AdverTorch 项目教程

AdverTorch 项目教程

advertorch 项目地址: https://gitcode.com/gh_mirrors/ad/advertorch

1. 项目介绍

AdverTorch 是一个用于对抗鲁棒性研究的 Python 工具箱，主要基于 PyTorch 实现。它包含了生成对抗扰动和防御对抗样本的模块，以及用于对抗训练的脚本。AdverTorch 的目标是帮助研究人员和开发者更好地理解和提升机器学习模型的对抗鲁棒性。

2. 项目快速启动

安装 AdverTorch

首先，确保你已经安装了 Python 3.6 和 PyTorch 1.0.0 或更高版本。然后，你可以通过以下命令安装 AdverTorch：

pip install advertorch

或者，你可以克隆仓库并手动安装：

git clone https://github.com/BorealisAI/advertorch.git
cd advertorch
python setup.py install

使用示例

以下是一个简单的示例，展示如何使用 AdverTorch 生成对抗样本：

import torch
import torch.nn as nn
from advertorch.attacks import LinfPGDAttack

# 准备你的 PyTorch 模型
model = ...

# 准备一批数据和标签
cln_data = ...
true_label = ...

# 创建对抗攻击实例
adversary = LinfPGDAttack(
    model,
    loss_fn=nn.CrossEntropyLoss(reduction="sum"),
    eps=0.3,
    nb_iter=40,
    eps_iter=0.01,
    rand_init=True,
    clip_min=0.0,
    clip_max=1.0,
    targeted=False
)

# 生成无目标对抗样本
adv_untargeted = adversary.perturb(cln_data, true_label)

# 生成有目标对抗样本
target = torch.ones_like(true_label) * 3
adversary.targeted = True
adv_targeted = adversary.perturb(cln_data, target)

3. 应用案例和最佳实践

对抗训练

对抗训练是提升模型鲁棒性的一种有效方法。AdverTorch 提供了对抗训练的脚本，你可以在 MNIST 数据集上进行对抗训练：

python advertorch_examples/tutorial_train_mnist.py

攻击与防御

AdverTorch 还提供了攻击和防御的教程，你可以在 Jupyter Notebook 中查看：

jupyter notebook advertorch_examples/tutorial_attack_defense_bpda_mnist.ipynb

4. 典型生态项目

Foolbox

Foolbox 是另一个流行的对抗样本生成工具，与 AdverTorch 类似，它也提供了多种攻击方法。你可以通过以下命令安装 Foolbox：

pip install foolbox

CleverHans

CleverHans 是一个由 Google Brain 团队开发的对抗样本库，支持 TensorFlow 和 Keras。你可以通过以下命令安装 CleverHans：

pip install cleverhans

通过结合使用这些工具，你可以更全面地研究和提升模型的对抗鲁棒性。

advertorch 项目地址: https://gitcode.com/gh_mirrors/ad/advertorch