PyTorch 對抗示例生成

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

作者： Nathan Inkawhich

如果您正在閱讀本文，希望您能體會到某些機器學習模型的有效性。 研究不斷推動 ML 模型更快，更準確和更高效。 但是，設計和訓練模型的一個經(jīng)常被忽略的方面是安全性和魯棒性，尤其是在面對想要欺騙模型的對手的情況下。

本教程將提高您對 ML 模型的安全漏洞的認識，并深入了解對抗性機器學習的熱門話題。 您可能會驚訝地發(fā)現(xiàn)，在圖像上添加無法察覺的擾動會導致導致完全不同的模型性能。 鑒于這是一個教程，我們將通過圖像分類器上的示例來探討該主題。 具體來說，我們將使用第一種也是最流行的攻擊方法之一，即快速梯度符號攻擊(FGSM）來欺騙 MNIST 分類器。

威脅模型

就上下文而言，有多種類型的對抗性攻擊，每種攻擊者的目標和假設都不同。 但是，總的來說，總體目標是向輸入數(shù)據(jù)添加最少的擾動，以引起所需的錯誤分類。 攻擊者的知識有幾種假設，其中兩種是：白盒和黑盒。 白盒攻擊假定攻擊者具有完整的知識并可以訪問模型，包括體系結構，輸入，輸出和權重。 黑盒攻擊假定攻擊者僅有權訪問模型的輸入和輸出，并且對底層體系結構或權重一無所知。 目標也有幾種類型，包括錯誤分類和源/目標錯誤分類。 錯誤分類的目標是，這意味著對手只希望輸出分類錯誤，而不在乎新分類是什么。 源/目標錯誤分類意味著對手想要更改最初屬于特定源類別的圖像，以便將其分類為特定目標類別。

在這種情況下，F(xiàn)GSM 攻擊是白盒攻擊，目標是錯誤分類。 有了這些背景信息，我們現(xiàn)在就可以詳細討論攻擊了。

快速梯度符號攻擊

迄今為止，最早的也是最流行的對抗性攻擊之一稱為快速梯度符號攻擊(FGSM），由 Goodfellow 等描述。 等 中的解釋和利用對抗性示例。 攻擊非常強大，而且直觀。 它旨在利用神經(jīng)網(wǎng)絡的學習方式梯度來攻擊神經(jīng)網(wǎng)絡。 這個想法很簡單，不是通過基于反向傳播的梯度來調整權重來使損失最小化，攻擊會基于相同的反向傳播的梯度來調整輸入數(shù)據(jù)以使損失最大化。 換句話說，攻擊使用損失了輸入數(shù)據(jù)的梯度，然后調整輸入數(shù)據(jù)以使損失最大化。

在進入代碼之前，讓我們看一下著名的 FGSM 熊貓示例，并提取一些符號。

從圖中可以看出， 是正確分類為“熊貓”的原始輸入圖像， 是 的地面真實標簽， 代表模型參數(shù)， 是損失，即 用于訓練網(wǎng)絡。 攻擊將梯度反向傳播回輸入數(shù)據(jù)以計算 。 然后，它會在使損失最大化的方向(即 ）上以小步長(圖片中的 或 ）調整輸入數(shù)據(jù)。 當目標網(wǎng)絡仍然明顯是“熊貓”時，目標網(wǎng)絡將由此產(chǎn)生的擾動圖像 誤分類為為“長臂猿”。

希望本教程的動機已經(jīng)明確，所以讓我們跳入實施過程。

from __future__ import print_function
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

