0
雷锋网AI研习社按：对抗样本是一类被恶意设计来攻击机器学习模型的样本。它们与真实样本的区别几乎无法用肉眼分辨，但是却会导致模型进行错误的判断。本文就来大家普及一下对抗样本的基础知识，以及如何做好对抗样本的攻与防。
在近期雷锋网AI研习社举办的线上公开课上，来自清华大学的在读博士生廖方舟分享了他们团队在 NIPS 2017 上一个对抗样本攻防大赛中提到的两个新方法，这两个方法在大赛中分别获得了攻击方和防守方的第一名。点击可视频回放
廖方舟，清华大学化学系学士，生医系在读博士。研究方向为计算神经学，神经网络和计算机视觉。参加多次 Kaggle 竞赛，是 Data Science Bowl 2017 冠军，NIPS 2017 对抗样本比赛冠军。Kaggle 最高排名世界第10。
分享主题：
动量迭代攻击和高层引导去噪：产生和防御对抗样本的新方法
分享内容：
大家好，我是廖方舟，今天分享的主题是对抗样本的攻和防。对抗样本的存在会使得深度学习在安全敏感性领域的应用收到威胁，如何对其进行有效的防御是很重要的研究课题。 我将从以下几方面做分享。
什么是对抗样本
传统的攻击方法
传统的防守方法
动量迭代攻击
去噪方法
高层引导去噪方法
什么是对抗样本
对抗样本的性质不仅仅是图片所拥有的性质，也不仅仅是深度学习神经网络独有的性质。因此它是把机器学习模型应用到一些安全敏感性领域里的一个障碍。
当时，机器学习大牛Good fellow找了些船、车图片，他想逐渐加入一些特征，让模型对这些船，车的识别逐渐变成飞机，到最后发现人眼观测到的图片依然是船、车，但模型已经把船、车当做飞机。
我们之前的工作发现样本不仅仅是对最后的预测产生误导，对特征的提取也产生误导。这是一个可视化的过程。
当把一个正常样本放到神经网络后，神经元会专门观察鸟的头部，但我们给它一些对抗样本，这些对抗样本也都全部设计为鸟，就发现神经网络提取出来的特征都是乱七八糟，和鸟头没有太大的关系。也就是说欺骗不是从最后才发生的，欺骗在从模型的中间就开始产生的。
下图是最简单的攻击方法——Fast Gradient Sign Method
除了FGSM单步攻击的方法，它的一个延伸就是多步攻击，即重复使用FGSM。由于有一个最大值的限制，所以单步的步长也会相应缩小。比如这里有一个攻击三步迭代，每一步迭代的攻击步长也会相应缩小。
产生图片所用的CNN和需要攻击的CNN是同一个，我们称为白盒攻击。与之相反的攻击类型称为黑盒攻击，也就是对需要攻击的模型一无所知。
以上所说的都是Non Targeted， 只要最后得到的目标预测不正确就可以了。另一种攻击Targeted FGSM，目标是不仅要分的不正确，而且还要分到指定的类型。
一个提高黑盒攻击成功率行之有效的办法，是攻击一个集合。
而目前为止一个行之有效的防守策略就是对抗训练。在模型训练过程中，训练样本不仅仅是干净样本，而是干净样本加上对抗样本。随着模型训练越来越多，一方面干净图片的准确率会增加，另一方面，对对抗样本的鲁棒性也会增加。
下面简单介绍一下NIPS 2017 上的这个比赛规则
比赛结构
两个限制条件：容忍范围不能太大；不能花太长时间产生一个对抗样本，或者防守一个对抗样本
FGSM算法结果
图中绿色模型为攻击范围，最后两栏灰色是黑盒模型，随着迭代数量的增加， 攻击成功率反而上升。这就给攻击造成了难题。
我们解决的办法就是在迭代与迭代中间加入动量
加入动量之后，白盒攻击变强了，而且对黑盒模型攻击的成功率也大大提升了。
总结：
以前方法（iterative attack）的弱点是在迭代数量增多的情况下，它们的迁移性，也就是黑盒攻击性会减弱，在我们提出加入动量之后，这个问题得到了解决，可以很放心使用非常多的迭代数量进行攻击。
在NIPS 2017 比赛上得到最高的分数
需要提到的一点，上面提到的都是Non-targeted , 在Targeted攻击里面，这个策略有所不同。在Targeted攻击里面，基本没有观察到迁移性，也就是黑盒成功率一直很差，即便是加入动量，它的迁移程度也非常差。
下面讲一下防守
首先想到的就是去噪声，我们尝试用了一些传统的去噪方法（median filter 、BM3D）效果都不好。之后我们尝试使用了两个不同架构的神经网络去噪。一个是 Denoising Autoencoder，另一个是Denoising Additive U-Net。
我们的训练样本是从ImageNet数据集中取了三万张图片 ，使用了七个不同的攻击方法对三万张图片攻击，得到21万张对抗样本图片以及三万张对应的原始图片。除了训练集，我们还做了两个测试集。一个白盒攻击测试集和一个黑盒攻击测试集。
训练效果
我们发现经过去噪以后，正确率反而有点下降。我们分析了一下原因，输入一个干净图片，再输入一个对抗图片，然后计算每一层网络在这两张图片上表示的差距，我们发现这个差距是逐层放大的。
图中蓝线发现放大的幅度非常大，图中红线是去噪过后的图片，仍然在放大，导致最后还是被分错。
为了解决这个问题，我们提出了经过改良后的网络 HGD
HGD 的几个变种
和之前的方法相比，改良后的网络 HGD防守准确率得到很大的提升
HGD 有很好的迁移性
最后比赛中，我们集成了四个不同的模型，以及训练了他们各自的去噪, ，最终把它们合并起来提交了上去。
HGD网络总结
优点：
效果显著比其他队伍的模型好。
比前人的方法使用更少的训练图片和更少的训练时间。
可迁移。
缺点：
还依赖于微小变化的可测量
问题并没有完全解决
仍然会受到白盒攻击，除非假设对手不知道HGD的存在
雷锋网AI慕课学院提供了本次分享的视频回放：http://www.mooc.ai/open/course/383
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
