文章目录
概述
- 动机 （1）不仅要在实验室中部署机器学习分类器，也要在现实世界中部署；
实际应用（2）分类器对噪声具有鲁棒性和在“大多数情况下”有效是不够的。 （3）想要鲁棒的分类器用来对付用户愚弄分类器的输入；面对人类的恶意（4）特别适用于垃圾邮件分类、恶意软件检测、网络入侵检测等。 - 攻击 AI
上图描述了一些攻击 AI 的方式以及后果。 （1）对抗攻击会导致破坏模型完整性； （2）漏洞挖掘和利用会导致破坏模型可用性； （3）模型萃取和数据窃取会导致破坏模型机密性。 - 逃逸攻击 指攻击者在不改变目标机器学习系统的情况下，通过构造特定输入样本以完成欺骗目标系统的攻击
- 投毒攻击 攻击者通过篡改训练数据或添加恶意数据来影响模型训练过程,最终降低其在预测阶段的准确性。
攻击
对抗性攻击的目的
对抗性攻击的目的是通过在原始图像中添加人眼无法察觉的扰动，使得模型的预测结果出错。
攻击的损失函数
- 训练损失： L t r a i n ( θ ) = C ( y 0 , y t r u e ) L_{train}(\theta)=C(y^0,y^{true}) Ltrain(θ)=C(y0,ytrue)。这个公式表示训练神经网络的损失函数，其中 y 0 y^0 y0 是神经网络对原始输入 x 0 x^0 x0 的输出， y t r u e y^{true} ytrue 是该输入的真实标签
例如，猫。 C C C 衡量 y 0 y^0 y0 和 y t r u e y^{true} ytrue 之间的差异。 - 无目标攻击损失： L ( x ′ ) = − C ( y ′ , y t r u e ) L(x')=-C(y',y^{true}) L(x′)=−C(y′,ytrue)。在这种情况下， y ′ y' y′ 是对 x ′ x' x′ 的输出。无目标攻击的目的是使 y ′ y' y′ 偏离 y t r u e y^{true} ytrue，即使预测与真实标签差异增大。因此我们取负的 C C C，最大化估计差异。
- 有目标攻击损失： L ( x ′ ) = − C ( y ′ , y t r u e ) + C ( y ′ , y f a l s e ) L(x')=-C(y',y^{true})+C(y',y^{false}) L(x′)=−C(y′,ytrue)+C(y′,yfalse)。有目标攻击的目的是使 y ′ y' y′ 更接近一个错误的估计 y f a l s e y^{false} yfalse，不同与无目标，有目标攻击多了“目的地”
例如，把猫的图片分类为鱼。第一项 − C ( y ′ , y t r u e ) -C(y',y^{true}) −C(y′,ytrue) 希望输出值远离真实标签、第二项 C ( y ′ , y f a l s e ) C(y',y^{false}) C(y′,yfalse) 希望输出接近错误标签。 - 约束： d ( x 0 , x ′ ) ≤ ϵ d(x^0, x') \le \epsilon d(x0,x′)≤ϵ。具体如下图，右上角展示了 x ′ x' x′ 和 x 0 x^0 x0 之间的距离 Δ x \Delta x Δx。图中下方展示了两种衡量距离的方法。 L 2 − L2- L2− 范数和 L − ∞ L-\infty L−∞ 范数。
如何攻击
就像训练一个神经网络，但是网络参数
θ
\theta
θ 被
x
′
x'
x′替代。
x ∗ = a r g min d ( x 0 , x ′ ) ≤ ϵ L ( x ′ ) x^*=arg \min_{d(x^0, x') \le \epsilon} L(x') x∗=argmind(x0,x′)≤ϵL(x′)，这个公式指：在约束条件下 d ( x 0 , x ′ ) ≤ ϵ d(x^0, x') \le \epsilon d(x0,x′)≤ϵ```原始输入与扰动图像之间的距离不超过ϵ```下，找到使 L ( x ′ ) L(x') L(x′) 最小的 x ′ x' x′。- 由此可以看出，在对抗性攻击种，我们的目标是：希望生成一个扰动图像，在这个扰动图像接近原始图像且满足约束条件的前提下，最小化损失。
最小化损失L(x')在上面的有目标攻击和无目标攻击中，都体现为C更大，即更加偏离真实标签，攻击的效果越好。 - 下方展示了 f i x ( x t ) fix(x^t) fix(xt)中距离的计算方法。
FGSM
FGSM 全称 Fast Gradient Sign Method，快速梯度逐步算法。
黑盒与白盒
- 在前面的攻击中，我们固定网络参数 θ \theta θ 而寻找最优的输入 x ′ x' x′。如果攻击时，我们需要知道 θ \theta θ，那么这就叫做白盒攻击。
- 白盒攻击需要 θ \theta θ，那么如果我们不公布（绝大多数 API 都不提供网络参数），是否安全呢？ 不会，因为存在黑盒攻击。
- 在黑盒攻击中： （1）如果我们有目标网络的训练数据，可以使用这些数据训练一个代理网络 (proxy network)。这个代理网络模仿目标网络的行为，攻击者可以在代理网络上进行对抗样本生成，然后将这些对抗样本应用于目标网络。
用目标的网络数据生成网络，在网络上模拟，然后在模拟网络上生成AE（对抗性样例）。（2）如果我们没有目标网络的训练数据，则需要获取一些目标网络的输入和预测输出，以此来构建代理网络，然后进行和训练数据生成代理网络后一样的攻击。和（1）的区别就是，是用目标网络的输入和预测输出生成的代理网络。
真实世界的攻击
单像素攻击
防御
对抗性攻击无法通过正则化，dropout 和模型集成来防御。
防御可以分为两种：主动防御和被动防御。
被动防御
在不修改模型的情况下找到攻击图像。
- 去噪 除非对手不知道去噪的存在，否则还是可能受到白盒攻击。
- 随机化 （1）如果攻击者不知道随机化存在，则效果最佳； （2）如果知道，由于随机模式过多，防御依然有效。
- 梯度掩码/隐藏 治标不治本，本质是提高了攻击者搞清楚弱点的难度，模型本身稳定性并未提高。
主动防御
训练一个对对抗性攻击具有鲁棒性的模型。
- 对抗训练 这种方法对训练目标算法 A 有效，但对未被训练的目标算法 B 无效。
- 防御性蒸馏 （1）通过梯度生成的对抗性样例攻击性降低； （2）随蒸馏温度提升，对抗性样例生成困难，提升模型鲁棒性； （3）对黑盒攻击无能为力； （4）仅适用于基于概率分布的 DNN 模型。
本文转载自: https://blog.csdn.net/infinity_heaven/article/details/139883971
版权归原作者 幽々 所有， 如有侵权，请联系我们删除。
版权归原作者 幽々 所有， 如有侵权，请联系我们删除。