實作

在本節(jié)中，我們將討論本教程的輸入?yún)?shù)，定義受攻擊的模型，然后編寫攻擊代碼并運行一些測試。

輸入項

本教程只有三個輸入，定義如下：

• epsilons -用于運行的 epsilon 值列表。 在列表中保留 0 很重要，因為它表示原始測試集上的模型性能。 同樣，從直覺上講，我們期望ε越大，擾動越明顯，但是從降低模型準確性的角度來看，攻擊越有效。 由于此處的數(shù)據(jù)范圍是 ，因此 epsilon 值不得超過 1。
• pretrained_model -使用 pytorch / examples / mnist 訓練的預訓練 MNIST 模型的路徑。 
• use_cuda -布爾標志，如果需要和可用，則使用 CUDA。 請注意，具有 CUDA 的 GPU 在本教程中并不重要，因為 CPU 不會花費很多時間。

epsilons = [0, .05, .1, .15, .2, .25, .3]
pretrained_model = "data/lenet_mnist_model.pth"
use_cuda=True

受到攻擊的模型

如前所述，受到攻擊的模型與 pytorch / examples / mnist 中的 MNIST 模型相同。 您可以訓練并保存自己的 MNIST 模型，也可以下載并使用提供的模型。 這里的網(wǎng)絡定義和測試數(shù)據(jù)加載器已從 MNIST 示例中復制而來。 本部分的目的是定義模型和數(shù)據(jù)加載器，然后初始化模型并加載預訓練的權重。

# LeNet Model definition
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(1, 10, kernel_size=5)
        self.conv2 = nn.Conv2d(10, 20, kernel_size=5)
        self.conv2_drop = nn.Dropout2d()
        self.fc1 = nn.Linear(320, 50)
        self.fc2 = nn.Linear(50, 10)


    def forward(self, x):
        x = F.relu(F.max_pool2d(self.conv1(x), 2))
        x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2))
        x = x.view(-1, 320)
        x = F.relu(self.fc1(x))
        x = F.dropout(x, training=self.training)
        x = self.fc2(x)
        return F.log_softmax(x, dim=1)


## MNIST Test dataset and dataloader declaration
test_loader = torch.utils.data.DataLoader(
    datasets.MNIST('../data', train=False, download=True, transform=transforms.Compose([
            transforms.ToTensor(),
            ])),
        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='cpu'))


## Set the model in evaluation mode. In this case this is for the Dropout layers
model.eval()

得出：

Downloading http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz to ../data/MNIST/raw/train-images-idx3-ubyte.gz
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 to ../data/MNIST/raw/train-labels-idx1-ubyte.gz
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 to ../data/MNIST/raw/t10k-images-idx3-ubyte.gz
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 to ../data/MNIST/raw/t10k-labels-idx1-ubyte.gz
Extracting ../data/MNIST/raw/t10k-labels-idx1-ubyte.gz to ../data/MNIST/raw
Processing...
Done!
CUDA Available:  True

FGSM 攻擊

現(xiàn)在，我們可以通過干擾原始輸入來定義創(chuàng)建對抗示例的函數(shù)。 fgsm_attack函數(shù)接受三個輸入，圖像是原始的干凈圖像( ）， epsilon 是像素級擾動量( ），以及[HTG7 data_grad 是輸入圖像( ）的損耗的梯度。 該函數(shù)然后創(chuàng)建擾動圖像為

最后，為了維持數(shù)據(jù)的原始范圍，將被攝動的圖像裁剪為 范圍。

# 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

測試功能

最后，本教程的主要結果來自test函數(shù)。 每次調用此測試功能都會在 MNIST 測試集中執(zhí)行完整的測試步驟，并報告最終精度。 但是，請注意，此功能還需要 epsilon 輸入。 這是因為test函數(shù)報告了具有強度 的對手所攻擊的模型的準確性。 更具體地說，對于測試集中的每個樣本，該函數(shù)都會計算輸入數(shù)據(jù)( ）的損耗梯度，使用fgsm_attack( ）創(chuàng)建一個擾動圖像，然后檢查是否受到擾動 例子是對抗性的。 除了測試模型的準確性外，該功能還保存并返回了一些成功的對抗示例，以供以后可視化。

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, dont 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


