目录
一、对抗样本
二、对抗攻击
三、对抗防御
一、对抗样本
- 对抗样本是指对机器学习模型的输入做微小的故意扰动,导致模型输出结果出现错误的样本。
- 深度神经网络在经过大量数据训练后，可以实现非常复杂的功能。在语音识别、图像识别、自然语言处理等任务上被广泛运用。
- 然而，研究表明一个人类无法察觉的噪声可能让机器产生错判。
- 例如，给出一张熊猫的图片，神经网络可以正确地将它识别出来。
- 如果我们给这张图片加入一些噪声，生成一副稍微模糊的图片。对人来说，加噪后的图片与原图片并没有什么区别。
- 但对于神经网络就不行了。硬是把图片识别成了长臂猿，并对识别结果还给出了很高的置信度。
- 这种人类无法察觉，但对模型产生严重影响的样本被称为对抗样本。
- 当然不仅仅是添加噪声，甚至图片旋转也会对模型预测产生影响。
- 例如，将手枪图片稍微旋转后，模型就将其识别为了捕鼠器。
二、对抗攻击
- 对抗攻击是指对输入样本故意添加一些人类无法察觉的细微干扰，导致模型产生错误的输出结果。（可以理解为生成对抗样本的过程）
- 例如，给停止标识贴上几个小广告，就可能骗过图像识别系统，让其无视这个标识。
- 对抗攻击方法可以从不同角度进行分类：
- 白盒攻击与黑盒攻击
- 白盒攻击知晓目标模型的所有信息。
- 黑盒攻击不能获取目标模型内部信息。
- 目标攻击与非目标攻击
- 目标攻击会将对抗样本指定到某一目标类别。
- 非目标攻击只要使分类错误即可。
- 白盒攻击与黑盒攻击
三、对抗防御
- 对抗防御主要是针对对抗攻击，提高机器学习模型的鲁棒性和抗扰动能力。
- 常用的方法有：
- 对抗训练：在训练过程中加入对抗样本，增强模型对抗扰动的适应能力。
- 梯度遮蔽：由于当前的许多对抗样本生成方法都是基于梯度去生成的，所以如果将模型的原始梯度隐藏起来，就可以达到抵御对抗样本攻击的效果。
- 随机化/正则化：在模型中引入随机因素或者正则项，增加攻击的难度。
- 去噪：在输入模型进行判定之前，先对当前对抗样本进行去噪，剔除其中造成扰动的信息，使其不能对模型造成攻击。
