AI 安全之对抗样本入门 (26):打造对抗样本工具箱 2.5

阅读数:8 2019 年 11 月 30 日 15:08

AI安全之对抗样本入门(26):打造对抗样本工具箱 2.5

(TensorFlow)

内容简介
第 1 章介绍了深度学习的基础知识,重点介绍了与对抗样本相关的梯度、优化器、反向传递等知识点。
第 2 章介绍了如何搭建学习对抗样本的软硬件环境,虽然 GPU 不是必需的,但是使用 GPU 可以更加快速地验证你的想法。
第 3 章概括介绍了常见的深度学习框架,从 TensorFlow、Keras、PyTorch 到 MXNet。
第 4 章介绍了图像处理领域的基础知识,这部分知识对于理解对抗样本领域的一些常见图像处理技巧非常有帮助。
第 5 章介绍了常见的白盒攻击算法,从基础的 FGSM、DeepFool 到经典的 JSMA 和 CW。
第 6 章介绍了常见的黑盒攻击算法。
第 7 章介绍了对抗样本在目标识别领域的应用。
第 8 章介绍了对抗样本的常见抵御算法,与对抗样本一样,抵御对抗样本的技术也非常有趣。
第 9 章介绍了常见的对抗样本工具以及如何搭建 NIPS 2017 对抗防御环境和轻量级攻防对抗环境 robust-ml,通过这章读者可以了解如何站在巨人的肩膀上,快速生成自己的对抗样本,进行攻防对抗。

TensorFlow 是谷歌的第二代人工智能学习系统,其命名来源于本身的运行原理。Tensor 意味着 N 维数组,Flow 意味着基于数据流图的计算,TensorFlow 为 Tensor 从流图的一端流动到另一端的计算过程。所以也可以把 TensorFlow 当作将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。

TensorFlow 可被用于语音识别或图像识别等多项机器深度学习领域,基于 2011 年开发的深度学习基础架构 DistBelief 进行了全面改进,它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。

TensorFlow 支持多种安装方式1

1 http://www.tensorfly.cn/tfdoc/get_started/os_setup.html

  1. Ubuntu/Linux
复制代码
# 仅使用 CPU 的版本
$ pip install tensorflow
# 开启 GPU 支持的版本 (安装该版本的前提是已经安装了 CUDA sdk)
$ pip install tensorflow-gpu
  1. Mac OS X

在 Mac OS X 系统上, 我们推荐先安装 homebrew, 然后执行 brew install python, 以便能够使用 homebrew 中的 Python 安装 TensorFlow。

复制代码
pip install tensorflow
  1. 基于 Docker 的安装

如下命令将启动一个已经安装好 TensorFlow 及相关依赖的容器。

复制代码
$ docker run -it b.gcr.io/tensorflow/tensorflow
  1. 基于 VirtualEnv 的安装

官方文档推荐使用 VirtualEnv 创建一个隔离的容器来安装 TensorFlow,这是可选的,但是这样做能使排查安装问题变得更容易。VirtualEnv 通过创建独立 Python 开发环境的工具,来解决依赖、版本以及间接权限问题,比如一个项目依赖 Django1.3 而当前全局开发环境为 Django1.7,版本跨度过大,导致不兼容使项目无法正在运行,使用 VirtualEnv 就可以解决这些问题2

2 http://www.jianshu.com/p/08c657bd34f1

首先,安装所有必备工具:

# 在 Linux 上:

复制代码
$ sudo apt-get install python-pip python-dev python-virtualenv
# 在 Mac 上:
# 如果还没有安装 pip
$ sudo easy_install pip
$ sudo pip install --upgrade virtualenv

接下来,建立一个全新的 VirtualEnv 环境,为了将环境建在 ~/tensorflow 目录下,执行如下代码:

复制代码
$ virtualenv --system-site-packages ~/tensorflow
$ cd ~/tensorflow

然后,激活 VirtualEnv:

复制代码
$ source bin/activate
# 如果使用 bash $ source bin/activate.csh
# 如果使用 csh (tensorflow)$
# 终端提示符应该发生变化

在 VirtualEnv 内,安装 TensorFlow:

复制代码
(tensorflow)$ pip install --upgrade <$url_to_binary.whl>

接下来,使用类似命令运行 TensorFlow 程序:

复制代码
(tensorflow)$ cd tensorflow/models/image/mnist
(tensorflow)$ python convolutional.py
# 当使用完 TensorFlow
(tensorflow)$ deactivate

AI安全之对抗样本入门(26):打造对抗样本工具箱 2.5

购书地址 https://item.jd.com/12532163.html?dist=jd

评论

发布