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


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


        # 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("Epsilon: {}\tTest Accuracy = {} / {} = {}".format(epsilon, correct, len(test_loader), final_acc))


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

奔跑攻擊

實現(xiàn)的最后一部分是實際運行攻擊。 在這里，我們?yōu)?nbsp;epsilons 輸入中的每個 epsilon 值運行完整的測試步驟。 對于每個 epsilon，我們還將保存最終精度，并在接下來的部分中繪制一些成功的對抗示例。 請注意，隨著ε值的增加，打印的精度如何降低。 另外，請注意 的情況代表了原始的測試準確性，沒有受到攻擊。

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)

得出:

Epsilon: 0      Test Accuracy = 9810 / 10000 = 0.981
Epsilon: 0.05   Test Accuracy = 9426 / 10000 = 0.9426
Epsilon: 0.1    Test Accuracy = 8510 / 10000 = 0.851
Epsilon: 0.15   Test Accuracy = 6826 / 10000 = 0.6826
Epsilon: 0.2    Test Accuracy = 4301 / 10000 = 0.4301
Epsilon: 0.25   Test Accuracy = 2082 / 10000 = 0.2082
Epsilon: 0.3    Test Accuracy = 869 / 10000 = 0.0869

結果

精度與 Epsilon

第一個結果是精度與ε曲線的關系。 如前所述，隨著ε的增加，我們期望測試精度會降低。 這是因為較大的ε意味著我們朝著將損失最大化的方向邁出了更大的一步。 請注意，即使 epsilon 值是線性間隔的，曲線中的趨勢也不是線性的。 例如，在  處的精度僅比  低約 4％，但在  處的精度比   低 25％。 另外，請注意，對于  和  之間的 10 類分類器，模型的準確性達到了隨機準確性。

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()

對抗示例

還記得沒有免費午餐的想法嗎？ 在這種情況下，隨著 ε 的增加，測試精度降低，但的擾動變得更容易察覺。 實際上，在攻擊者必須考慮的準確性下降和可感知性之間要進行權衡。 在這里，我們展示了每個 epsilon 值的成功對抗示例。 繪圖的每一行顯示不同的ε值。 第一行是  示例，代表原始的“干凈”圖像，沒有干擾。 每張圖像的標題均顯示“原始分類->對抗分類”。 注意，擾動開始在  變得明顯，并且在 變得非常明顯。 然而，在所有情況下，盡管噪聲增加，人類仍然能夠識別正確的類別。

# 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("Eps: {}".format(epsilons[i]), fontsize=14)
        orig,adv,ex = examples[i][j]
        plt.title("{} -> {}".format(orig, adv))
        plt.imshow(ex, cmap="gray")
plt.tight_layout()
plt.show()

接下來要去哪里？

希望本教程對對抗性機器學習主題有所了解。 從這里可以找到許多潛在的方向。 這種攻擊代表了對抗性攻擊研究的最開始，并且由于隨后有許多關于如何攻擊和防御來自對手的 ML 模型的想法。 實際上，在 NIPS 2017 上有一個對抗性的攻擊和防御競賽，并且本文描述了該競賽中使用的許多方法：對抗性的攻擊與防御競賽。 國防方面的工作還引發(fā)了使機器學習模型總體上更健壯健壯的想法，以適應自然擾動和對抗制造的輸入。

另一個方向是不同領域的對抗性攻擊和防御。 對抗性研究不僅限于圖像領域，請查看對語音到文本模型的這種攻擊。 但是，也許更多地了解對抗性機器學習的最好方法是弄臟您的手。 嘗試實施與 NIPS 2017 競賽不同的攻擊，并查看其與 FGSM 的不同之處。 然后，嘗試保護模型免受自己的攻擊。

腳本的總運行時間：(3 分鐘 14.922 秒）

Download Python source code: fgsm_tutorial.py Download Jupyter notebook: fgsm_tutorial.ipynb

由獅身人面像畫廊生成的畫廊