一、对抗样本与FGSM的背景
在深度学习安全领域,对抗样本(Adversarial Examples)因其特殊的生成机制备受关注。2015年ICLR会议收录的里程碑式论文《Explaining and Harnessing Adversarial Examples》中,Goodfellow等学者首次系统阐述了快速梯度符号方法(FGSM)的生成原理,这一发现揭示了深度神经网络在鲁棒性方面存在的重大缺陷。
二、FGSM的核心工作原理
不同于常规训练中的梯度下降优化,FGSM采用逆向梯度操作实现对抗样本生成。其本质是通过梯度符号方向的参数扰动,构造出使模型产生错误判断的输入样本。具体而言:
- 梯度方向逆转:传统网络训练通过损失函数梯度反方向(-∇)更新参数,而FGSM则沿梯度正方向(+∇)施加扰动
- 扰动控制机制:通过ε参数约束扰动幅度,确保对抗样本在人类视觉感知中与原始样本无明显差异
- 损失函数最大化:数学表达为x_adv = x + ε·sign(∇_xJ(θ,x,y)),其中J为损失函数,θ为模型参数
实战代码解析:
# -*- coding: utf-8 -*-
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
# 下载MNIST数据集时,解决"用户代理"限制的问题
# 详情参考: https://github.com/pytorch/vision/issues/3497
from six.moves import urllib
opener = urllib.request.build_opener()
opener.addheaders = [('User-agent', 'Mozilla/5.0')]
urllib.request.install_opener(opener)
"""代码实现
--------------
本节将详细阐述本教程的输入参数定义、受攻击模型配置,以及攻击算法的具体实现与验证测试。
输入参数配置
~~~~~~
本实现包含三个关键输入参数,其定义如下:
- **扰动系数(epsilons)**
用于实验的ε值列表,需注意:
- 必须包含0值用于基准测试(原始样本准确率)
- 根据数据归一化范围$[0,1]$,ε最大值不应超过1
- 经验规律:ε值与扰动可见性、模型准确率下降程度呈正相关
- **预训练模型(pretrained_model)**
基于PyTorch官方MNIST示例训练的模型路径:
```
https://github.com/pytorch/examples/tree/master/mnist
```
为方便使用,可直接下载预训练模型:
```
https://drive.google.com/drive/folders/1fn83DF14tWmit0RTKWRhPq5uVXt73e0h?usp=sharing
```
- **GPU加速(use_cuda)**
布尔型标志位,启用条件:
- CUDA环境可用时自动启用GPU加速
- 注:本实验CPU计算耗时可控,非必须使用GPU
"""
#新建扰动强度列表,从0开始到0.3,步长为0.05 ,epsilon = 0 表示无扰动(原始图像),值越大表示添加的扰动越强。这些值将用于测试模型在不同扰动强度下的表现。
epsilons = [0, .05, .1, .15, .2, .25, .3]
#指定预训练模型的路径
pretrained_model = "data/lenet_mnist_model.pth"
#是否使用GPU加速,True 表示如果有 GPU 可用就使用 GPU,使用 GPU 可以加快模型的计算速度,如果没有 GPU,代码会自动回退到 CPU
use_cuda=True
"""受攻击模型配置
~~~~~~~~~~~~~~~~~~
本实验的攻击对象为PyTorch官方MNIST示例项目实现的分类模型
(代码库见:<https://github.com/pytorch/examples/tree/master/mnist>)。使用者可选择以下任一方式获取模型:
1. **自主训练模式**
基于官方代码库重新训练并保存MNIST分类模型
2. **预训练模型调用**
直接加载本文提供的已训练模型文件
本模块完整复用了原始项目的以下核心组件:
- 网络结构定义(*Net* 类)
- 测试集数据加载器(Test Dataloader)
"""
# LeNet 模型定义 先定义与图像识别模型相同的模型结构 Net类定义了模型的"骨架"(网络结构),
# lenet_mnist_model.pth 文件提供了这个骨架上的"肌肉"(具体参数)
# 这个 Net 类实现的是 LeNet 卷积神经网络,
# 包含:
#- 2个卷积层(用于提取图像特征)
#- Dropout层(防止过拟合)
#- 2个全连接层(进行最终的分类)
#- 输出10个类别(对应0-9这10个数字)
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)
# 前向传播函数 定义数据在网络中的流动路径
def forward(self, x):
x = F.relu(F.max_pool2d(self.conv1(x), 2)) # 第一层:卷积->池化->ReLU激活
x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2)) # 第二层:卷积->Dropout->池化->ReLU激活
x = x.view(-1, 320) # 将特征图展平
x = F.relu(self.fc1(x)) # 第一个全连接层,接ReLU激活
x = F.dropout(x, training=self.training) # Dropout层
x = self.fc2(x) # 第二个全连接层
return F.log_softmax(x, dim=1) # 输出层,使用log_softmax激活
"""
上面这个方法定义了数据从输入到输出的完整处理流程:
1. 输入的手写数字图像先经过两层卷积层提取特征
2. 然后将特征图展平成一维向量
3. 接着通过两个全连接层进行分类
4. 最后用 log_softmax 输出每个数字类别的概率
当我们调用 model(data) 时,实际上就是在调用这个 forward 方法。这是 PyTorch 的一个特性,它会自动调用 forward ,使代码更简洁。
"""
# MNIST数据集加载器,检查本地 ./data 目录是否已有数据集,如果没有,则从官方地址下载
test_loader = torch.utils.data.DataLoader(
datasets.MNIST('./data', train=False, download=True, transform=transforms.Compose([
transforms.ToTensor(),
])),
batch_size=1, shuffle=True)
# 定义我们使用的设备
print("CUDA Available: ",torch.cuda.is_available())
device = torch.device("cuda" if (use_cuda and torch.cuda.is_available()) else "cpu")
# 初始化网络
model = Net().to(device)
# 加载预训练模型
model.load_state_dict(torch.load(pretrained_model, map_location='cpu'))
# 将模型设置为评估模式
model.eval()
