对抗示例生成

原文：https://pytorch.org/tutorials/beginner/fgsm_tutorial.html

作者： Nathan Inkawhich

如果您正在阅读本文，希望您能体会到某些机器学习模型的有效性。 研究不断推动 ML 模型更快，更准确和更高效。 但是，设计和训练模型的一个经常被忽略的方面是安全性和鲁棒性，尤其是在面对想要欺骗模型的对手的情况下。

本教程将提高您对 ML 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，在图像上添加无法察觉的扰动会导致完全不同的模型表现。 鉴于这是一个教程，我们将通过图像分类器上的示例来探讨该主题。 具体而言，我们将使用最流行的一种攻击方法，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，有多种类型的对抗性攻击，每种攻击者的目标和假设都不同。 但是，总的来说，总体目标是向输入数据添加最少的扰动，以引起所需的错误分类。 攻击者的知识有几种假设，其中两种是：白盒和黑盒。 白盒攻击假定攻击者具有完全的知识并可以访问模型，包括架构，输入，输出和权重。 黑盒攻击假定攻击者只能访问模型的输入和输出，并且对底层架构或权重一无所知。 目标也有几种类型，包括错误分类和源/目标错误分类。 错误分类意味着对手只希望输出分类错误，而不在乎新分类是什么。 源/目标错误分类意味着对手想要更改最初属于特定源类别的图像，以便将其分类为特定目标类别。

在这种情况下，FGSM 攻击是白盒攻击，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攻击了。

快速梯度符号攻击

迄今为止，最早的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），由《解释和利用对抗性示例》（Goodfellow 等）描述。 攻击非常强大，而且直观。 它旨在利用神经网络学习梯度的方式来攻击神经网络。 这个想法很简单，不是通过基于反向传播的梯度来调整权重来使损失最小化，攻击会基于相同的反向传播的梯度来调整输入数据，以使损失最大化。 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。

在进入代码之前，让我们看一下著名的 FGSM Pandas 示例，并提取一些符号。

fgsm_panda_image

从图中，x是正确分类为“Pandas”的原始输入图像，y是x的输出，θ表示模型参数，而J(θ, x, y)是用于训练网络的损失。 攻击会将梯度反向传播回输入数据，以计算ᐁ[x] J(θ, x, y)。 然后，它会沿方向（即ᐁ[x] J(θ)）沿一小步（图片中的ε或0.007）调整输入数据，(x, y)，这将使损失最大化。 然后，当目标图像仍明显是“Pandas”时，目标网络将它们误分类为“长臂猿”。

希望本教程的动机已经明确，所以让我们跳入实现过程。

  1. from __future__ import print_function
  2. import torch
  3. import torch.nn as nn
  4. import torch.nn.functional as F
  5. import torch.optim as optim
  6. from torchvision import datasets, transforms
  7. import numpy as np
  8. import matplotlib.pyplot as plt

实现

在本节中，我们将讨论本教程的输入参数，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ε值列表。 在列表中保留 0 很重要，因为它表示原始测试集上的模型表现。 同样，从直觉上讲，我们期望ε越大，扰动越明显，但是从降低模型准确率的角度来看，攻击越有效。 由于此处的数据范围为[0,1]，因此ε值不得超过 1。
  • pretrained_model-使用pytorch/examples/mnist训练的 MNIST 模型的路径。 为简单起见，请在此处下载预训练模型。
  • use_cuda-布尔标志，如果需要和可用，则使用 CUDA。 请注意，具有 CUDA 的 GPU 在本教程中并不重要，因为 CPU 不会花费很多时间。
  1. epsilons = [0, .05, .1, .15, .2, .25, .3]
  2. pretrained_model = "data/lenet_mnist_model.pth"
  3. use_cuda=True

受到攻击的模型

如前所述，受到攻击的模型与pytorch/examples/mnist中的 MNIST 模型相同。 您可以训练并保存自己的 MNIST 模型，也可以下载并使用提供的模型。 这里的网络定义和测试数据加载器已从 MNIST 示例中复制而来。 本部分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。

  1. # LeNet Model definition
  2. class Net(nn.Module):
  3.     def __init__(self):
  4.         super(Net, self).__init__()
  5.         self.conv1 = nn.Conv2d(1, 10, kernel_size=5)
  6.         self.conv2 = nn.Conv2d(10, 20, kernel_size=5)
  7.         self.conv2_drop = nn.Dropout2d()
  8.         self.fc1 = nn.Linear(320, 50)
  9.         self.fc2 = nn.Linear(50, 10)
  11.     def forward(self, x):
  12.         x = F.relu(F.max_pool2d(self.conv1(x), 2))
  13.         x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2))
  14.         x = x.view(-1, 320)
  15.         x = F.relu(self.fc1(x))
  16.         x = F.dropout(x, training=self.training)
  17.         x = self.fc2(x)
  18.         return F.log_softmax(x, dim=1)
  20. # MNIST Test dataset and dataloader declaration
  21. test_loader = torch.utils.data.DataLoader(
  22.     datasets.MNIST('../data', train=False, download=True, transform=transforms.Compose([
  23.             transforms.ToTensor(),
  24.             ])),
  25.         batch_size=1, shuffle=True)
  27. # Define what device we are using
  28. print("CUDA Available: ",torch.cuda.is_available())
  29. device = torch.device("cuda" if (use_cuda and torch.cuda.is_available()) else "cpu")
  31. # Initialize the network
  32. model = Net().to(device)
  34. # Load the pretrained model
  35. model.load_state_dict(torch.load(pretrained_model, map_location='cpu'))
  37. # Set the model in evaluation mode. In this case this is for the Dropout layers
  38. model.eval()

