Canary_Master：深度学习模型评估与攻防框架

Canary_Master：深度学习模型评估与攻防框架

Canary_Master CanarySEFI is a framework for evaluating the robustness of deep learning-based image recognition models. It can evaluate model robustness and attack/defense algorithm effectiveness, encompassing 26 metrics, including 15 models pre-trained by CIFAR-10, CIFAR-100, Fashion-MNIST, and ImageNet (with weights), 20+ attack methods, and 10+ defense methods 项目地址: https://gitcode.com/gh_mirrors/ca/Canary_Master

项目介绍

Canary_Master 是一个用于评估深度学习图像识别模型鲁棒性的框架。它通过选择特定的攻击方法生成对抗样本，并使用这些对抗样本来攻击任意目标模型。在此过程中，Canary_Master 收集多种评价指标数据，以评估AI模型的鲁棒性和攻击方法的有效性，并尝试寻找最佳的防御解决方案。该项目同时提供了一个工具包，包含多种模型、最先进的攻击和防御方法，并允许用户自行进行额外集成。

Canary_Master 由北京理工大学的研发团队创建和维护。

项目技术分析

Canary_Master 的技术架构主要基于 PyTorch，它提供了一个稳定的环境，用于安装和使用多种预训练模型及攻击方法。项目框架结构清晰，主要包括模型选择、攻击方法应用、防御策略以及评估指标收集等模块。

技术架构

项目采用模块化设计，以下是其框架结构图：

支持的模型

Canary_Master 目前支持15种模型，涵盖4个数据集，其中ImageNet数据集的15种模型均已支持。以下是部分支持的模型列表：

• LeNetV5
• AlexNet
• VGG
• GoogLeNet
• InceptionV3
• ResNet
• DenseNet
• SqueezeNet
• MobileNetV3
• MobileNetV2
• ShuffleNetV2
• MNASNet
• EfficientNetV2
• VisionTransformer
• RegNet
• SwinTransformer
• ConvNext
• WideResNet

支持的攻击方法

Canary_Master 支持包括FGSM、JSMA、DeepFool、I-FGSM (BIM)在内的22种常见攻击方法。以下是部分支持的攻击方法列表：

• FGSM
• JSMA
• DeepFool
• I-FGSM (BIM)

项目技术应用场景

Canary_Master 可应用于多种场景，主要包括：

1. 模型鲁棒性评估：通过对抗样本攻击，评估模型的鲁棒性，找出潜在的安全漏洞。
2. 防御策略研究：基于收集的评估数据，研究和优化防御策略。
3. 安全测试：在模型部署前进行安全测试，确保模型在实际应用中的安全性。
4. 学术研究：为学术研究提供一种有效的工具，用于分析深度学习模型的安全性。

项目特点

1. 全面性：支持多种模型和攻击方法，可针对不同场景进行定制化应用。
2. 灵活性：允许用户自由选择模型、攻击方法和防御策略。
3. 高效性：基于PyTorch框架，提供高效的运算能力和便捷的模型部署。
4. 易用性：提供详细的文档和示例项目，帮助用户快速上手和使用。
5. 开放性：鼓励用户参与项目改进，共享模型结构和权重信息，以帮助更多人。

通过以上分析，Canary_Master无疑是一个功能强大且应用广泛的深度学习模型评估与攻防框架，值得广大开发者和研究人员关注和使用。

Canary_Master CanarySEFI is a framework for evaluating the robustness of deep learning-based image recognition models. It can evaluate model robustness and attack/defense algorithm effectiveness, encompassing 26 metrics, including 15 models pre-trained by CIFAR-10, CIFAR-100, Fashion-MNIST, and ImageNet (with weights), 20+ attack methods, and 10+ defense methods 项目地址: https://gitcode.com/gh_mirrors/ca/Canary_Master