Skip to content

对抗性示例生成

译者:片刻小哥哥

项目地址:https://pytorch.apachecn.org/2.0/tutorials/beginner/fgsm_tutorial

原始地址:https://pytorch.org/tutorials/beginner/fgsm_tutorial.html

作者: Nathan 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

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

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 .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 panda 示例并提取 一些符号。

fgsm_panda_image

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(

\(\epsilon\)

\(0.007\)

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

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

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 进行训练。 为简单起见,请下载预训练模型 此处 . * 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)
<torch._C.Generator object at 0x7f12f701ee50>

模型受到攻击

如前所述,受到攻击的模型与 pytorch/examples/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<?, ?it/s]
100%|##########| 9912422/9912422 [00:00<00:00, 345164142.10it/s]
Extracting ../data/MNIST/raw/train-images-idx3-ubyte.gz to ../data/MNIST/raw

Downloading http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz
Downloading http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz to ../data/MNIST/raw/train-labels-idx1-ubyte.gz

  0%|          | 0/28881 [00:00<?, ?it/s]
100%|##########| 28881/28881 [00:00<00:00, 149181888.95it/s]
Extracting ../data/MNIST/raw/train-labels-idx1-ubyte.gz to ../data/MNIST/raw

Downloading http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz
Downloading http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz to ../data/MNIST/raw/t10k-images-idx3-ubyte.gz

  0%|          | 0/1648877 [00:00<?, ?it/s]
100%|##########| 1648877/1648877 [00:00<00:00, 316589214.77it/s]
Extracting ../data/MNIST/raw/t10k-images-idx3-ubyte.gz to ../data/MNIST/raw

Downloading http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz
Downloading http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz to ../data/MNIST/raw/t10k-labels-idx1-ubyte.gz

  0%|          | 0/4542 [00:00<?, ?it/s]
100%|##########| 4542/4542 [00:00<00:00, 29906638.57it/s]
Extracting ../data/MNIST/raw/t10k-labels-idx1-ubyte.gz to ../data/MNIST/raw

CUDA Available:  True

Net(
  (conv1): Conv2d(1, 32, kernel_size=(3, 3), stride=(1, 1))
  (conv2): Conv2d(32, 64, kernel_size=(3, 3), stride=(1, 1))
  (dropout1): Dropout(p=0.25, inplace=False)
  (dropout2): Dropout(p=0.5, inplace=False)
  (fc1): Linear(in_features=9216, out_features=128, bias=True)
  (fc2): Linear(in_features=128, out_features=10, bias=True)
)

FGSM 攻击

现在,我们可以定义通过扰动原始输入来创建对抗性示例的函数。 fgsm_attack 函数需要三个 输入, image 是原始的干净图像 (

\(x\)

), * epsilon* 是逐像素扰动量 (

\(\epsilon\)

),并且 data_grad 是损失相对于输入图像 (

\(abla_{x} J(\mathbf{\theta}, \mathbf{x}, y)\)

)。该函数 然后将扰动图像创建为

[扰动_image = 图像 + epsilon*sign(data_grad) = x + \epsilon * 符号(abla_{x} J(\ \mathbf{\theta}, \mathbf{x}, y))

]

最后,为了保持数据的原始范围, 对扰动图像进行裁剪范围

\([0,1]\)

.

# FGSM attack code
def fgsm_attack(image, epsilon, data_grad):
    # Collect the element-wise sign of the data gradient
    sign_data_grad = data_grad.sign()
    # Create the perturbed image by adjusting each pixel of the input image
    perturbed_image = image + epsilon*sign_data_grad
    # Adding clipping to maintain [0,1] range
    perturbed_image = torch.clamp(perturbed_image, 0, 1)
    # Return the perturbed image
    return perturbed_image

# restores the tensors to their original scale
def denorm(batch, mean=[0.1307], std=[0.3081]):
 """
 Convert a batch of tensors to their original scale.

 Args:
 batch (torch.Tensor): Batch of normalized tensors.
 mean (torch.Tensor or list): Mean used for normalization.
 std (torch.Tensor or list): Standard deviation used for normalization.

 Returns:
 torch.Tensor: batch of tensors without normalization applied to them.
 """
    if isinstance(mean, list):
        mean = torch.tensor(mean).to(device)
    if isinstance(std, list):
        std = torch.tensor(std).to(device)

    return batch * std.view(1, -1, 1, 1) + mean.view(1, -1, 1, 1)

测试函数

最后,本教程的中心结果来自 test 函数。每次调用此测试函数都会在 MNIST 测试集上执行完整的测试步骤并报告最终准确性。但是,请注意, 此函数还接受 epsilon 输入。这是因为 test 函数报告了受到强度

\(\epsilon\)

对手攻击的模型的准确性。更具体地说,对于测试集中的每个样本,该函数计算输入数据的损失梯度 (

\(data\_grad\)

),创建一个使用 fgsm_attack (

\(perturbed\_data\)

) 扰动图像,然后检查 扰动的示例是否是对抗性的。除了测试模型的 准确性之外,该函数还保存并返回一些 成功的对抗性示例,以便稍后可视化。

def test( model, device, test_loader, epsilon ):

