python - 机器学习(对抗性图像)

Question

以防万一你们不知道，对抗性图像是属于某个类别的图像，但随后被扭曲，而人眼没有任何视觉感知差异，但网络错误地将其识别为完全不同的类别。

有关此内容的更多信息，请参见此处: http://karpathy.github.io/2015/03/30/breaking-convnets/

通过使用 TensorFlow，我学到了很多关于卷积神经网络的知识。

def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)

def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding='SAME')

W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])

x_image = tf.reshape(x, [-1,28,28,1])

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)


W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])

h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)


W_fc1 = weight_variable([7 * 7 * 64, 1024])
b_fc1 = bias_variable([1024])

h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)


W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])

y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2

挑战是输入数字 2 的图像，也标记为“2”，并以某种方式对该图像进行卷积，以便输出将其识别为“6”，像素的改变非常微小，以至于无法识别差异。

有人知道从哪里开始吗？

Answer 1

您可以从阅读这篇论文开始:https://arxiv.org/abs/1412.6572 (例如)

它解释了通过计算损失函数相对于输入的梯度来生成对抗性示例的方法之一。

看看tf.gradients()

定义损失函数(例如交叉熵)后，您可以执行以下操作:

grads = tf.gradients(loss, [x])[0]
signs = tf.sign(grads)
epsilon = tf.constant(0.25)
x_adversarial = tf.add(tf.multiply(epsilon, signs), x)

x_adversarial 将是你的偷偷摸摸的图像。您可以使用 epsilon 值，该值设置添加噪声的幅度。