行一些测试。 ### 输入 [¶](#inputs "此标题的永久链接") 本教程只有三个输入，定义如下： * `epsilons` - 用于运行的 epsilon 值列表。在列表中保留 0 很重要，因为它代表模型在原始测试集上的性能。此外，直观上我们预计 epsilon 越大，扰动就越明显，但在降低模型准确性方面攻击就越有效。由于此处的数据范围为 \([0,1]\) ，因此 epsilon 值不应超过 1。 * `pretrained_model` - 预训练的路径MNIST 模型已使用 [pytorch/examples/mnist](https://github.com/pytorch/examples/tree/master/mnist) 进行训练。 为简单起见，请下载预训练模型 [此处](https://drive.google.com/file/d/1HJV2nUHJqclXQ8flKvcWmjZ-OU5DGatl/view?usp=drive_link) . * `use_cuda` - 如果需要且可用，使用 CUDA 的布尔标志 请注意，具有 CUDA 的 GPU 对于本教程来说并不重要，因为 CPU 不会花费太多时间。 ``` epsilons = [0, .05, .1, .15, .2, .25, .3] pretrained_model = "data/lenet_mnist_model.pth" use_cuda=True # Set random seed for reproducibility torch.manual_seed(42) ``` ``` ``` ### 模型受到攻击 [¶](#model-under-attack "永久链接到此标题") 如前所述，受到攻击的模型与 [pytorch/examples/mnist](https://github.com/pytorch/examples/tree/master/mnist) 中的 MNIST 模型相同。 您可以训练并保存您自己的 MNIST 模型，或者您可以下载并使用 提供的模型。这里的 *Net* 定义和测试数据加载器是从 MNIST 示例中复制的。本节的目的是 定义模型和数据加载器，然后初始化模型并加载 预训练的权重。 ``` # LeNet Model definition class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(1, 32, 3, 1) self.conv2 = nn.Conv2d(32, 64, 3, 1) self.dropout1 = nn.Dropout(0.25) self.dropout2 = nn.Dropout(0.5) self.fc1 = nn.Linear(9216, 128) self.fc2 = nn.Linear(128, 10) def forward(self, x): x = self.conv1(x) x = F.relu(x) x = self.conv2(x) x = F.relu(x) x = F.max_pool2d(x, 2) x = self.dropout1(x) x = torch.flatten(x, 1) x = self.fc1(x) x = F.relu(x) x = self.dropout2(x) x = self.fc2(x) output = F.log_softmax(x, dim=1) return output # MNIST Test dataset and dataloader declaration test_loader = torch.utils.data.DataLoader( datasets.MNIST('../data', train=False, download=True, transform=transforms.Compose( [transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)), ])), batch_size=1, shuffle=True) # Define what device we are using print("CUDA Available: ",torch.cuda.is_available()) device = torch.device("cuda" if use_cuda and torch.cuda.is_available() else "cpu") # Initialize the network model = Net().to(device) # Load the pretrained model model.load_state_dict(torch.load(pretrained_model, map_location=device)) # Set the model in evaluation mode. In this case this is for the Dropout layers model.eval() ``` ``` Downloading http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz Downloading http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz to ../data/MNIST/raw/train-images-idx3-ubyte.gz 0%| | 0/9912422 [00:00 对抗性分类。\xe2\x80\x9d 注意， 扰动开始在 \\(\\epsilon=0.15\ \) 并且 在 \\(\\epsilon=0.3\\) 处非常明显。然而，在所有情况下，尽管噪声增加， 人类仍然能够识别正确的类别。 ``` # Plot several examples of adversarial samples at each epsilon cnt = 0 plt.figure(figsize=(8,10)) for i in range(len(epsilons)): for j in range(len(examples[i])): cnt += 1 plt.subplot(len(epsilons),len(examples[0]),cnt) plt.xticks([], []) plt.yticks([], []) if j == 0: plt.ylabel(f"Eps: {epsilons[i]}", fontsize=14) orig,adv,ex = examples[i][j] plt.title(f"{orig} -> {adv}") plt.imshow(ex, cmap="gray") plt.tight_layout() plt.show() ``` ![7 -> 7, 9 -> 9, 0 -> 0, 3 -> 3, 5 -> 5, 2 -> 8, 1 -> 3, 3 -> 5, 4 -> 6, 4 -> 9, 9 -> 4, 5 -> 6, 9 -> 5, 9 -> 5, 3 -> 2, 3 -> 5, 5 -> 3, 1 -> 6, 4 -> 9, 7 -> 9, 7 -> 2, 8 -> 2, 4 -> 8, 3 -> 7, 5 -> 3, 8 -> 3, 0 -> 8, 6 -> 5, 2 -> 3, 1 -> 8, 1 -> 9, 1 -> 8, 5 -> 8, 7 -> 8, 0 -> 2](https://pytorch.org/tutorials/_images/sphx_glr_fgsm_tutorial_002.png) ## 下一步去哪里？ [¶](#where-to-go-next "此标题的永久链接") 希望本教程能够让您对对抗性机器学习主题有一些深入了解。从这里有许多潜在的方向。 这种攻击代表了对抗性攻击研究的开始 ，因为关于如何攻击和防御对手的 ML 模型已经有许多后续想法。事实上，在 NIPS 2017 上有一场 对抗性攻击和防御竞赛，竞赛中使用的许多方法 在本文中有描述： [对抗性攻击和防御竞赛](https://arxiv.org/pdf/1804.00097.pdf) 。这项工作 非防御还引出了一种想法，即让机器学习模型 更 *鲁棒* 一般来说，适应自然扰动和对抗性 精心设计的输入。 另一个方向是不同域中的对抗性攻击和防御。对抗性研究不仅限于图像领域，请查看 [此](https://arxiv.org/pdf/1801.01944.pdf) 对nspeech-to-text模型的攻击。但也许了解更多关于对抗性机器学习的最好方法就是亲自动手。尝试实施与 NIPS 2017 竞赛不同的攻击，看看与 FGSM 有何不同。然后，尝试保护模型免受 您自己的攻击。 根据可用资源，进一步的方向是修改 代码以支持批处理、并行和/或分布式 vs 在上面针对每个 `epsilon 一次处理一个攻击 test()` 循环。 **脚本总运行时间:** ( 3 分 56.768 秒)