alpha-beta-CROWN 项目教程

alpha-beta-CROWN 项目教程

alpha-beta-CROWN alpha-beta-CROWN: An Efficient, Scalable and GPU Accelerated Neural Network Verifier (winner of VNN-COMP 2021, 2022, and 2023) 项目地址: https://gitcode.com/gh_mirrors/al/alpha-beta-CROWN

1. 项目介绍

alpha-beta-CROWN 是一个基于高效线性边界传播框架和分支定界法的神经网络验证器，能够在 GPU 上高效加速，并扩展到相对较大的卷积网络（例如，数百万参数）。它支持广泛的神经网络架构（如 CNN、ResNet 和各种激活函数），得益于我们开发的 auto_LiRPA 库。alpha-beta-CROWN 能够提供对抗攻击的证明鲁棒性保证，并验证神经网络的其他一般属性，如控制中的 Lyapunov 稳定性。

alpha-beta-CROWN 是 VNN-COMP 2021、2022 和 2023 的获胜验证器，总分最高，在三年内超越了许多其他神经网络验证器。

2. 项目快速启动

环境准备

alpha-beta-CROWN 在 Python 3.11 和 PyTorch 2.2.1 上进行了测试，但较低版本（如 Python 3.7 和 PyTorch 1.11）也可能适用。建议使用 conda 环境进行安装。

# 安装 miniconda（如果尚未安装）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# 克隆项目并包含子模块
git clone --recursive https://github.com/Verified-Intelligence/alpha-beta-CROWN.git
cd alpha-beta-CROWN

# 创建并激活 conda 环境
conda env create -f complete_verifier/environment.yaml --name alpha-beta-crown
conda activate alpha-beta-crown

运行示例

以下是一个简单的示例，用于在 CIFAR-10 数据集上验证 ResNet 网络的鲁棒性。

# 激活 conda 环境
conda activate alpha-beta-crown

# 运行验证
cd complete_verifier
python abcrown.py --config exp_configs/tutorial_examples/cifar_resnet_2b.yaml

3. 应用案例和最佳实践

应用案例

alpha-beta-CROWN 可以应用于以下场景：

• 对抗攻击的鲁棒性验证：验证神经网络在面对对抗攻击时的鲁棒性。
• Lyapunov 稳定性验证：验证控制系统的 Lyapunov 稳定性。
• 一般神经网络属性验证：验证神经网络的其他一般属性，如输出约束。

最佳实践

• 选择合适的算法：根据具体需求选择合适的验证算法（如 CROWN、α-CROWN、β-CROWN 等）。
• 优化配置文件：根据网络结构和验证需求，优化配置文件中的参数。
• 并行计算：利用 GPU 加速验证过程，提高效率。

4. 典型生态项目

alpha-beta-CROWN 生态系统中的一些典型项目包括：

• auto_LiRPA：用于计算一般计算图的符号边界的库。
• VNN-COMP：国际神经网络验证竞赛，alpha-beta-CROWN 连续三年获胜。
• Gurobi：用于 MIP 验证算法的优化求解器。
• IBM CPlex：用于 GCP-CROWN 验证算法的求解器。

这些项目共同构成了一个强大的神经网络验证工具链，支持从基础验证到高级应用的广泛需求。

alpha-beta-CROWN alpha-beta-CROWN: An Efficient, Scalable and GPU Accelerated Neural Network Verifier (winner of VNN-COMP 2021, 2022, and 2023) 项目地址: https://gitcode.com/gh_mirrors/al/alpha-beta-CROWN