出：

  1. Downloading http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz to ../data/MNIST/raw/train-images-idx3-ubyte.gz
  2. Extracting ../data/MNIST/raw/train-images-idx3-ubyte.gz to ../data/MNIST/raw
  3. Downloading http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz to ../data/MNIST/raw/train-labels-idx1-ubyte.gz
  4. Extracting ../data/MNIST/raw/train-labels-idx1-ubyte.gz to ../data/MNIST/raw
  5. Downloading http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz to ../data/MNIST/raw/t10k-images-idx3-ubyte.gz
  6. Extracting ../data/MNIST/raw/t10k-images-idx3-ubyte.gz to ../data/MNIST/raw
  7. Downloading http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz to ../data/MNIST/raw/t10k-labels-idx1-ubyte.gz
  8. Extracting ../data/MNIST/raw/t10k-labels-idx1-ubyte.gz to ../data/MNIST/raw
  9. Processing...
  10. Done!
  11. CUDA Available:  True

FGSM 攻击

现在，我们可以通过干扰原始输入来定义创建对抗示例的函数。 fgsm_attack函数接受三个输入，image是原始的干净图像（x），epsilon是像素级扰动量ε，data_grad是输入图像损失的梯度（ᐁ[x] J(θ, x, y)）。 该函数然后创建扰动图像为

对抗示例生成 - 图2

最后，为了维持数据的原始范围，将被扰动的图像裁剪到范围[0,1]。

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

测试函数

最后，本教程的主要结果来自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，并报告最终精度。 但是，请注意，此函数还需要epsilon输入。 这是因为test函数报告实力为ε的来自对手的攻击模型的准确率。 更具体地说，对于测试集中的每个样本，函数都会计算输入数据data_grad的损失梯度，并使用fgsm_attack创建一个扰动图像perturbed_data，然后检查受干扰的示例是否具有对抗性。 除了测试模型的准确率外，该函数还保存并返回了一些成功的对抗示例，以供以后可视化。

  1. def test( model, device, test_loader, epsilon ):
  3.     # Accuracy counter
  4.     correct = 0
  5.     adv_examples = []
  7.     # Loop over all examples in test set
  8.     for data, target in test_loader:
  10.         # Send the data and label to the device
  11.         data, target = data.to(device), target.to(device)
  13.         # Set requires_grad attribute of tensor. Important for Attack
  14.         data.requires_grad = True
  16.         # Forward pass the data through the model
  17.         output = model(data)
  18.         init_pred = output.max(1, keepdim=True)[1] # get the index of the max log-probability
  20.         # If the initial prediction is wrong, dont bother attacking, just move on
  21.         if init_pred.item() != target.item():
  22.             continue
  24.         # Calculate the loss
  25.         loss = F.nll_loss(output, target)
  27.         # Zero all existing gradients
  28.         model.zero_grad()
  30.         # Calculate gradients of model in backward pass
  31.         loss.backward()
  33.         # Collect datagrad
  34.         data_grad = data.grad.data
  36.         # Call FGSM Attack
  37.         perturbed_data = fgsm_attack(data, epsilon, data_grad)
  39.         # Re-classify the perturbed image
  40.         output = model(perturbed_data)
  42.         # Check for success
  43.         final_pred = output.max(1, keepdim=True)[1] # get the index of the max log-probability
  44.         if final_pred.item() == target.item():
  45.             correct += 1
  46.             # Special case for saving 0 epsilon examples
  47.             if (epsilon == 0) and (len(adv_examples) < 5):
  48.                 adv_ex = perturbed_data.squeeze().detach().cpu().numpy()
  49.                 adv_examples.append( (init_pred.item(), final_pred.item(), adv_ex) )
  50.         else:
  51.             # Save some adv examples for visualization later
  52.             if len(adv_examples) < 5:
  53.                 adv_ex = perturbed_data.squeeze().detach().cpu().numpy()
  54.                 adv_examples.append( (init_pred.item(), final_pred.item(), adv_ex) )
  56.     # Calculate final accuracy for this epsilon
  57.     final_acc = correct/float(len(test_loader))
  58.     print("Epsilon: {}\tTest Accuracy = {} / {} = {}".format(epsilon, correct, len(test_loader), final_acc))
  60.     # Return the accuracy and an adversarial example
  61.     return final_acc, adv_examples