"""FGSM 攻击算法实现
本模块定义通过梯度扰动生成对抗样本的核心函数
"""
# FGSM 攻击代码
def fgsm_attack(image, epsilon, data_grad):
# 收集数据梯度的元素符号
sign_data_grad = data_grad.sign()
# 通过调整输入图像的每个像素来创建扰动的图像
perturbed_image = image + epsilon*sign_data_grad
# 添加剪辑以维护[0,1]范围
perturbed_image = torch.clamp(perturbed_image, 0, 1)
# 返回扰动后的图像
return perturbed_image
"""测试函数
~~~~~~~~~~~~~~~~
最后,本教程的核心结果来自于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率。
然而,请注意该函数还接受epsilon输入参数。这是因为test函数报告的是在强度为epsilon的攻击下模型的准确率。
具体来说,对于测试集中的每个样本,该函数计算损失相对于输入数据的梯度($data\_grad$),使用fgsm_attack创建扰动图像($perturbed\_data$),
然后检查扰动后的样本是否成为对抗样本。除了测试模型的准确率外,该函数还保存并返回一些成功的对抗样本,以便后续可视化。
"""
def test( model, device, test_loader, epsilon ):
# 准确度计数器
correct = 0
adv_examples = []
# 循环遍历测试集中所有案例
for data, target in test_loader:
# 向设备发送数据和标签
data, target = data.to(device), target.to(device)
# 设置张量的requires_grad属性,这对攻击非常重要
data.requires_grad = True
# 数据通过模型前向传播
output = model(data)
init_pred = output.max(1, keepdim=True)[1] # 获取最大对数概率的索引
# 如果初始预测报错,无需攻击,直接跳过
if init_pred.item() != target.item():
continue
# 计算损失
loss = F.nll_loss(output, target)
# 清零所有现有梯度
model.zero_grad()
# 在反向传播中计算模型的梯度
loss.backward()
# 收集数据梯度
data_grad = data.grad.data
# 调用FGSM攻击
perturbed_data = fgsm_attack(data, epsilon, data_grad)
# 重新分类扰动图像
output = model(perturbed_data)
# 检查攻击是否成功
final_pred = output.max(1, keepdim=True)[1] # 获取最大对数概率的索引
if final_pred.item() == target.item():
correct += 1
# 保存0扰动样本的特殊情况
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:
# 保存一些对抗样本用于后续可视化
if len(adv_examples) < 5:
adv_ex = perturbed_data.squeeze().detach().cpu().numpy()
adv_examples.append( (init_pred.item(), final_pred.item(), adv_ex) )
# 计算此epsilon值的最终准确率
final_acc = correct/float(len(test_loader))
print("Epsilon: {}\tTest Accuracy = {} / {} = {}".format(epsilon, correct, len(test_loader), final_acc))
# 返回准确率和对抗样本
return final_acc, adv_examples
"""执行攻击
~~~~~~~~~~
代码实现的最后一部分是执行攻击。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值,我们还保存最终的准确率和一些成功的对抗样本,以便在后续章节中进行绘图。
注意观察随着epsilon值的增加,打印的准确率如何下降。另外,请注意$\epsilon=0$的情况代表原始测试准确率,即无攻击状态。
"""
accuracies = []
examples = []
# 对每个epsilon运行测试
for eps in epsilons:
acc, ex = test(model, device, test_loader, eps)
accuracies.append(acc)
examples.append(ex)
"""结果
-------
准确率 VS 扰动系数
~~~~~~~~~~~~~~~~~~~
第一个结果是准确率与epsilon(扰动系数)的关系图。如前所述,随着epsilon的增加,我们预期测试准确率会下降。
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更大的步伐。注意曲线趋势并非线性,尽管epsilon值是线性间隔的。
例如,epsilon=0.05时的准确率仅比epsilon=0低约4%,但epsilon=0.2时的准确率比epsilon=0.15低25%。
此外,注意模型的准确率在epsilon=0.25和epsilon=0.3之间达到了10类分类器的随机准确率水平。
"""
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()
"""对抗样本示例
~~~~~~~~~~~~~~~~~~~~~~~~~~~
世上没有免费的午餐。在本例中,随着epsilon的增加,测试准确率下降,但扰动变得更容易被感知。
实际上,攻击者必须考虑准确率下降与可感知性之间的权衡。在这里,我们展示了每个epsilon值下成功对抗样本的一些示例。
图的每一行显示不同的epsilon值。第一行是epsilon=0的示例,代表无扰动的原始"干净"图像。
每个图像的标题显示了"原始分类 -> 对抗分类"。注意,在epsilon=0.15时扰动开始变得明显,在epsilon=0.3时非常明显。
然而,在所有情况下,尽管有噪声添加,人类仍然能够识别正确的类别。
"""
# 绘制几个在epsilon值下对抗样本示例
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()
实战案例效果
说明:
代码来自于https://pytorch.org/tutorials/beginner/fgsm_tutorial.html,
应在github:https://github.com/pytorch/tutorials/blob/master/beginner_source/fgsm_tutorial.py
基本使用说明:
1. 安装依赖项。
pip3 install numpy torch torchvision matplotlib
2. 执行FGSM算法对图像识别进行攻击,请保证您的电脑可以联网,代码会自动下载mnist数据集。
python fgsm_tutorial.py