day01--对抗样本学习-论文复现

最新推荐文章于 2024-12-25 23:52:19 发布

原创最新推荐文章于 2024-12-25 23:52:19 发布 · 495 阅读

9 ·

CC 4.0 BY-SA版权

对抗样本专栏收录该内容

6 篇文章

订阅专栏

本文介绍如何使用Inceptionv3模型和TF-slim库生成对抗样本，并通过旋转增强其鲁棒性。对抗样本是一种经过微小扰动的输入，能够误导深度学习模型做出错误分类。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

攻击模型：Inception v3 数据集：ImageNet 原有预分类模型：TF-slim图像分类库
接论文
synthesizing-robust-adversarial-examples https://arxiv.org/abs/1707.07397
（综合强大的对抗样本）
代码：
http://www.anishathalye.com/media/2017/07/25/adversarial.ipynb（本文讲解）
https://github.com/prabhant/synthesizing-robust-adversarial-examples
参考：https://www.jiqizhixin.com/articles/2017-08-11-9
代码在jupyter notebook中可以直接打开，本文主要添加部分代码注释。
攻击模型：Inception v3 数据集：ImageNet 原有预分类模型：TF-slim图像分类库

import tensorflow as tf
import tensorflow.contrib.slim as slim
import tensorflow.contrib.slim.nets as nets
tf.logging.set_verbosity(tf.logging.ERROR)
sess = tf.InteractiveSession()
image = tf.Variable(tf.zeros((299, 299, 3)))

#设置输入图像：tf.Variable instead of a tf.placeholder 可训练
#tf.Variable：声明变量并赋值，tf.placeholder对声明的变量长期使用，节省内存

def inception(image, reuse):
    preprocessed = tf.multiply(tf.subtract(tf.expand_dims(image, 0), 0.5), 2.0)
    arg_scope = nets.inception.inception_v3_arg_scope(weight_decay=0.0)
    with slim.arg_scope(arg_scope):
        logits, _ = nets.inception.inception_v3(
            preprocessed, 1001, is_training=False, reuse=reuse)
        #299,299,3,1001是inceptionV3的标准参数
        logits = logits[:,1:] # ignore background class
        probs = tf.nn.softmax(logits) # probabilities
    return logits, probs

logits, probs = inception(image, reuse=False)