运行攻击

实现的最后一部分是实际运行攻击。 在这里，我们为epsilon输入中的每个ε值运行完整的测试步骤。 对于每个ε，我们还保存最终精度，并在接下来的部分中绘制一些成功的对抗示例。 请注意，随着ε值的增加，打印的精度如何降低。 另外，请注意ε = 0表示原始测试准确率，没有受到攻击。

  1. accuracies = []
  2. examples = []
  4. # Run test for each epsilon
  5. for eps in epsilons:
  6.     acc, ex = test(model, device, test_loader, eps)
  7.     accuracies.append(acc)
  8.     examples.append(ex)

出：

  1. Epsilon: 0      Test Accuracy = 9810 / 10000 = 0.981
  2. Epsilon: 0.05   Test Accuracy = 9426 / 10000 = 0.9426
  3. Epsilon: 0.1    Test Accuracy = 8510 / 10000 = 0.851
  4. Epsilon: 0.15   Test Accuracy = 6826 / 10000 = 0.6826
  5. Epsilon: 0.2    Test Accuracy = 4301 / 10000 = 0.4301
  6. Epsilon: 0.25   Test Accuracy = 2082 / 10000 = 0.2082
  7. Epsilon: 0.3    Test Accuracy = 869 / 10000 = 0.0869

结果

准确率与ε

第一个结果是精度与ε曲线的关系。 如前所述，随着ε的增加，我们预计测试精度会降低。 这是因为更大的ε意味着我们朝着将损失最大化的方向迈出了更大的一步。 请注意，即使ε值是线性间隔的，曲线中的趋势也不是线性的。 例如，ε = 0.05处的精度仅比ε = 0低约 4%，但ε = 0.2处的精度比ε = 0.15。 另外，请注意，模型的准确率在ε = 0.25和ε = 0.3之间达到 10 类分类器的随机准确率。

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

../_img/sphx_glr_fgsm_tutorial_001.png

对抗示例样本

还记得没有免费午餐的想法吗？ 在这种情况下，随着ε的增加，测试精度降低，但扰动变得更容易察觉。 实际上，在攻击者必须考虑的准确率下降和可感知性之间要进行权衡。 在这里，我们展示了每个ε值下成功对抗示例的一些示例。 绘图的每一行显示不同的ε值。 第一行是ε = 0示例，这些示例表示没有干扰的原始“干净”图像。 每张图片的标题均显示“原始分类->对抗分类”。 注意，扰动在ε = 0.15处开始变得明显，而在ε = 0.3处则非常明显。 但是，在所有情况下，尽管增加了噪音，人类仍然能够识别正确的类别。

  1. # Plot several examples of adversarial samples at each epsilon
  2. cnt = 0
  3. plt.figure(figsize=(8,10))
  4. for i in range(len(epsilons)):
  5.     for j in range(len(examples[i])):
  6.         cnt += 1
  7.         plt.subplot(len(epsilons),len(examples[0]),cnt)
  8.         plt.xticks([], [])
  9.         plt.yticks([], [])
  10.         if j == 0:
  11.             plt.ylabel("Eps: {}".format(epsilons[i]), fontsize=14)
  12.         orig,adv,ex = examples[i][j]
  13.         plt.title("{} -> {}".format(orig, adv))
  14.         plt.imshow(ex, cmap="gray")
  15. plt.tight_layout()
  16. plt.show()

../_img/sphx_glr_fgsm_tutorial_002.png

接下来要去哪里？

希望本教程对对抗性机器学习主题有所了解。 从这里可以找到许多潜在的方向。 这种攻击代表了对抗性攻击研究的最开始，并且由于随后有许多关于如何攻击和防御来自对手的 ML 模型的想法。 实际上，在 NIPS 2017 上有一个对抗性的攻击和防御竞赛，并且本文描述了该竞赛中使用的许多方法：《对抗性的攻击与防御竞赛》。 防御方面的工作还引发了使机器学习模型总体上更健壮的想法，以适应自然扰动和对抗性输入。

另一个方向是不同领域的对抗性攻击和防御。 对抗性研究不仅限于图像领域，请查看对语音到文本模型的这种攻击。 但是，也许更多地了解对抗性机器学习的最好方法是动手。 尝试实现与 NIPS 2017 竞赛不同的攻击，并查看它与 FGSM 有何不同。 然后，尝试保护模型免受自己的攻击。

脚本的总运行时间：（4 分钟 22.519 秒）

下载 Python 源码：fgsm_tutorial.py

下载 Jupyter 笔记本：fgsm_tutorial.ipynb

由 Sphinx 画廊生成的画廊