    # Accuracy counter
    correct = 0
    adv_examples = []

    # Loop over all examples in test set
    for data, target in test_loader:

        # Send the data and label to the device
        data, target = data.to(device), target.to(device)

        # Set requires_grad attribute of tensor. Important for Attack
        data.requires_grad = True

        # Forward pass the data through the model
        output = model(data)
        init_pred = output.max(1, keepdim=True)[1] # get the index of the max log-probability

        # If the initial prediction is wrong, don't bother attacking, just move on
        if init_pred.item() != target.item():
            continue

        # Calculate the loss
        loss = F.nll_loss(output, target)

        # Zero all existing gradients
        model.zero_grad()

        # Calculate gradients of model in backward pass
        loss.backward()

        # Collect ``datagrad``
        data_grad = data.grad.data

        # Restore the data to its original scale
        data_denorm = denorm(data)

        # Call FGSM Attack
        perturbed_data = fgsm_attack(data_denorm, epsilon, data_grad)

        # Reapply normalization
        perturbed_data_normalized = transforms.Normalize((0.1307,), (0.3081,))(perturbed_data)

        # Re-classify the perturbed image
        output = model(perturbed_data_normalized)

        # Check for success
        final_pred = output.max(1, keepdim=True)[1] # get the index of the max log-probability
        if final_pred.item() == target.item():
            correct += 1
            # Special case for saving 0 epsilon examples
            if epsilon == 0 and len(adv_examples) < 5:
                adv_ex = perturbed_data.squeeze().detach().cpu().numpy()
                adv_examples.append( (init_pred.item(), final_pred.item(), adv_ex) )
        else:
            # Save some adv examples for visualization later
            if len(adv_examples) < 5:
                adv_ex = perturbed_data.squeeze().detach().cpu().numpy()
                adv_examples.append( (init_pred.item(), final_pred.item(), adv_ex) )

    # Calculate final accuracy for this epsilon
    final_acc = correct/float(len(test_loader))
    print(f"Epsilon: {epsilon}\tTest Accuracy = {correct} / {len(test_loader)} = {final_acc}")

    # Return the accuracy and an adversarial example
    return final_acc, adv_examples

运行攻击

实施的最后一部分是实际运行攻击。在这里, 我们对 epsilons 输入中的每个 epsilon 值运行完整的测试步骤。 对于每个 epsilon,我们还保存最终精度和一些成功 的对抗示例,以在接下来的部分中绘制。请注意 打印的精度如何随着 epsilon 值的增加而降低。另外, 请注意

\(\epsilon=0\)

情况代表原始测试精度, 没有受到攻击。

accuracies = []
examples = []

# Run test for each epsilon
for eps in epsilons:
    acc, ex = test(model, device, test_loader, eps)
    accuracies.append(acc)
    examples.append(ex)
Epsilon: 0      Test Accuracy = 9912 / 10000 = 0.9912
Epsilon: 0.05   Test Accuracy = 9605 / 10000 = 0.9605
Epsilon: 0.1    Test Accuracy = 8743 / 10000 = 0.8743
Epsilon: 0.15   Test Accuracy = 7111 / 10000 = 0.7111
Epsilon: 0.2    Test Accuracy = 4877 / 10000 = 0.4877
Epsilon: 0.25   Test Accuracy = 2717 / 10000 = 0.2717
Epsilon: 0.3    Test Accuracy = 1418 / 10000 = 0.1418

结果

准确度与 Epsilon

第一个结果是精度与 epsilon 图。正如前面提到的,随着 epsilon 的增加,我们预计测试精度会降低。这是因为较大的 epsilon 意味着我们在最大化损失的方向上迈出了更大的一步。请注意,即使 epsilon 值是线性间隔的,曲线中的趋势也不是线性的。例如,

\(\epsilon=0.05\)

的准确度仅比

\(\epsilon=0\)\ 低 4% 左右n ,但

\(\epsilon=0.2\)

的精度比

\(\epsilon=0.15\) 低 25%

。另外,请注意模型的准确度 达到 10 类分类器的随机准确度

\(\epsilon=0.25\)

\(\epsilon= 0.3\)

.

plt.figure(figsize=(5,5))
plt.plot(epsilons, accuracies, "*-")
plt.yticks(np.arange(0, 1.1, step=0.1))
plt.xticks(np.arange(0, .35, step=0.05))
plt.title("Accuracy vs Epsilon")
plt.xlabel("Epsilon")
plt.ylabel("Accuracy")
plt.show()

准确度与 Epsilon

对抗性示例示例

还记得天下没有免费的午餐吗?在这种情况下,随着 epsilon 的增加 测试精度会降低 但是 扰动变得更容易 被察觉。实际上,攻击者必须考虑准确性下降和可感知性之间的权衡。在这里,我们展示了每个 epsilon 值的成功对抗示例的一些示例。该图的每一行显示不同的 epsilon 值。第一行是

\(\epsilon=0\)

示例,表示没有扰动的原始 \xe2\x80\x9cclean\xe2\x80\x9d 图像。每个图像的标题显示 \xe2\x80\x9原始分类 -> 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

下一步去哪里?

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 。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 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)



回到顶部